[理学]第4章数字特征.pptVIP

5. 泊松分布 EX = ? ， DX = ? 车站到来的乘客数量平均每一批有? 人，以及 单位时间里到来的电话呼叫数平均有 ? 次等等。 X 可能取值是所有非负整数 0，1，2，…； 分布律为： P { X = k } = —— e – ? ，k ≥ 0 这里泊松分布的参数 ? ＞ 0 。 ? k k ! 6. 均匀分布 X 服从区间 (a,b) 上的均匀分布，密度函数是： X 取值的平均就是区间 (a,b) 的中点 —— ， a ＜ x ＜ b p (x) = 0 ， 其它 1 b – a EX = —— ， DX = ——— a + b ( b – a )2 2 12 * 第四章 数字特征 第一节 数学期望与方差 第三节 协方差与相关系数 第二节 常用分布的期望与方差 数字特征是由随机变量的分布决定的一些常数， 它们只能刻划随机变量的部分随机特性。 数学期望 (Expectation)， 随机变量的平均取值；又被称为是：均值 方差(Variance) ， 随机变量在它的平均值附近取值的分散程度。 相关系数与协方差， 随机向量分量之间的关系， 或者是：两个随机变量相依的程度。 一. 数学期望(均值) 的定义 第一节 数学期望与方差 直观理解，数学期望就是一个随机变量所有可能 取值的加权平均值，权就是这些可能值相应的概率。 例如， 1. 假定发生意外的概率是 0.001，则在购买保险的 15,000 人中，平均起来有多少个人需要赔偿？ 2. 统计资料表明强烈地震的间隔服从参数 430 (天)的指数分布，则平均多长时间发生一次强震？ 1. 离散随机变量的数学期望 如果 X 的分布律 P { X = xk } = pk ,k ≥ 1 满足： ∑k ≥ 1 | xk pk | ＜ + ∞ 则定义离散随机变量 X 的数学期望是 E X = ∑k ≥ 1 xk pk 2. 连续随机变量的数学期望 如果 X 的密度函数 p (x) 满足： 则定义连续随机变量 X 的数学期望是 例4.1.1 一位著名的射击教练将从两个候选人中挑选 一人作为他的队员，甲还是乙的成绩更好？ 成绩(环数) 8 9 10 甲的概率 0.1 0.3 0.6 乙的概率 0.2 0.5 0.3 解. 以 X、Y 分别表示甲、乙射击一次的结果， 显然 X 的数学期望(甲射击一次的平均成绩)是 E X = 8×0.1 + 9×0.3 + 10×0.6 = 9.5 (环)， 同理，乙射击一次的平均成绩是 E Y = 8×0.2 + 9×0.5 + 10×0.3 = 9.1 (环)。 □ 解. 以 X 记这个项目 的投资利润。 平均利润为： E X = 5×0.3 + 0×0.6 + (– 10)×0.1 = 0.5， 而同期银行的利息是 10×0.02 = 0.2 ， 因此从期望收益的角度应该投资这个项目。 □ 利润 5 0 – 10 概率 0.3 0.6 0.1 例4.1.2 假设某人有 10 万元，如果投资于一项目将有 30%的可能获利 5 万，60% 的可能不赔不赚，但有 10%的可能损失全部 10 万元；同期银行的利率为 2% ，问他应该如何决策？ 例4.1.3 在古典概率模型中设计了如下一个赌局： 每个人从有 3 张假币的 10 张 100 元纸币中随机地 抽出 4 张 。如果全是真的，则赢得这 400元；如果这 4 张中至少有一张假币，只输 100 元。 问这种规则是否公平，或者说你是否愿意参加？ 解.