[工学]上海海事大学概率论和数理统计盛子宁第四章++随机变量的数字特征.pptVIP

第四章 随机变量的数字特征 §3 . 协方差与相关系数 以下几个命题等价： Cov( X, Y )=0 ； D(Y- bX)= 0≤ b2DX + DY - 2b Cov ( X,Y ) 令 ，则上式为 D(Y- bX)= E(X) = 因为 P{ Xi =1 } = p, P{ Xi =0 } = 1- p E ( Xi ) = = p = np 可见，服从参数为 n 和 p 的二项分布的随机变量 X 的数学期望是np. §2 . 方差 上一节我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量的一个重要的数字特征。 但是在一些场合，仅仅知道平均值是不够的。 例如，某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 甲仪器测量结果 乙仪器测量结果 测量结果的均值都是 a 较好 你认为哪台仪器较好一些呢？ 因为乙仪器的测量结果集中在均值附近 又如,甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图： 中心 中心 甲炮射击结果 乙炮射击结果 你认为哪门炮射击效果好一些呢? 因为乙炮的弹着点较集中在中心附近 . 乙炮 为此需要引进另一个数字特征,用它来度量随机变量取值在其中心附近的离散程度. 这个数字特征就是我们这一讲要介绍的 方差 方差的定义 设X是一个随机变量，若E(X-E(X)2∞，则称： D(X) = E ( X - EX )2 ( 1 ) 为X的方差。 方差的算术平方根 称为标准差 由于它与X具有相同的度量单位，在实际问题中经常使用。 由定义知，方差是随机变量X的函数 g ( X ) = [ X – E X ]2 的数学期望 。 X为离散型， P(X=xk)=pk X为连续型， X~f(x) 计算方差的一个简化公式 D( X ) = E ( X 2 ) – ( E X )2 证：D(X) = E [ X - E(X) ]2 =E { X2 – 2 X E(X) + [ E(X) ]2 } = E( X2 ) – 2 [ E(X) ]2 + [ E(X) ]2 = E ( X2 ) - [ E(X) ]2 方差的性质 1. 设C是常数,则 D ( C ) = 0; 2. 若C是常数,则 D ( CX )= C2 D( X ) ； 3. 若X1与X2 独立，则： D ( X1 + X2 ) = D ( X1 ) + D ( X2 ) ; 4. D ( X ) = 0 P { X= C}=1， 这里 C = E ( X ) 例2 二项分布的方差 设 X ~ B( n, p ), 则X表示 n 重贝努里试验中的“成功” 次数。 若设 i=1,2，…，n EXi = P { Xi=1 } = p, E ( Xi2 ) = p, 故 D( Xi )= E ( Xi2 ) – ( EXi ) 2 = p - p2= p ( 1- p ) 由于X1 , X2 , … , Xn 相互独立 于是 = np( 1- p ) 几个重要随机变量的数学期望与方差 二项分布 X ~ B (n, p) 特别，当 n=1 时， X 服从两点分布，此时，EX = p , DX = p(1-p) 。 EX = np ; DX = np( 1-p ) j=k-1 k=j+1 Poisson 分布 X ~ π(λ） 解： = =? j=k-2 k=j+2 均匀分布 X ~ U (a , b ) 解： 正态分布 解： == 切比雪夫不等式 设随机变量 X 有期望 EX 和方差 ，则对于 任给 0, 或 由切比雪夫不等式可以看出，若 越小，则事件{ |X- EX | }的概率越大，即随机变量X集中在期望附近的可能性越大。 例 已知正常男性成人血液中，每一毫升白细胞数平均是7300，均方差是700 . 利用切比雪夫不等式估计每毫升白细胞数在5200~9400之间的概率 . 解：设每毫升白细胞数为X 依题意，E(X)=7300,D(X)=7002 所求为 P(5200 X 9400) P(5200 X 9400) =P(5200-7300 X-7300 9400-7300) = P(-2100 X-E(X) 2100) = P{ |