[工学]第三章_随机变量的数字特征.ppt

第三章 随机变量的数字特征 通常求出随机变量的分布并不是一件容易的事, 而人们更关心的是用一些数字来表示随机变量的特点, 这些与随机变量有关的数字, 就是随机变量的数字特征. 最常用的数字特征为数学期望, 方差，协方差和相关系数. §1 数学期望 数学期望是任何一个随机变量的最重要的, 也被最广泛使用的数学特征, 英文是expectation, 另一种叫法为均值(mean or average value) 它的实际意义就是平均值. 但属于一种更为严格的平均值, 和本书后面讲到的统计平均值有一些小差别. 一、离散型随机变量 首先从一个例子说起 例1 假设一个班共20人, 其中18岁的有6人, 19岁的有10人, 20岁的有4人, 现任取一人观察其岁数, 则观察到的岁数X为一随机变量, 不难求出 X的分布率如下表所示. 现在要计算这个班的学生的平均年龄 有两种计算办法, 第一种办法是将这个班的学生的每个人的年龄加起来, 再除以这个班的人数20人, 即6个18岁, 10个19岁, 4个20岁加起来得平均年龄为 第二种办法是统计的办法, 实际情况更有用 就是通过对随机变量X进行一遍又一遍地重复试验, 假设这试验一共做了n次, 而获得了18,19,20这三个年龄的次数分别为n18, n19, n20次, 则将这n次试验所获得的年龄数统统加起来除以n就是统计平均的年龄 定义 1 绝对收敛, 则称这级数为X的数学期望或平均值, 简称期望或均值, 记为E(X), 即 数学期望的意义 例2 例3 解: E(X)=1?0.4+2?0.1+3?0.5=2.1 E(Y)=1?0.1+2?0.6+3?0.3=2.2 这表明, 如果进行多次射击, 他们得分的平均值分别是2.1和2.2, 故乙射手较甲射手的技术好. 例4  因此, E(X)=6?0.7+5.4?0.1+5?0.1+4?0.06+0?0.04 =5.48(元) 例6 P82 设随机变量X服从密度函数为 的柯西分布，求X的数学期望。 解：由于 §2 方差 先看两个例子 则两炮有相同的期望值(E(Xi)=90,i=1,2), 但比较两组数据可知乙炮较甲炮准确. 弹着点集中. 图示比较: 例2 有两批钢筋, 每批各10根, 它们的抗拉强度指标如下: 第一批: 110, 120, 120, 125, 125, 125, 130, 130, 135, 140 第二批: 90, 100, 120, 125, 130, 130, 135, 140, 145 145 它们的平均抗拉强度指标都是126, 但是, 使用钢筋时, 一般要求抗拉强度指标不低于一个指定数值(如115). 那么, 第二批钢筋的抗拉强度指标与平均值偏差较大, 即取值较分散, 不合格的多, 可以认为第二批比第一批质量差. 可见在实际问题中, 仅靠期望值(或平均值)不能完善地说明随机变量的分布特征, 还必须研究其离散程度. 通常人们关心的是随机变量X对期望值E(X)的离散程度. 定义 如果随机变量X的数学期望E(X)存在, 称X-E(X)为随机变量的离差. 显然, 随机变量离差的数学期望是零, 即 E(X-E(X))=0 不论正偏差大还是负偏差大, 同样都是离散程度大, 为了消除离差X-E(X)的符号, 用(X-E(X))2来衡量X与EX的偏差. 定义 方差的性质 (1) 常量的方差等于零 证 D(C)=E(C-E(C))2=E(C-C)2=0 (2) 随机变量与常量之和的方差就等于这个随机变量的方差本身 证 D(X+C) = E(X+C-E(C+X))2 = E(X+C-E(X)-C)2 = E(X-E(X))2 = D(X) (3) 常量与随机变量乘积的方差, 等于这常量的平方与随机变量方差的乘积. 证 D(CX) = E{CX-E(CX)}2 = E{C(X-E(X))}2 = C2E{X-E(X)}2 = C2D(X) 方差的性质 证 D(X+Y)=E{X+Y-E(X+Y)}2 =E{X-E(X)+Y-E(Y)}2 =E{(X-E(X))2+(Y-E(Y))2+2(X-E(X))(Y-E(Y))} =E(X-E(X))2+E(Y-E(Y))2+2E{(X-E(X))(Y-E(Y)} =D(X)+D(Y) 这是因为X与Y独立, 则X-E(X)与Y-E(Y)也独立, 因此 E{(X-E(X))(Y-E(Y))} =E(X-E(X))E(Y-E(Y))=0 方差的性质 即, 若X1,X2,...,XN相互独立, 则有