[理学]42 方差.ppt

2、方差的性质 4.3几个重要分布的数学期望和方差 2、二项分布X~B(n,p) 3、Poisson分布 4、几何分布 5、均匀分布 6、指数分布 * 4.2 方差 1、方差的定义 例4.13 甲乙两部机床生产同一种机轴，轴的直径为10mm，公差为0.2mm，即直径在9.8mm到10.2mm的为合格品，超出范围的均为废品。现从甲乙两机床的产品中各随机地抽取6件进行测试，机轴的直径的测试尺寸如下：(mm) 甲 9.8 9.9 10.0 10.0 10.1 10.2 乙 9.0 9.2 9.4 10.6 10.8 11 易知，但两组的质量显然差异很大，甲组全为 合格品，乙组全为废品。 为衡量一个随机变量X关于均值的离散程度，可用|X-EX|的均值来表示，称为X的绝对离差，用E|X-EX|记，这在实际统计中有一定的作用。但由于绝对值得均值不易计算，常用随机变量与均值差的平方的均值来描述离散程度。 定义4.2.1 设X是随机变量，若E{[X-EX]2}存在，则称E{[X-EX]2}为随机变量X的方差，记为D(X) ，即 D(X)=E{[X-EX]2} 在应用上，常用与随机变量X具有相同量纲的量. 称为随机变量X的均方差或标准差。 方差是衡量随机变量取值波动程度的一个数字特征。 由方差的定义可知，D(X)≥0。 (1)当X为离散型随机变量时，且分布律为P(X=xk)=pk，则 (2)当X为连续型随机变量时，且密度函数 为f(x)，则 方差的常用计算式 (实数) 即方差是“随机变量平方的期望减去随机变量期望的平方”。 例4.13 已知随机变量X的分布律如下， 求D(X)。 8/16 2/16 3/16 2/16 1/16 Pk 2 1 0 -1 -2 X 解: 数学期望E(X)=7/8， 例4.14 设随机变量 求D(X). 解 (1)、设C是常数，则D(C)=0，且D(X+C)=D(X); (2)、设C是常数，X为随机变量，则 D(aX+ b)=a2D(X); 证明 (3)、设X,Y为任意两个随机变量，则有 D(X+Y)=D(X)+D(Y) +2E{[X-E(X)][Y-E(Y)]}; 证明: 由方差定义可得 D(X+Y)=E{[(X+Y)-E(X+Y)]2} =E{[(X-E(X))+(Y-E(Y))]2} =E{[X-E(X)]2}+E{[Y-E(Y)]2} +2E{[X-E(X)][Y-E(Y)]} = D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]} 特别地，当X,Y相互独立时， E(XY)=E(X)E(Y) 由于 E{[X-E(X)][Y-E(Y)]} =E[XY- XE(Y)- YE(X)+E(X)E(Y)] =E(XY)-E(X)E(Y)-E(X)E(Y)+E(X)E(Y) =E(XY)-E(X)E(Y)=0， 所以 D(X+Y)=D(X)+D(Y) 特别注意： D(X-Y)=D(X)+D(Y) 推论1：若随机变量X1, X2,…,Xn 相互独立，则 D(X1+X2+…+Xn)=D(X1)+D(X2)+…+D(Xn) （4）、若X,Y相互独立， C1，C2为常数，由性质2，则 D( C1 X+ C2 Y)= C12 D(X)+ C22 D(Y) 推论：设Xi(i=1,2,…,n) 是相互独立的n个随机变量，ci (i=1,2,…,n) 是n个常数，则 (5)、D(X)=0的充分必要条件是X以概率1为常数，即 P(X=C)=1 (事实上C=EX) 1、0—1分布，X~B(1 , p)， E(X2)=12×p+02×(1-p)=p D(X)= E(X2)-(E(X))2=p-p2=pq=p(1-p) 1-p p P 0 1 X 分布律为P(X=k)=Cnkpkqn-k，(p+q=1)，k=0,1,2,…,n，E(X)=np, 随机变量函数的数学期望 方法二：若将X看成若干个相互独立的0—1分布变量之和，在n重Bernoulli试验中，A发生的概率为p，不发生的概率为q=1-p。 则A发生的次数 Xi~B(1 , p) X~P(λ)， X~U[a, b] 7、?分布 随机变量的标准化 设随机变量X的数学期望E(X),方差D(X) 均存在，且D(X) 0，定义一个新的随机 变量 则 EX*=0