随机变量的数字特征推荐.ppt

* 《医药数理统计方法》 §3.1 Ch3 随机变量的数字特征 分布函数能够全面地反映一个随机变量的统计规律，但在一些实际问题中，只需知道随机变量的一个或几个分布特征即能解决问题。例如: 1)评定某企业的经营能力时，只要知道该企业人均赢利水平； 2)测量某药物主要成分的含量，只需知道这些测量数值的平均值和测量结果的精确程度； 《医药数理统计方法》 §3.1 3)考察一射手的水平，既要看他的平均环数是否高，还要看他弹着点范围是否小，即数据波动是否小. 由 从上面例子看到，与随机变量有关的某些数值，虽不能完整地描述随机变量，但它们都是随机变量概率性质的表现，能清晰地描述随机变量在某些方面的重要特征, 这些数字特征在理论和实践上都具有重要意义。 表示随机变量分布特征的数量指标称为随机变量的数字特征。 《医药数理统计方法》 §3.1 常用的数字特征有二类： 1)位置参数 表示随机变量分布的集中程度、平均水平。如：数学期望、中位数、众数等。 2)变异参数 表示随机变量分布的离散程度、变异大小。如：方差、变异系数、协方差等。 《医药数理统计方法》 §3.1 §3.1 数学期望 一、离散型随机变量的数学期望 二、连续型随机变量的数学期望 三、数学期望的性质 四、随机变量函数的数学期望 《医药数理统计方法》 §3.1 一、离散型随机变量的数学期望 … … nk n2 n1 频数 xk x2 x1 X 平均数 pk … p2 p1 概率 例（改）: 某药厂一车间生产某种片剂药品，检验员每天随机地抽取相同的片数来检验，查出的不合格品数X为一个随机变量。 《医药数理统计方法》 §3.1 定义3.1 设离散型随机变量X的概率函数为 若级数 绝对收敛，则称该级数为随机 变量X的数学期望(mathematical expectation) 或总体均数，也简称为均值或均数，记为E(X)， 即 《医药数理统计方法》 §3.1 注：1)若级数 发散，则称X的数学期望不存在。 2)由P76 辛钦大数定律知，当n充分大时，算术平均数必然接近总体均数（或数学期望）。这个事实说明，数学期望E(X)是一个描述随机变量“平均数(值)”或取值“中心”的数字特征。 《医药数理统计方法》 §3.1 例3.1 设离散型随机变量X的概率函数为 0.4 1 0.3 0.2 0.1 P 2 0 -1 X 试求E(X)。 解： 《医药数理统计方法》 §3.1 例3.3 (最佳普查方案)在共有N个人群中，普查这种疾病，若逐个验血就需作N次检验，现问能否用概率的思想方法来减少检验的工作量？ 解：1)先把受验者分组。设每组有k个人，把这k个人的血液混合在一起进行检验，若检验的结果是阴性，则说明这k个人的血液全部都是阴性，因而这k个人只需检验一次就够了，即平均每人检验了1/k次；若检验的结果为阳性，则再对这k个人逐个检验，此时，对这k个人共做了k+1次检验，平均每人检验了 (k+1)/k次。 《医药数理统计方法》 §3.1 2)假设此种疾病的发病率p很小，并