322随机变量的数字特征.ppt

3.2.2 随机变量的 数字特征 一、数学期望 二、r.v.函数的数学期望 三、方差 * * 分布函数能完整地描述 r.v.的统 计特性, 但实际应用中并不都需要知 道分布函数，而只需知道 r.v.的某些 特征. 判断棉花质量时, 既看纤维的平均长度, 平均长度越长,偏离程度越小, 质量就越好. 又要看 纤维长度与平均长度的偏离程度, 例如： 考察一射手的水平, 既要看他的平均环数是否高, 还要看他弹着点的范围是否小, 即数据的波动是否小. 由上面例子看到，与 r.v. 有关的 某些数值，虽不能完整地描述 r.v.但 能清晰地描述 r.v.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. r.v.的平均取值 —— 数学期望 r.v.取值平均偏离均值的情况 —— 方差 描述两 r.v.间的某种关系的数 —— 协方差与相关系数 随机变量某一方面的概率特性 都可用数字来描写 设 X 为离散 r.v. 其分布为 若无穷级数 其为 X 的数学期望，记作 EX , 即 数学期望的定义 绝对收敛, 则称 设连续 r.v. X 的 d.f. 为 若广义积分 绝对收敛, 则称此积分为 X 的数学期望 记作 EX, 即 数学期望的本质 —— 加权平均 它是一个数不再是 r.v. 期望反映了r.v.取值的平均， 故又称为均值！ 例：X ~ B ( n , p ), 求 E( X ) . 解： 特例 若Y ~ B ( 1 , p ), 则 E(Y) = p 例：X ~ N ( ? , ? 2 ), 求 E ( X ) . 解： 解： 例：设 X ~ 参数为 p 的几何分布，求E ( X ). 常见 r.v. 的数学期望 分布 期望 概率分布 参数为p 的 0-1分布 p B(n,p) np P(?) ? 分布 期望 概率密度 区间(a,b)上的 均匀分布 E(?) N(?,? 2) 设离散 r.v. X 的概率分布为 若无穷级数 绝对收敛，则 随机变量Y = f( X ) 设连续 r.v. 的 d.f. 为p(x) 绝对收敛, 则 若广义积分 随机变量Y = f( X ) 引例： 甲、乙两射手各打了6 发子弹,每发 子弹击中的环数分别为： 甲 10, 7, 9, 8, 10, 6, 乙 8, 7, 10, 9, 8, 8, 问哪一个射手的技术较好？ 解： 首先比较平均环数 甲 = 8.3, 乙 = 8.3 有五个不同数 有 四 个 不 同 数 再比较稳定程度 甲： 乙： 乙比甲技术稳定，故乙技术较好. 进一步比较平均偏离平均值的程度 甲 乙 E [X - E(X)]2 若E [X - E(X)]2 存在, 则称其为随机 称 为 X 的均方差或标准差. 即 D (X ) = E [X - E(X)]2 变量 X 的方差, 记为D (X ) 或 Var (X ) 两者量纲相同 D(X ) —— 描述 r.v. X 的取值偏离平均值 的平均偏离程度 —— 数 方差的定义 若 X 为离散型 r.v.，分布律为 若 X 为连续型r.v. ，概率密度为 f (x) 计算方差的常用公式： 分布 方差 概率分布 参数为p 的 0-1分布 p(1-p) B(n,p) np(1-p) P(?) ? 常见 r.v. 的方差 分布 方差 概率密度 区间(a,b)上 的均匀分布 E(?) N(?,? 2)