天津大学概率论课件4.1.pptVIP

* * * * * * * * * * * * * * * 证 (仅对(X,Y)为连续型随机变量证明性质3,4) 设(X,Y)的概率密度为f（x,y），其边缘概率密度分别为 fX（x,y）， fY（x,y），则 又若X与Y相互独立，则 解:设 则 由题意 [注] 这种引进新的随机变量，将原随机变量分解成有限个随机变量之和,再求数字特征的方法具有一定的普遍意义.称为随机变量的分解法（P114） 例10 一民航机场的送客车，载有20名乘客自机场开出，旅客 有10个车站可以下车，如到达一站没旅客下车就不停车．假 设每位旅客在各站下车是等可能的，且旅客之间在哪一站下 车相互独立．以X表示停车次数，求E(X)． 解 引入随机变量 则 解 由于X与Y相互独立，则 与 也相互独立， 例11 设X,Y相互独立, 分别服从参数为?, ?的指数分布 试求 性质 4 的逆命题不成立，即 若E (X Y ) = E (X )E (Y )，X ,Y 不一定独立 反例 1 X Y pij -1 0 1 -1 0 1 0 p? j pi? 附 X Y P -1 0 1 但 作 业 第113-115 第四章习题 2； 5； 7； 8； 9(1)； 11； 15 * * * * * * * * * * * * * * * * * * 第四章 随机变量的数字特征 第一节 数学期望 第二节 方差 第三节 协方差及相关系数 第四节 矩、协方差矩阵 §4.1 数学期望 一、数学期望 二、随机变量的函数的数学期望 三、数学期望的性质 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 随机变量有关的某些数字特征，虽然不能完整地描述随机变量但能清晰地描述随机变量在某些方面的重要特征， 在这些数字特征中，最常用的是 1.随机变量的平均取值 —— 数学期望 2.随机变量的取值偏离平均值的程度—— 方差 3.描述两个随机变量之间的线性相关程度 —— 协方差与相关系数 一.数学期望 例1 设某班40名学生的概率统计成绩及得分人数如下表所示： 分数 40 60 70 80 90 100 人数 1 6 9 15 7 2 则学生的平均成绩是总分÷总人数(分)。即 1.数学期望的概念 数学期望——描述随机变量取值的平均特征 * * 1. 离散型随机变量的数学期望 例1 设甲、乙两射手在同样条件下进行射击，其命中环数是一 随机变量，分别记为X、Y，并具有如下分布律 X 10 9 8 7 Y 10 9 8 7 Pk 0.6 0.1 0.2 0.1 Pk 0.4 0.3 0.1 0.2 试问甲、乙两射手的射击水平哪个较高？ 解 由此可见，射手甲的射击水平略高与射手乙的射击水平。 （环） 关于定义的几点说明 (1) E(X)是一个实数,而非变量,它是一种加权平均,与一般的平均值不同 , 它从本质上体现了随机变量 X 取可能值的真正的平均值, 也称均值. (2) 级数的绝对收敛性保证了级数和不随级数中各项次序的改变而改变 , 之所以这样要求是因为数学期望是反映随机变量X 取可能值的平均值,它不应随可能值的排列次序而改变. (3) 数学期望 完全由随机变量 的概率分布所确定.若 服从某一分布也称 是这一分布的数学期望. 例2　商店的销售策略 解 例3 设X~P(?), 求 E(X). 解 X的分布律为 E(X)=? 例13. 设某种疾病的发病率为1%，在1000个人中普查这种疾病,为此要化验每个人的血.方法是，每100个人一组,把从100个人抽来的血混在一起化验，如果混合血样呈阴性，则通过；如果混合血样呈阳性，则再分别化验该组每个