概率论基础4.2a.pptxVIP

4.2 方差，相关系数，矩 我们已经介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量的一个重要的数字特征. 但是在一些场合，仅仅知道平均值是不够的.再考察下面两位射手的射击技术?丙射手丁射手击中环数8910概率0.10.80.1击中环数8910概率0.40.20.4甲仪器测量结果较好乙仪器测量结果 例如，某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 测量结果的均值都是 a 若让你就上述结果评价一下两台仪器的优劣，你认为哪台仪器好一些呢？因为乙仪器的测量结果集中在均值附近中心中心乙炮又如,甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图：5 甲炮射击结果乙炮射击结果你认为哪门炮射击效果好一些呢?因为乙炮的弹着点较集中在中心附近 . 为此需要引进另一个数字特征,用它来度量随机变量取值在其中心附近的离散程度.这个数字特征就是我们要介绍的方差设X是一个随机变量，若E[(X-E(X)]2∞，则称D(X)=E[X-E(X)]2 (1)为X的方差. 方差的算术平方根 称为标准差根方差、均方差一、方差的定义 采用平方是为了保证一切差值X-E(X)都起正面的作用 由于它与X具有相同的度量单位，在实际问题中经常使用.D(X)=E[X-E(X)]2 方差刻划了随机变量的取值对于其数学期望的离散程度 .若X的取值比较集中，则方差较小；若X的取值比较分散，则方差较大 .若方差D(X)=0,则r.v X 以概率1取常数值 . 由定义知，方差是随机变量X的函数g(X)=[X-E(X)]2的数学期望 .X为离散型，P(X=xk)=pkX为连续型，X~p(x) 利用期望的线性性质给出计算方差的一个简化公式展开 D(X)=E(X2)-[E(X)]2 证：D(X)=E[X-E(X)]2=E{X2-2XE(X)+[E(X)]2}利用期望性质=E(X2)-2[E(X)]2+[E(X)]2=E(X2)-[E(X)]2请自己用此公式计算常见分布的方差.二项分布B(n, p)：例 泊松分布p(?)：由于例 设r.v X服从几何分布，概率函数为P(X=k)=p(1-p)k-1, k=1,2,…，n其中0p1,求D(X)无穷递缩等比级数求和公式解：记q=1-p求和与求导交换次序+E(X) D(X)=E(X2)-[E(X)]2 方差的性质X1 与X2不一定独立时，D(X1 +X2 )=？请思考 1. 设C是常数,则D(C)=0; 2. 设C是常数,则D(X+C)=D(X); 3. 若C是常数,则D(CX)=C2 D(X); 4. 若X1与X2 独立，则 D(X1+X2)= D(X1)+D(X2);可推广为：若X1,X2,…,Xn相互独立,则 5. 设C是不等于E(X) 的常数,则 D(X) E(X-C)2 ; 这个性质表明数学期望具有一个极值性质： E(X-C)2 中当 C=EX时达到最小。这也说明了DX定义中取C=EX的合理性。 6. D(X)=0P(X= C)=1， 这里C=E(X)P(X= x)下面我们用一例说明方差性质的应用 .若设i=1,2，…，n 则 是n次试验中“成功” 的次数例 二项分布的方差设X~B(n,p), 则X表示n重贝努里试验中的“成功” 次数 . E(Xi)=P(Xi=1)= p,E(Xi2)= p,= p- p2= p(1- p) 故D(Xi)= E(Xi2)-[E(Xi)]2 D(Xi)= E(Xi2)-[E(Xi)]2 = p- p2= p(1- p)i=1,2，…，n由于X1,X2,…,Xn相互独立于是= np(1- p) 设随机变量X有期望E(X)和方差 ，则对于任给0,（注意定义要求方差有限） 由车比晓夫不等式可以看出，若 越小，则事件{|X-E(X)| }的概率越大，即随机变量X集中在期望附近的可能性越大.二、车比晓夫不等式由此可体会方差的概率意义：它刻划了随机变量取值的离散程度.或如图所示当方差已知时，车比晓夫不等式给出了r.v X与它的期望的偏差不小于 的概率的估计式 .如取 可见，对任给的分布，只要期望和方差 存在，则 r.v X取值偏离E(X)超过 3 的概率小于0.111 .车比晓夫不等式的证明所以所求为 P(5200X 9400)例 已知正常男性成人血液中，每一毫升白细胞数平均是7300，均方差是700 . 利用车比晓夫不等式估计每毫升白细胞数在5200~9400之间的概率 .解：设每毫升白细胞数为X依题意，E(X)=7300,D(X)=7002 P(5200X 9400) =P(5200-7300X-7300 9400-7300) = P(-2