第六讲数字特征期望与方差.pptVIP

第四章 数字特征 随机变量的数学期望 随机变量的方差 前面我们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. 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： 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？ 乙仪器测量结果 甲仪器测量结果 较好 测量结果的均值都是 a 因为乙仪器的测量结果集中在均值附近 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： 你认为哪门炮射击效果好一些呢? 甲炮射击结果 乙炮射击结果 乙炮 因为乙炮的弹着点较集中在中心附近 . 中心 中心 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下面要介绍的 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. 方差的算术平方根 称为标准差 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. 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 . 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； D(X)=E[X-E(X)]2 X为离散型， P(X=xk)=pk 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为连续型， X~f(x) 二、计算方差的一个简化公式 D(X)=E(X2)-[E(X)]2 展开 证：D(X)=E[X-E(X)]2 =E{X2-2XE(X)+[E(X)]2} =E(X2)-2[E(X)]2+[E(X)]2 =E(X2)-[E(X)]2 利用期望 性质 请自己用此公式计算常见分布的方差. 例1 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) 解： 记q=1-p 求和与求导 交换次序 无穷递缩等比 级数求和公式 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. 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 我们先介绍随机变量的数学期望. 在这些数字特征中，最常用的是 期望和方差 一、离散型随机变量的数学期望 1、概念的引入： 某车间对工人的生产情况进行考察. 车工小张每天生产的废品数X是一个随机变量. 如何定义X的平均值呢？ 若统计100天, 例1 某车间对工人的生产情况进行考察. 车工小张每天生产的废品数X是一个随机变量. 如何定义X的平均值呢？ 32天没有出废品; 30天每天出一件废品; 17天每天出两件废品; 21天每天出三件废品; 可以得到这100天中 每天的平均废品数为 这个数能否作为 X的平均值呢？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27. n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到n天中每天的平均废品数为 (假定小张每天至多出三件废品) 一般来说,若统计n天, 这是 以频率为权的加权平均 由频率和概率的关系 不难想到，在求废品数X 的平均值时，用概率代替 频率，得平均值为 这是 以概率为权的加权平均 这样得到一个确定的数. 我们就用这个数作为随机变量X的平均值 . 这样做是否合理呢？ 则对X作一系列观察(试验)，所得X的试验值的平均值也是随机的. 由此引入离散型r.vX的数学期望的定义如下: 对于一个随机变量，若它可能取的值是X1,X2, …, 相应的概率为 p1,p2, …, 但是，如果试验次数很大，出现Xk的频率会