(精选)数据、模型与决策 第十三章 随机变量的数字特征课件.pptVIP

第十三章 随机变量的数字特征 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 学习目的 掌握离散型随机变量和连续型随机变量的数学期望及其性质。 理解随机变量函数的数学期望；掌握方差的基本概念和性质；掌握协方差与相关系数的概念与具体应用；理解并能运用大数定律与中心极限定理。 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 第十三章 随机变量的数字特征 13.1 数学期望及性质 13.2 方差与协方差及性质 13.3 大数定律与中心极限定理 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 13.1 数学期望及性质 离散型随机变量的数学期望 定义 设离散型随机变量 的分布律如表所示。 如果级数 绝对收敛，则称级数的和为随机变量 的数学期望或均值，记为 。 X x1 x2 … xk … P p1 P2 … pk … 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 某大型设备生产商已有两份意向定货合同，分析如表所示。 卖出一件可盈利20万，否则下一年卖出，但考虑到资金成本及库存，将亏损2万。 问：按几件组织生产？ ξ 1 2 3 ··· p 0.1 0.7 0.2 ··· 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 连续型随机变量的数学期望 定义 设连续型随机变量X的分布密度函数为f(x), 当积分 绝对收敛时，通常称它的极限为X的数学期望(或均值)，记为E(X)。即E(X) = 若积分不绝对收敛，则称X的数学期望不存在。 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 如果随机变量X服从参数 0的指数分布，则E(X) = 。 如果随机变量 ，则E(X)=μ。 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 数学期望的性质 性质1：设C是常数，则E（C）= C。 性质2：设C是常数，E（CX）= C·E（X）。 性质3: X1，X2是随机变量，则 E（X1+ X2）=E(X1)+E(X2) 这个性质可以推广到有限个随机变量的情况；如果X1，X2，… Xn是随机变量，则有： E（X1+X2+…+Xn）=E(X1)+E(X2)+…+E(Xn) 性质4: 如果随机变量X，Y相互独立，则： E（XY）= E(X)E(Y) 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 随机变量函数的数学期望 定理 如果X是离散型随机变量，f(x)是连续函数，X的分布规律如前表13-2所示，且级数 绝对收敛，则 E[f(X)]= 如果X是连续型随机变量，f(x)是连续函数，X的密度函数为p(x)，且广义积分 绝对收敛，则： E[f(X)]= 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 设市场对某种商品的需求量为随机变量X（单位：吨），它服从[2000，4000]上的均匀分布。若售出这种商品1吨，可获利3万元；但若销售不出去，则每吨需付仓储费1万元，问应组织多少货源才能使收益的数学期望最大？ 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 第十三章 随机变量的数字特征 13.1 数学期望及性质 13.2 方差与协方差及性质 13.3 大数定律与中心极限定理 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 13.2 方差与协方差及性质 13.2.1 方差的概念 13.2.2 方差的性质 13.2.3 协方差与相关系数 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 13.2.1 方差的概念 对于随机变量，除了考虑它的数学期望外，还需要知道随机变量取值与数学期望的离散程度，这个离散程度可以用X偏离E（X）的大小的平方的平均值来度量，这就是方差。 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 定义 设X是随机变量，若 存在，则称它为随机变量的方差，并记为D(X)，即（见式13-5）： (13-5) 称 为X的均方差或标准差。 第十三章 随机变量的数字特征 数据、模型与决策 (第二版) 分布名称 分布律或密度函数 数学期望 方差 0-1分布 B(1,p) p pq 二项分布 B(n,p) np npq 普阿松分布 均匀分布 U[a,b] (a+b)/2 (b-a)2/12 指数分布 正态分布 第十三章 随机变量的数