概率第13讲.pptVIP

3.6 原点矩、中心矩 3.7 协方差及相关系数 第三章 随机变量的数字特征 第四节 方差和标准差 上一讲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这一讲要介绍的 方差 一、方差的定义 方差的算术平方根 称为标准差 设X是一个随机变量，称 为X的方差. 若X的取值比较分散，则方差较大 . 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 例1 设随机变量X具有(0—1）分布，其分布率为 求D(X) . 解 由公式 因此,0-1分布 例2 解 X的分布率为 上节已算得 因此,泊松分布 例3 解 因此,均匀分布 上节课计算过 D(X)=E(X2)-[E(X)]2 例4 分　　布 参数 数学期望 方差 0-1分布 二项分布 泊松分布 均匀分布 指数分布 几何分布 例5 设X 的密度函数为： 求 :E(X ),D(X ) 解： D(X)=E(X2)-[E(X)]2=1 三、方差的性质 1. 设C 是常数, 则 D(C)=0 ; 2. 若 C 是常数, 则 D(CX)=C2 D(X) ; 证明 证明 证明 3. 设 X 与 Y 是两个随机变量，则 D(X+Y)= D(X)+D(Y)+2[E(XY)-E(X)E(Y] 若 X,Y 相互独立, 由数学期望的性质3得 此性质可以推广到有限多个相互独立的随机变量之和的情况. 例6 设X~B(n,p)，求E(X)和D(X). 则 是n次试验中“成功” 的次数 下面我们举例说明方差性质的应用 . 解 X~B(n,p), “成功” 次数 . 则X表示n重努里试验中的 若设 i=1,2，…，n 于是 i=1,2，…，n 由于X1,X2,…, Xn 相互独立 = np(1- p) E(Xi)= p, D(Xi)= p(1- p) , 例7 已知随机变量X的数学期望为EX ，方差为DX ，设随机变量 证明： 称 为标准化了的随机变量。 证： 定义 计算 一、 原点矩、中心矩的定义 定义 设X是随机变量，若 存在，称它为X的k阶原点矩，简称 k阶矩 存在，称它为X的k阶中心矩 可见，均值 E（X）是X一阶原点矩，方差D（X） 是X的二阶中心矩。 二、 原点矩 中心矩的计算 原点矩 中心矩 相关系数 1、相关系数的定义 2、相关系数计算公式 协方差 1.定义 2.和的方差与协方差的关系 * * * *