第4章 节 随机变量的数字特征 概率论课件.ppt

第4章 随机变量数字特征; 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.; ;§4.1 一维随机变量的数字特征;由于打出环数的概率不同，所以不是1到10的算术平均.; 解 甲的平均环数; 例２ X~B(n,p)，求E[X]。; 例３ 若X服从泊松分布P(λ)，试求E[X]。;几何分布的期望;例5 设想这样一种博彩游戏，博彩者将本金1元压注在1到6的某个数字上，然后掷三颗骰子，若所压的数字出现i次（i=1，2，3），则下注者赢i元，否则没收1元本金，试问这样的游戏规则对下注者是否有利? ;X的分布列为; 由于平均赢利小于0，故这一游戏规则对下注者是不利的。;离散型随机变量函数的数学期望; 例6 设X的分布律为;;数学期望在医学上的一个应用; 化验次数X的可能取值为1，11;二、连续型随机变量的数学期望; 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可以用xi来近似代替.;定义 若连续型随机变量X有概率密度函数f(x)，并且积分 收敛，则称积分 为X的数学期望，记为E[X]，即; 例7 设X服从均匀分布，其分布密度为;例8;例9; 设X服从柯西分布，即有密度函数 证明X不存在数学期望。;连续型随机变量函数的数学期望; 例11;数学期望的性质;(3); 注：这些性质可以推广到多个随机变量上。; 例12 在n次重复独立试验中，每次成功的概率为p。设Xi 表示第i次试验成功的次数，则Xi有分布律;此外，我们可以推导出 η~B(n,p); ; 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：;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：; 由此可见,研究随机变量与其均值的偏离程度是十分必要的.那么,用怎样的量去度量这个偏离程度呢?容易看到;定义;1、对于离散型随机变量X，若有分布律p(xi)，则;由数学期望的性质，可导出计算方差的另一个公式：;方差的计算步骤;例1; 于是;例2 设X～P(λ)，试求Var[X]。;几何分布的方差;例4 证明事件在一次试验中发生次数的方差不超过1/4。 ;例5 设随机变量X服从[a，b]上的均匀分布，求Var[X]。 ;例6;例7 设随机变量X服从参数??λ的指数分布，求Var[X]。;方差的性质;（3）;（4）;性质4可以推广到如下情形:;（5）;在n次重复独立试验中，每次成功的概率为p。设Xi 表示第i次试验成功的次数，则Xi服从参数为p的（0－1）分布。求X1+X2 + …+Xn 的方差。;分布名称;数学期望的性质;方差的性质;例如,;4.1.3 随机变量的矩;显然： E[X]是一阶原点矩, Var[X]是2阶中心矩。;偏度系数;峰度系数;;例;§4.2 随机向量的数字特征; (2) 设二维连续型随机向量(X,Y)的密度函数为f(x,y),而g 为定义在二维平面上的实值函数，如果 ;特别有;例;二维随机向量(X,Y)，其协方差定义为;;;定理1;2);Var[X+Y]= Var[X]+Var[Y]+ 2Cov(X,Y);二、相关系数;相关系数的性质：;Cov(X,Y)=0，; ;若 Y 与 X 无线性关系;;但对下述情形，独立与不相关等价;例;解：;4.2.3 条件数学期望;连续型随机变量的条件数学期望;条件期望的性质;(4);例;例:;补充：; 已知ξ1 ,ξ2相互独立，均服从正态分布N(0,σ2),η1＝aξ1＋bξ2，η2＝aξ1－bξ2，其中a，b是常数。 （1）求η1，η2的相关系数; （2）问η1，η2是否相关，是否独立; （3）当η1，η2独立时，求(η1，η2)的联合密度函数。 ;解：;（2）因为η1，η2都是正态分布随机变量，所以不相关与独立是等价的。 故 当|a|=|b|时，r=0，η1,η2相互独立， 当|a|≠|b|时，r≠0，η1,η2是不独立的。;(3)当η1，η2相互独立时，即a 2 =b 2 时，η 1 ～N（0，2a2σ2 ），即 ;例;解：;结 果; 设去第i个公司应聘的收益为ξi，(i=1,2,3）。当用期望值准则对第一次面试作决策时就碰到了困难，因为假设第一次面试落聘，但有可能在以后的面试中会获得职位，因而这个结果（落聘）是带有不确定性的。这几乎是复杂决策问题的共同特征:在将来的决策做出之前，当前决策的结果是不能估算的，有一种避开这个困难的方法，那就是先分析未来