[理学]概率统计第二章.ppt

第二章 随机变量的分布与数字特征 离散型随机变量   *泊松分布一般刻划稀有事件出现的概率 Poisson分布更多地专用于研究单位时间、单位人群、单位空间内，某罕见事件发生次数的分布。理论上单位时间或单位空间内的发生数可为无穷大。 1)在单位时间内来到电话交换局的电话呼唤次数 2)在单位时间内来到某一路边话亭打电话的人数 3)在单位时间内来到某一公共汽车站的乘客人数 4)在单位时间内来到某一机场降落的飞机数 5)在单位时间内某一母鸡下蛋的个数 6)在单位时间内盖革-米勒计数器测到的粒子数 7)在单位时间内来到某商店的顾客人数 8)在单位时间内来到某商店某柜台的顾客人数 9)纺织厂生产的一批布上疵点的个数 Poisson分布发展成为描述小概率事件出现规律性的一种重要的离散型分布。 背景 前面我们介绍了随机变量的分布函数，分布函数全面地刻画了随机变量的全部概率性质。但在实际问题中，我们往往只需要了解随机变量的主要特点，并不要求知道整个分布的所有细节。 2.2 随机变量的数字特征 一、离散型随机变量的数学期望 二、常见分布的数学期望 例4 假设你的阿姨是一所大学的人事处处长，她答应提供你一份暑期工作，但现在还不能肯定能提供的确切职位，她给出了下列估计： 二、连续型随机变量的数学期望 解：由于均匀分布的概率密度函数为 解：由于正态分布的概率密度函数为 因此，顾客平均等待5分钟就可得到服务。 注：数学期望不一定存在。 注：数学期望不一定存在。 三 随机变量函数的数学期望 下面的定理给出了肯定的答案。  设随机变量 的分布已知， 如何计算 的某个函数 的数学期望呢？ 一种方法： 也是随机变量，它的分布可以由已知的 的分布求出来，从而按照期望定义计算出 是否可以不先求出 的分布而只根据 的分布求出 呢？ （1）若 为离散型随机变量，其概率分布为 且 绝对收敛，则 定理1 设 为随机变量 的函数 ，这里 为连续的实值函数， （2）若 为连续型随机变量，其密度函数为 且 绝对收敛，则 例8 设离散型随机变量X 的分布列为 X -1 0 2 3 试计算： 和 。 解： 已知 X 的概率密度为 例9 已知 X 服从 上的均匀分布，计算 的数学期望。 解 则所求 的数学期望为： 四、数学期望的性质 如果 X、Y 是两个随机变量，C 为任意常 数，且 都存在，则数学期望有以 下四条常见的性质。 中心 中心 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 乙较好 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. 方差 方 差 容易算得，二人击中环数的平均值都是8.8环，现问，甲、乙二人哪一个水平发挥的更稳定？ 甲 9 8 10 8 9 8 8 9 10 9 乙 6 7 9 10 10 9 10 8 9 10 直观的理解，二选手中哪一个击中的环 数偏离平均值越少，这个选手发挥的更稳定 假设甲乙两射手各发十枪，击中目标靶的 环数分别为 一些。为此我们利用二人每枪击中的环数距 平均值的偏差的均值来比较。为了防止偏差 和的计算中出现正、负偏差相抵的情况，应 由偏差的绝对值之和求平均更合适。 对于甲选手，偏差绝对值之和为： 对乙选手，容易算得偏差绝对值之和为 10.8 环，所以甲、乙二人平均每枪偏离平均值为 0.64 环和 1.08 环，因而可以说，甲选手水平 发挥更稳定些。 类似的，为了避免运算式中出现绝对值 符号。我们也可以采用偏差平方的平均值进行比较。 为此我们引入以下定义： 定义 对随机变量 X ，如果数学期望 存在，且 的数学期望也 存在 ，则称 的值为随机变量 X 的方差，记为 由前面的例