引例 甲、乙两射手各打了10发子弹,每发子弹 击中的环数分.ppt

* 　　引例　甲、乙两射手各打了10发子弹，每发子弹 击中的环数分别为： 问哪一个射手的技术较好？ 解　首先比较平均环数 甲 = 8.4， 乙 = 8.4 §3.2 方差 有六个不同数据 仅 有 四 个 不 同 数 据 再比较稳定程度 甲　 乙　 乙比甲技术稳定． 进一步比较平均偏离平均值的程度 甲： 乙： 　　定义　若E((X - E(X))2)存在，则称其为随机变量X的方差，记为D(X )．D (X ) = E((X - E(X))2)称 为X 的均方差. 方差的概念 　　(X - E(X))2——随机变量X 的取值偏离平均值的情况，是X的函数，也是随机变量． 　　E(X - E(X))2——随机变量X的取值偏离平均值的平均偏离程度——数． 若 X 为离散型 r.v.，概率分布为： 若 X 为连续型，概率密度为f (x)． 常用的计算方差的公式： D (C) = 0 D (aX ) = a2D(X) D (aX + b ) = a2D(X) 特别地，若X ，Y 相互独立，则 方差的性质 若 相互独立， 为常数，则 若X ，Y 独立 　　对任意常数C，D (X ) ? E(X – C)2 ，当且仅当C = E(X )时等号成立． D (X ) = 0 P (X = E(X))=1 称为X 依概率 1等于 性质 1 的证明 性质 2 的证明 常数E(X)． 性质3的证明 当X，Y相互独立时， 注意到 性质 4 的证明： 当C = E(X )时，显然等号成立； 当C ? E(X )时， 例1　设X ~ P (?)，求D ( X )． 解 方差的计算 例2　设X ~ B( n，p)，求D(X )． 解一　仿照上例求D (X )． 解二　引入随机变量 相互独立， 故 　　例3　设X ~ N ( ?，? 2)，求D( X )． 解 常见随机变量的方差 分布 方差 概率分布 参数为p 的 0-1分布 p(1-p) B(n，p) np(1-p) P(?) ? 分布 方差 概率密度 区间(a，b)上的均匀分布 E(?) N(?，? 2) 　　例4　已知X ，Y 相互独立，且都服从N (0，0.5)，求E( | X – Y | )． 解 故 　　例5　设X 表示独立射击直到击中目标 n 次为止所需射击的次数，已知每次射击中靶的概率为 p ，求E(X )，D(X )． 　　解 令X i 表示击中目标 i - 1 次后到第 i 次击中目标所需射击的次数，i = 1，2，…， n． 相互独立，且 故 标准化随机变量 　　设随机变量 X 的期望E(X )、方差D(X )都存在， 且D(X ) ? 0，则称 为 X 的标准化随机变量．显然， 　　仅知随机变量的期望与方差并不能确定其分布． 　　例6 P -1 0 1 0.1 0.8 0.1 P -2 0 2 0.025 0.95 0.025 与 它们有相 同的期望、 方差； 但是分布 却不同． 解 　　但若已知分布的类型，及期望和方差，常能确定分布. 　　例7　已知 X 服从正态分布，E(X ) = 1.7，D(X ) = 3，Y = 1 – 2 X ，求 Y 的密度函数． 解 例8　已知 X 的密度函数为： 其中 A ,B 是常数，且 E (X ) = 0.5． 求 A ,B； 设 Y = X 2，求 E (Y )，D (Y )． 解　(1) (2) 　　例9　将编号分别为 1 ~ n 的 n 个球随机地放入编号分别为 1 ~ n 的 n 只盒子中，每盒一球．若球的号码与盒子的号码一致，则称为一个配对．求配对个数 X 的期望与方差． 解 则 不相互独立． 但 P 1 0 P 1 0 P 1 0 矩 1. K阶原点矩　Ak=E(Xk)，k=1，2，… 而E(|X|k)称为X的K阶绝对原点矩； 2. K阶中心矩　Bk=E[X-E(X)]k，k=1，2，… 而E|X-E(X)|k称为X的K阶绝对中心矩； 3. K+l阶混合原点矩 E(Xk Yl)，k，l=0，1，2，…； 4. K+l阶混合中心矩 E{[X?E(X)]k[Y?E(Y)]l}，k，l=0，1，2，… 几个重要不等式 　　在概率论中，有些不等式对概率论的理论与应用起着很重要的作用． 马尔科夫不等式 　　设非负随机变量X的数学期望存在，则对任意正数?，有 　　证明　设X为连续型随机变量，密度函数为f(x)，则对任意正数?，有 　　推论1　设r.v.X的k阶绝对原点矩存在，则对任意??0，有 　　证明　因