第3章随机变量数字特征之方差 概率论.pptVIP

复习 2.方差 (Variance 或 Dispersion) 注: 3. 方差的计算 例1. 设随机变量X的分布列为 (2)利用方差公式 例1(续). 设随机变量X的分布列为 例2.若X～B(n, p), 求方差D(X). 例3. 若 例4.若X～U (a, b), 求D(X). 例5. 若 指数分布 二、方差的性质 例.已知随机变量X的数学期望E(X)与 例.设 X1, X2 相互独立， 第三节 原点矩与中心矩第四节 协方差与相关系数 一、原点矩与中心矩 二、协方差和相关系数 协方差的简便计算方法： X与Y不相关 cov(X,Y)=0. 2. 相关系数 第五节  切比雪夫不等式与大数定律 切比雪夫不等式 证： 注 (1)切比雪夫不等式的用途： 例. 1. 切比雪夫定理 切比雪夫定理解释： 2. 伯努利定理 内容小结 (4) 对于任意实数C∈R，有 3.熟悉一些常见分布的方差 4. 方差的计算方法 作业 （由切比雪夫不等式） 则对于任意的正数 定理： 设独立随机变量序列X1, X2, … , X n ,… 的数学期望 E(X1), E(X2), … , E(X n), …, D(X1), D(X2), … , D(X n), …都存在， 与方差 并且方差是 一致有上界的, 即存在常数C, 使得 D (Xi) ≤C, i=1,2,…,n,… 有 方差都存在， 若独立序列X1, X2, … , X n ,…的数学期望和 并且方差是一致有上界的, 则 n充分大时, 算术平均 紧密地集中在 其数学期望 的附近. 定理： 在独立试验序列中，设事件Ａ的概率 P(A)=p, 则对于任意的正数 有 伯努利定理解释： 当试验独立重复进行多次时，随机事件A的 频率f n(A)将稳定在事件A的概率的附近. 1. 理解方差的定义： 2. 熟悉方差的性质: (5) 若E(X) 与 D(X) 存在， 对于任意的正数 E ( X-C )2≥D( X ) 当且仅当C = E(X)时, E ( X-C )2取得最小值D(X). 有 上节介绍了随机变量的数学期望，它反映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. 五条性质: §2 方差 上节的例1 甲班有30名学生，他们的数学考试成绩(按五级 记分)如右表所示, 2 5 10 8 5 人数 1 2 3 4 5 成绩 0 0 14 6 0 人数 1 2 3 4 5 成绩 乙班 则该班的平均成绩也是 你认为两个班的成绩一样吗? 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要介绍的 数学期望体现的是随机变量取值的平均水平,是随机变量的一个 重要数字特征. 则该班的平均成绩 定义. 设X是一随机变量， 则称E[X-E(X)]2称为X的方差, 记作D(X) 即 方差的算术平方根 称为 X 的标准差， 记作 即 若E[X－E(X)]2存在， (2) 方差D(X) 用来体现随机变量X取值分散的程度, 反映了X偏离其数学期望E(X)的程度. (3) 如果D(X)值越大(小)， 表示X取值越分散(集中), 以E(X)作为随机变量X的代表性越差（好）. ≥0 ; (1) 由定义知，D(X)=E[X-E(X)]2 (1)利用随机变量函数的数学期望公式 离散随机变量的方差 连续随机变量的方差 P X -1 0 1 2 0.1 0. 1 0.5 0.3 解： 求 =0.8 且E(X2) 也存在, 则 证明: 定理：设随机变量X的数学期望E(X)存在， P X -1 0 1 2 0.1 0. 1 0.5 0.3 求 P X2 1 0 1 4 0.1 0. 1 0.5 0.3 P X2 1 0 4 0.6 0. 1 0.3