概论2——8章复习资料.ppt

* * 3.泊松分布(possion distribution) * * 4.超几何分布 * * 5.均匀分布(uniform distribution) 则： * * 6.指数分布(Exponential distribution) * * * * 7.正态分布(Normal distribution) * * 三、随机变量函数的期望 解 例2.19：设随机变量 X 的分布律为 1. 离散型随机变量函数的期望 * * 则有 * * 2. 连续型随机变量函数的数学期望 且 且 * * * * 四、数学期望的性质 * * 五、中位数 定义 注：(1) 任意一个连续型随机变量都有中位数； (2) 离散型随机变量的中位数不一定存在(反例见书62页) ； (3) 当中位数存在时，中位数不一定唯一。 * * 例2.21 设X的分布列为： * * §2.6.2 方差 先从一个例子说起，例如两个学生的各科成绩平均都是80分，其中一个学生的各科成绩都在80分左右摆动，而另一个学生有的学科成绩是100分，有的则不及格。显然，前一个同学的成绩优于后一个同学，这是因为前一个同学得分偏离平均成绩的程度小，比较稳定，而后一个同学得分偏离平均成绩的程度大，不稳定。 问题： 由上可知，随机变量的取值与其均值的偏离程度是描述随机变量某一方面特征的一个很重要的常数。 看成随机变量的可能取值 期望 * * 很自然想到用 一、 方差的定义 实质指的是平均偏离程度 * * 此外， * * * * 二、 常用分布的方差 1.两点分布 2.二项分布 * * * * 3.泊松分布 4.超几何分布 方法同上 * * 5.均匀分布 则 6.指数分布 * * 则： 7.正态分布 服从标准正态分布。 则 * * * * 三、方差的性质 * * * * 四、 随机变量的标准化 设随机变量X的数学期望E(X),方差D(X)均存在，且D(X) 0，定义一个新的随机变量： 则E(X*)=0,D(X*)=1，称X*是随机变量X的标准化。 * * §2.6.3 矩、偏度和峭度 显然，期望E(X)就是一阶原点矩，方差D(X)就是二阶中心矩。 一、矩 X是随机变量，若 * * 例2.23 一般地关于期望对称的分布其奇数阶中心矩为0，换句话说，奇数阶中心矩为0是一个分布为对称分布的必要条件 * * 二、偏度与峰度 在实践中，我们常常希望了解随机变量X的分布是否具有对称性，并取三阶中心矩与X的方差的三次方的比值来刻画。 偏度的绝对值越大，表明偏斜程度越大。所以偏度是描述随机变量分布偏斜方向和偏斜大小的一个数字特征。它是相对于对称型正态分布来说的。 * * 实践中，我们也常常关心分布的陡峭程度，但陡与不陡是相对的。一般以正态分布的陡峭程度作为标准，并取四阶中心矩与σ4之比作为刻画陡峭大小的指标。 * * 峰度的绝对值越大，表明随机变量在尖峭与平坦这一特征上与正态分布的差别越大。所以峰度是描述随机变量分布与正态分布之间陡峭程度差异大小的一个数字特征。 * * 标准正态分布的图形 * * 证明 * * 定理（续） * * 例2.11 证明 证明： * * 例2.12 * * 正态分布有极其广泛的实际背景, 例如测量 误差, 人的身高、体重，正常情况下生产的产品的直径、长度、重量，炮弹的弹落点的分布等, 都服从或近似服从正态分布。可以说，正态分布是自然界和社会现象中最为常见的一种分布, 一个变量如果受到大量微小的、独立的随机因素的影响, 那么这个变量一般都是一个正态随机变量。 * * 标准正态分布的分位数 * * §2.5 随机变量函数的分布 §2.5.1 离散型随机变量函数的分布 * * 例2.13 设X有分布列 求Y,Z的分布列。 * * * * 类似地,可得 * * 例2.14 设随机变量X的密度函数为 解: §2.5.2连续型随机变量函数的分布 Y的分布函数为 思路： * * * * * * 两个一般性的结论 * * * * 例2.15 * * * * 把这变为 ，后面做相应改变。 * * 例2.16 * * §2.6 随机变量的数字特征 §2.6.1 数学期望 数字特征是描述随机变量某一方面特征的常数，例如取值的平均值，取值的分散程度 * * 一、数学期望的概念 算术平均数 加权平均数 * * 我们称 * * “权”的古代含义为秤砣，就是秤上可以滑动以观察质量的那个铁疙瘩。知道了权，就意味着我们能够知道待称物体的重量。 例如：学校算期末成绩，期中考试占30%，期末考试占50%，作业占20%，假如某人期中开始得了84，期末92，作业分91，如果是算数平均，那么就是(84+92+91)/3=89； 如果是加权平均就是84*30%+92*