第四章 数字特征1932最全版.pptVIP

例4.1.7 射击教练将从他的如下两名队员中选择 一人去参加比赛，应该是甲还是丙更合适？ 成绩(环数) 8 9 10 甲的概率 0.1 0.3 0.6 丙的概率 0.2 0.1 0.7 解. 这里甲、丙两人的平均成绩都是 E X = E Y = 9.5 需要比较方差，简单计算后可以得到： D X = 0.45 ，D Y = 0.65 因此应该选择甲队员去参加比赛。 □ * KUHKUK 练习4.1.8 续例4.1.1 ，甲乙射击技术如下： 需要利用分布律计算两个概率： P ( X ＞ Y ) ，以及 P ( Y ＞ X ) 。 X 概率 8 9 10 0.3 0.1 0.6 Y 概率 8 9 10 0.2 0.5 0.3 已经知道平均来说，甲的成绩比乙好。 如果只射击一次，谁的成绩可能更好一些 ？ * KUHKUK 四. 方差的基本性质 与数学期望的性质比较： E ( a + bX ) = a + b E (X) 平移改变随机变量的期望，但不会改变方差 1. 随机变量线性变换的方差公式 即，设 a、b 是两个常数，则有： D ( a + bX ) = b2 D X ； * KUHKUK 随机变量的中心标准化 思考 正态分布有一个形式上相近的性质，如果 X ~ N ( ?,? 2 ) ，则 (X – ? )/? ~ N (0,1) 假设 X 的期望 ? ，方差 ? 2 都存在，则 Y = ——— 称为是 X 的中心标准化。 “中心标准化” 即是通过线性变换把一个 随机变量的期望转化为 0 ，方差转化为 1 。 X – ? ? * KUHKUK 2. 独立随机变量和的方差等于方差的和 如果 X1、X2、…、Xn 相互独立 ，则有： D (X1 + X2 + … + Xn ) = D X1 + D X2 + … + D Xn 与数学期望的性质比较： 任意随机变量和的期望等于期望的和 ； 独立随机变量乘积的期望等于期望的乘积 3. 任意两个随机变量和的方差公式 D (X + Y ) = D X + D Y + 2E [(X – E X)(Y – E Y)] * KUHKUK 例4.1.9 计算二项分布 B (n,p) 的期望与方差 □ 解. 如果按照定义，则需要计算 E X = ∑kn=0 [ k×Cnk pk qn – k] D X = ∑kn=0 [ (k – E X )2×Cnk pk qn – k] 注意到二项分布可以分解成两点分布的和： 如果 X ~ B (n,p) ，则 X = X1 + X2 +…+ Xn ，这里 每个 Xi 独立同分布于参数 p 的两点分布。 显然有 E X1 = p ，D X1 = pq ( q = 1 – p ) 因此二项分布的期望与方差是 E X = np ，D X1 = npq 。 * KUHKUK 五. 切比雪夫 (Chebyshev) 不等式 切比雪夫不等式说明，对任意的随机变量 X ， 它在期望附近取值的概率有一个下界。 如果 X 的期望 ? ，方差 ? 2 都存在，则 对于任意的一个实数 ? ＞ 0 ，有： P { | X – ? | ≥ ? } ≤ —— ； 或者等价地， P { | X – ? | ≤ ? } ≥ 1 – —— 。 ? 2 ? 2 ? 2 ? 2 * KUHKUK 1. 切比雪夫不等式的精确度 在不等式中分别取 ? = ? ，2? ，3? P { | X – ? | ≤ ? } ≥ 0 P { | X – ? | ≤ 2? } ≥ 0.75 P { | X – ? | ≤ 3? } ≥ 0.8889 如果 X ~ N