概率论基础课件.ppt

多元正态分布的数字特征 大数定律 概率论与数理统计是研究随机现象统计规律性的学科. 随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来. 也就是说，要从随机现象中去寻求必然的法则，应该研究大量随机现象. 第五部分 大数定律和中心极限定理 大数定律以严格的数学形式表达了随机现象最根本的性质之一： 平均结果的稳定性 中心极限定理 自从高斯指出测量误差服从正态分布之后，人们发现，正态分布在自然界中极为常见. 观察表明，如果一个量是由大量相互独立的随机因素的影响所造成，而每一个别因素在总影响中所起的作用不大. 则这种量一般都服从或近似服从正态分布. * 顾名思义，随机变量就是“其值随机会而定”的变量，正如随机事件是“其发生与否随机会而定”的事件．机会表现为试验结果，一个随机试验有许多可能的结果，到底出现哪一个要看机会，即有一 定的概率．最简单的例子如掷骰子，掷出的点数X是一个随机变量，它可以取1，…，6等6个值．到底是哪一个，要等掷了骰子以后才知道．因此又可以说，随机变量就是试验结果的函数．从这一点看，它与通常的函数概念又没有什么不同．把握这个概念的关键之点在于试验前后之分：在试验前我们不能预知它将取何值，这要凭机会，“随机”的意思就在这里，一旦试验后，取值就确定了．比如你在星期一买了—张奖券，到星期五开奖．在开奖之前，你这张奖券中奖的金额X是一个随机变量，其值耍到星期五的“抽奖试验”做过以后才能知道． 明白了这一点就不难举出一大堆随机变量的例子．比如，你在某厂大批产品中随机地抽出100个，其中所含废品数X；一月内某交通路口的事故数X；用天平秤量某物体的重量的误差X；随意在市场上买来一架电视机，其使用寿命X等等，都是随机变量． 若把随机变量X取所有可能值的概率计算出来，列成一个表格，则很容易算出任何一个由X取值落在某一区域表示的事件，如掷骰子，至少掷出1点的概率。 关于随机变量(及向量)的研究，是概率论的中心内容．这是因为，对于一个随机试验，我们所关心的往往是与所研究的特定问题有关的某个或某些量，而这些量就是随机变量．当然，有时我们所关心的是某个或某些特定的随机事件．例如，在特定一群人中，年收入十万元以上的高收入者，及年收入在8000元以下的低收入者，各自的比率如何，这看上去像是两个孤立的事件．可是，若我们引进一个随机变量的X： X＝随机抽出一个人其年收入，则X是我们关心的随机变量．上述两个事件可分别表为X＞10万和X＜0.8万．这就看出：随机事件这个概念实际上是包容在随机变量这个更广的概念之内．也可以说：随机事件是从静态的观点来研究随机现象，而随机变量则是一种动态的观点，一如数学分析中的常量与变量的区分那样．变量概念是高等数学有别于初等数学的基础概念．同样，概率论能从计算一些孤立事件的概念发展为一个更高的理论体系，其基础概念是随机变量． 定义. 设X是连续型随机变量，概率密度函数为f(x), 若积分 绝对收敛，则称X的数学期望存在， 且称积分 为随机变量X的数学期望，记为E(X) 即 数学期望简称期望或均值。 数学期望的性质 定义 设X是随机变量，若E{[X-EX]2}存在，则称E{[X-EX]2}为随机变量X的方差，记为D(X)或Var(X)，即 D(X)=E{[X-EX]2} 称为随机变量X的均方差或标准差。 在实际计算中，通常使用如下公式 即方差是“随机变量平方的期望减去随机变量期望的平方”。 方差的性质： 1、设C是常数，则D(C)=0，且D(X+C)=D(X); 2、设C是常数，X为随机变量，则D(CX)=C2D(X); 3、设X,Y为任意两个随机变量，则有 D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}; 特别地，当X,Y相互独立时，所以 D(X+Y)=D(X)+D(Y) 推论：若随机变量X1, X2,…,Xn相互独立，则 D(X1+X2+…+Xn)=D(X1)+D(X2)+…+D(Xn) 又X,Y相互独立， C1，C2为常数，则 D(C1X+C2Y)= C12 D(X)+C22D(Y) 特别注意： D(X-Y)=D(X)+D(Y) 几个重要分布的数学期望和方差 X~B(1,p)， E(X)=p，D(X)=p(1-p) 二项分布X~B(n,p) 分布律为P(X=k)=Cnkpkqn-k，(p+q=1)，k=0,1,2,…,n， Poisson分布 X~P(λ) 几何分布 X~U[a, b] *每个人拿出一张纸，计算Poisson分布的方差和均匀分布的期望，写上姓名、学号、学院，交上来。 正