三章随机变量的数字特征.pptVIP

第三章 随机变量的数字特征;3.1数学期望一.数学期望的定义; 定义 1. 若X~P{X=xk}=pk, k=1,2,…n, 则称;例2 掷一颗均匀的骰子，以X表示掷得的点数，求X的数学期望。;例3. 若随机变量X服从拉普拉斯分布，其密度函数为;二.几个重要r.v.的期望;;3.泊松分布;5.指数分布;6. 正态分布N(?, ?2);EX1：设随机变量X的分布律为; 定理1 若 X~P{X=xk}=pk, k=1,2,…, 则Y=g(X)的期望E(g(X))为(p77);例4 设随机变量(X,Y)的分布律如下，求E(XY);解： Y=ax+b关于x严单，反函数为; (p77)定理2 若X~f(x), -?x?, 则Y=g(X)的期望;例2 长途汽车起点站于每时的10分、30分、55分发车，设乘客不知发车时间，于每小时的任意时刻随机地到达车站，求乘客的平均候车时间;设X服从N(0，1)分布，求E(X2),E(X3),E(X4);;1. E(c)=c,c为常数; 2。E(cX)=cE(X), c为常数;;3. E(X+Y)=E(X)+E(Y);;4. 若X与Y独立，则E(XY)=E(X)E(Y).;例2.设某种疾病的发病率为1%，在1000个人中普查这种疾病,为此要化验每个人的血。方法是，每100个人一组，把从100个人抽来的血混在一起化验，如果混合血样呈阴性，则通过，如果混合血样呈阳性，则再分别化验该组每个人的血样。求平均化验次数;;例3 若X~B(n,p),求E(X);EX1 设随机变量X??N(0,1)，Y?U(0,1)，Z?B(5,0.5),且X，Y，Z独立，求随机变量 U=（2X+3Y)(4Z-1)的数学期望;3.2 方差一. 定义与性质;1.(p82)定义 若E(X),E(X2)存在，则称 E[X-E(X)]2 为r.v. X的方差，记为D(X),或Var(X). ; 2.推论 D(X)=E(X2)-[E(X)]2. ;例1：设随机变量X的概率密度为;;3. 方差的性质 (1) D(c)=0 反之，若D（X）=0，则存在常数C，使 P{X=C}=1, 且C=E(X); ;(3)若 X，Y 独立，则 D(X+Y)=D(X)+D(Y);;1. 二项分布B(n, p)：;;;解法二:;2. 泊松分布p(?)：;3. 均匀分布U(a, b)：;三.切比雪夫不等式 (P107);已知某种股票每股价格X的平均值为1元，标准差为0.1元，求a,使股价超过1+a元或低于1-a元的概率小于10%。;3.3 协方差，相关系数一.协方差定义与性质;例2 设(X, Y)在D={(X, Y)：x2+y2?1}上服从均匀分布，求证：X与Y不相关，但不是相互独立的。;EX:设随机变量X?B（12,0.5),Y ?N(0,1), COV(X,Y)=-1,求V=4X+3Y+1与W=-2X+4Y 的方差与协方差;二.相关系数;2.相关系数的性质 (1) |?XY|?1； (2) |?XY|=1?存在常数a, b 使P{Y= aX+b}=1； (3) X与Y不相关? ?XY=0;;;以上EX的结果说明了什么？;;三. 矩(p98);四. 协方差矩阵(p98);例4 设(X,Y)服从N(1,0,32,42,-0.5)分布，Z=X/3+Y/2 1)求Z的概率密度 2)求X与Z的相关系数 3)问X与Z是否相互独立？为什么？ ;六种常用随机变量的期望与方差;3.6 大数定律与中心极限定理3.6.1 大数定律一.依概率收敛;如;二.几个常用的大数定律;证明:由切比雪夫不等式;2.伯努里大数定律 设进行n次独立重复试验，每次试验中事件A发生的概率为p，记fn为n次试验中事件A发生的频率，则;3. 辛钦大数定律 若{Xk,k=1.2,...}为独立同分布随机变量序列, EXk=? ?, k=1, 2, … 则;3.6.3. 中心极限定理一.依分布收敛;二.几个常用的中心极限定理;例1.将一颗骰子连掷100次，则点数之和不少于500的概率是多少？;设随机变量?n(n=1, 2, ...)服从参数为n, p(0p1)的二项分布，则;; 例2 在一家保险公司里有10000个人参加寿命保险，每人每年付12元保险费。在一年内一个人死亡的概率为0.6%，死亡时其家属可向保险公司领得1000元，问： (1)保险公司亏本的概率有多大？ (2)其他条件不变，为使保险公司一年的利润不少于60000元，赔偿金至多可设为多少？;解 设X表示一年内死??的人数，则X~B(n, p), 其中 n= 10000