概率论与数理统计第4章 随机变量的数字特征.pptVIP

出版社 理工分社 概率论与数理统计 第4章 随机变量的数字特征 概率分布全面地描述了随机变量取值的统计规律性。但是在实际问题中，概率分布往往难以准确地给出，并且有时并不需要考察其全面的变化规律，仅仅对随机变量的某些特征感兴趣，这时，一些能集中、概括地反映随机变量统计特征的量，即数字特征，会使处理问题变得很方便，往往能够比较迅速地作出推断。此外，对某些重要分布，只要知道它的某些数字特征，就可以完全确定其概率分布，这时数字特征的研究等同于对概率分布的研究。 * 4.1 数学期望 4.1.1 离散型随机变量的数学期望 如何从数学上计算他合理的平均环数呢？如果是比赛，观众当然都希望射击运动员打破纪录，射出水平来，或者说观众都有很高的期望，但数学上计算出的期望值，必须客观、合理。就这个问题而言，假设该射手射击100次，按照上述分布，他射中各个环数和脱靶的次数的合理期望应该为 * * * 4.1.2 连续型随机变量的数学期望  * 4.1.3 随机变量函数的数学期望 在实际中常常遇见这样的问题，例如，已知一批机械零件截面圆的直径X服从正态分布，求这批零件截面的平均面积 这实际上是求随机变量函数的数学期望。下面介绍求解这类问题的计算公式。 * * 4.1.4 数学期望的性质 数学期望之所以在理论和应用上都极为重要，除了它本身的含义外，还有一个原因就是它具有良好的性质，这些性质使得它在应用上很方便。下面介绍数学期望的基本性质： (1) 设c为常数，则Ec=c。 (2)设X是随机变量，a，b为任意实数，则E(aX+b)=aEX+b。 (3）设X，Y是任意两个随机变量，则E(aX+bY)=aEX+bEY。 (4）如果X与Y独立，则E（XY）=EX·EY。 * * 4.1.5 数学期望的应用 在某些随机性决策问题中有许多随机变量数学期望的应用，如下面几个例题。 例4.1.16 某保险公司制订赔偿方案：如果在一年内一个顾客的投保事件A发生，该公司就赔偿顾客a元。若已知一年内事件A发生的概率为p，为使保险公司收益的期望值等于a的5%，该公司应该要求顾客交纳多少保险费？ * 4.2 方 差 4.2.1 方差的概念 在实际中常常有这样类似的情形，某两家企业生产同一种产品，各自产品的质量指标平均来讲都能达到质量要求，但一家企业的产品质量指标波动很小，质量稳定，另一家企业的产品质量指标则波动较大， 出现产品质量指标超标或低于标准的现象，这两者的实际后果当然不同。对产品质量指标的波动性刻画可以使用随机变量的另一个数字特征—方差。 * * 显然，DX≥0，且DX愈小，X的取值愈集中；DX愈大，X的取值愈分散，DX刻画了随机变量在其重心位置附近散布程度(或波动大小)。标准差与方差的功能相似，其区别主要是在量纲上，标准差与所讨论的随机变量、数学期望有相同的量纲，所以在实际中，人们常选用标准差，但它的计算要通过方差才能实现。 * * 4.2.2 方差的性质 方差具有以下性质: (1)设c为常数，则Dc=0。 (2)设a，b为任意实数，则D(aX+b)=a2DX。 (3）D(X±Y)=DX+DY±2E［(X－EX)(Y－EY)］。 (4)对于任意实数x，有DX=E(X－EX)2≤E(X－x)2，且等号成立的充要条件是x=EX。 * (5)(切比雪夫不等式)设X的方差存在，则对任意正数ε，有 6)DX=0的充要条件是X以概率1取常数c，即 P{X=c}=1。显然，这里c=EX。 * * 4.3 协方差与相关系数 随机变量的数学期望和方差仅能反映随机变量自身的特征，然而随机变量之间可能存在着某种相关关系，如人的身高与体重， 气象中的温度与湿度，商品的广告费用与销量等，因此需要研究描述随机变量之间相关关系的数字特征。 * 4.3.1 协方差与相关系数的概念 在本章4.2证明方差性质（3）时，已经看到，当X与Y相互独立时，有E［(X－EX)(Y－EY)］=0 这意味着若E［(X－EX)(Y－EY)］≠0，则X与Y必然不独立，因而X与Y之间存在着某种关联。因此可以用量E［(X－EX)(Y－EY)］来描述X与Y之间的关联程度。 * * * 图4.3.1 * 4.3.2 协方差与相关系数的性质 * 4.3.3* 协方差矩阵与相关系数矩阵 * * 出版社 理工分社