概率论与数理统计第4章 随机变量的数字特征与极限定理.pptVIP

* * * * * 4.2.3 方差的性质 随机变量的方差具有如下性质（假定下面所遇到的随机变量的方差均存在）： （1）设C为常数，则D（C）=0； （2）设X为随机变量，C为常数，则 （3）设X与Y是相互独立的随机变量，则 * * * 4.2.4 切比雪夫不等式和马尔科夫不等式 定理4.3（切比雪夫不等式） 设随机变量X的数学期望E（X）和方差D（X）均存在，则对任意ε0, 有 证 设X是连续型随机变量（离散型情形由读者自己证明），其概率密度为f（x），则对任意实数ε0，有 * 定理4.4（马尔可夫不等式） 设X为非负随机变量，则对任意实数a0，有 * * 4.３ 协方差、相关系数及矩 4.3.1 协方差 对于二维随机变量（X，Y），除了分量X，Y的数字特征外，还需要找出能体现各分量之间的联系的数字特征． * * 4.3.2 相关系数 定义4.5 设（X,Y）为二维随机变量，cov（X,Y）,D（X）,D（X）均存在，且D（X）0,D（X）0，称 （1）ρXY≤1; （2）ρXY=1的充要条件是X与Y以概率1线性相关，即存在常数a≠0和常数b，使得P（Y=aX+b）=1. （证明从略）． * 4.3.3 矩 定义4.6 设X和Y是随机变量，如果 * * * 出版社 理工分社 概率论与数理统计(第二版) 由前面的讨论知道，随机变量的概率分布完整地描述了它的统计规律．但在一些实际问题中，要确定一个随机变量的概率分布是比较困难的．另一方面，在有些实际问题中并不需要知道全面的概率分布，而只需要知道随机变量的某些数字特征．例如，考察某地区水稻产量时，只需要知道水稻的平均亩产量；在投资决策中，不但需要关心投资项目未来的收益水平，还要关心收益水平围绕长期平均收益的波动状况，即风险程度． 第4章 随机变量的数字特征与极限定理 * 概率论中，把描述随机变量数量方面的特征的量称为数字特征。随机变量的数字特征在概率论与数理统计的理论研究和实际应用中都具有重要的意义． 本章将重点讨论随机变量的一些常用的数字特征：数学期望、方差、协方差和相关系数．本章还将简要介绍大数定理和中心极限定理． * 4.1 数学期望 4.1.1 随机变量的数学期望 例4.1 一批钢筋共有10根，抗拉强度（kg/mm2）为120和130的各有2根，125的有3根，110，135，140的各有1根，则这10根钢筋的平均抗拉强度为 * 定义4.1 设离散型随机变量X的分布律为 * * * * * * 4.1.2 几个常用分布的数学期望 1.0—1分布 设随机变量X服从以p为参数的（0—1）分布，则X的数学期望为 ２.二项分布 设随机变量X～B（n,p），则X的数学期望为 * 3.泊松分布 设随机变量X～P（λ）分布，则X的数学期望为 * * * 4.1.3 随机变量函数的数学期望 定理4.1 设X是一个随机变量，y=g（x）是连续函数或分段连续函数． （1）如果X是离散型随机变量，其分布律为 * 这个定理说明，在求Y=g（X）的数学期望时，不必求出Y的分布而只需要知道X的分布即可． 例4.6 游客乘电梯从底层到电视塔顶层观光，电梯于每个整点的第5分，25分和55分从底层起步，假设游客在早八点的第X分钟到达底层候梯处，且X～U［0，60］，求该游客等候电梯时间的数学期望． 解 由X～U［0，60］，知X的概率密度为 * * * 定理4.2 设（X,Y）是二维随机变量，z=g（x,y）是一个连续函数． （1）如果（X,Y）为离散型随机变量，其联合分布律为 * * * 4.1.4 数学期望的性质 数学期望有如下常用性质（以下的讨论中，假设所遇到的数学期望均存在）： * * * * 4.2 方 差 4.2.1 随机变量方差的概念 数学期望是随机变量重要的数字特征．但是，在刻画随机变量的性质时，仅有数学期望是不够的．例如，有两批钢筋，每批各10根，它们的抗拉强度指数如下： * 定义4.3 设X是随机变量，若E［X－E（X）］2存在，则称它为X的方差，记为D（X），即 由定义4.2，随机变量X的方差反映了X的可能取值与其数学期望的平均偏离程度．若D（X）较小，则X的取值比较集中，否则，X的取值比较分散．因此，方差D（X）是刻画X取值离散程度的一个量． * * * 4.2.2 常用分布的方差 1.0—1分布 ２．二项分布 由4.1.2节知，E（X）=np， * * *