吴赣昌-概率统计(5版)-第4章第2节.pptVIP

方法一 分两步进行, 第一步先求出函数 的概 率密度, 第二步计算 的期望与方差. 设 的分 布函数 则 完 方法二 方法二 方法二 所以 完 方差的性质 1. 设 为常数， 则 2. 设 是随机变量， 若 为常数， 则 3. 设 是两个随机变量， 特别地， 若 相互独立， 则 注： 对 维情形， 有： 若 相互 独立， 则 方差的性质 注： 对 维情形， 有： 若 相互 独立， 则 方差的性质 注： 对 维情形， 有： 若 相互 独立， 则 证 由数学期望的性质， 性质1，2显然 . 性质3的证明 完 3. 设 是两个随机向量， 则 证 上式右端第三项： 若 相互独立， 于是有 故 完 例7 设 证明: 当 时, 达到最小值. 证 依题 两边对 求导数, 有 显然当 时, 又因 所以当 时, 达到最小值, 最小值为 例7 设 证明: 当 时, 达到最小值. 证 显然当 时, 又因 所以当 时, 达到最小值, 最小值为 例7 设 证明: 当 时, 达到最小值. 证 显然当 时, 又因 所以当 时, 达到最小值, 最小值为 这个例子又一次说明了数学期望 是随机变 反映了 的平均值. 取值的集中位置, 量 完 例8 设 解 表示 重伯努利试验中 “成功” 的次数. 若设 如第 次试验成功 如第 次试验失败 则 是 次试验中 “成功” 的次数, 且 服从 分布. 故 求 例8 设 解 表示 重伯努利试验中 “成功” 的次数. 若设 如第 次试验成功 如第 次试验失败 故 求 * §4.2 方差 引言 随机变量的数学期望对随机变量取值水平 的综合评 价， 而随机变量取值的稳定性 是判断随机现象性质 的另一个十分重要的指标. 例如， 甲、乙两人同时向 结果都为平均7环， 其射击 试评价甲、乙的射击效果： 因为乙的射击点较集中在靶中心附近， 射击的稳定 目标靶射击10发子弹， 射击 效果如右图. 性较好， 所以乙的射击效果较好. 本节将引进另一个数字特征—方差， 用它来度量随机 引言 因为乙的射击点较集中在靶中心附近， 射击的稳定 性较好， 所以乙的射击效果较好. 本节将引进另一个数字特征—方差， 用它来度量随机 引言 因为乙的射击点较集中在靶中心附近， 射击的稳定 性较好， 所以乙的射击效果较好. 本节将引进另一个数字特征—方差， 用它来度量随机 完 变量取值在其均值附近的平均偏离程度. 方差的定义 定义 设 是一个随机变量， 则称它为 的方差， 记为 方差的算术平方根 称为标准差或均方差， 与 具有相同的度量单位， 在实际应用中经常 使用. 方差刻画了随机变量 的取值与其数学期望的偏离 存在， 若 程度， 它的大小可以衡量随机变量取值的稳定性. 从方差的定义易见： (1) 若 的取值比较集中， 则方差较小； (2) 若 的取值比较分散， 则方差较大； 方差的定义 从方差的定义易见： (1) 若 的取值比较集中， 则方差较小； (2) 若 的取值比较分散， 则方差较大； 方差的定义 从方差的定义易见： (1) 若 的取值比较集中， 则方差较小； (2) 若 的取值比较分散， 则方差较大； (3) 若方差 则随机变量 以概率1取 常用数值， 此时 也就不是随机变量了. 完 方差的计算 其 是离散型随机变量， 且其概率分布为 则 若 是连续型随机变量， 且其概率密度为 则 由上节例12， 易得计算方差的一个简化公式 事实上， 方差的计算 由上节例12， 易得计算方差的一个简化公式 事实上， 方差的计算 由上节例12， 易得计算方差的一个简化公式 事实上， 完 例1 设随机变量 具有数学期望 方差 记 则 例1 设随机变量 具有数学期望 方差 记 则 例1 设随机变量 具有数学期望 方差 记 则 即 的数学期望为 0, 方差为 1. 称为 的标准化变量. 完 例2 设随机变量 具有 分布, 其分布律为 求 解 故 完 例3 设 求 解 的分布律为 则 而 例3 设 求 解 而 例3 设 求 解 而 故方差 例3 设 求 解 而 故方差 例3 设 求 解 而 故方差 由此可知, 泊松分布的数学期望与方差相等, 于参数 因为泊松分布只含有一个参数 知道它的数学期望或方差就能完全确定它的分布 完 都等 只要 了. 例4 设 求 解 的概率密度为 而 故所求方差为 完 例5 设随机变量 服从指数分布, 其概率密度为 其中 求 解 例5 设随机变量 服从指数分布, 其概率密度为 其中 求 解 例5 设随机变量 服从指数分布, 其概率密度为 其中 求 解 于是 即有 完 例6 设随机变量 的联合分布在以点 为顶点的三角形区域上服从均匀分 布, 试求随机变量 的期望与方差. 解 三角形区域 如图所 示, 的面积为 1/2, 所以 的联合概率密度为