概率论与数理统计ch4随机变量的数字特征.pptxVIP

随机变量的分布函数能完整地描述随机变量的统计规律性。;第四章 随机变量的数字特征;分赌本问题; 第一种分法考虑到甲、乙两人赌技相同，就平均分配，没有照顾到甲已经比乙多赢一局这一个现实，对甲显然是不公平的。; 帕斯卡与另一位法国数学家费马在一系列通信中就这一问题展开了讨论，并得出正确的结论。 ; 以上四种局面中，前三种局面都是甲赢。因此，如果赌局继续，甲赢的概率为0.75，乙赢的概率为0.25。; 后来，帕斯卡和费马的通信引起了荷兰数学家惠更斯的兴趣，后者在1657年发表的《论赌博中的计算》是最早的概率论著作。这些数学家的著述中所出现的第一批概率论概念（如数学期望）与定理（如概率加法、乘法定理）标志着概率论的诞生。 ;设赌局结束后甲赢得的赌本为X，乙赢得的赌本为Y，则X和Y的分布律为：;数学期望——描述随机变量取值的平均特征;解：;例2 某产品表面的疵点数服从参数 的泊松分布，若规定疵点数不超过1个为一等品，价值10元；疵点数大于1个不多于4个为二等品，价值8元；疵点数超过4个为废品。求（1）产品的废品率。 （2）产品价值的平均值。;;（1）0-1分布的数学期望;（3）二项分布的数学期望; 连续型随机变量可近似看作取值很密的离散型随机变量，设取值为;其在某点 处取值的概率可表示为X落在小区间 的概率;定义2 设X~ f (x), 如果积分 绝对收敛，则定义 X的数学期望为 记为EX或E（X）。;（1）均匀分布的数学期望;（2）指数分布的数学期望;（3）正态分布的数学期望;3 随机变量函数的数学期望;解：;解：;例 随机变量 ，求;定理2 设（X，Y）是二维随机变量，Z=g (X,Y),且E(Z)存在，于是;例 二维离散型随机变量（X，Y）的分布律如下表，求;例 设随机变量 的概率密度为;4 数学期望的性质;例 机场快线载20名旅客自机场开出，旅客有10个站可下车。如到站无人下就不停车。设每位旅客在各站下车等可能，且每人是否下车相互独立。以 表示停车的次数，求;二项分布可以看做n个两点分布的和;二 方差;但绝对值不好处理，我们可以用以下指标来刻画??? ，;定义 设X是一个随机变量，若E[X-E(X)]2存在，则称它为X的方差，记为DX或D(X),或Var (X).;可见;D(X)=E(X2)-[E(X)]2;例 设随机变量X的概率密度为;例 设随机变量X的数学期望 ，方差;四. 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相互独立，则;推广：;;（2）二项分布的方差;（3）泊松分布的方差;（4）均匀分布的方差;（5）指数分布的方差;（6）正态分布的方差;若X、Y相互独立，则;三?协方差与相关系数;COV(X,Y)=E(XY）-E(X)E(Y);例 设(X,Y)的联合分布是 求COV(X,Y).;例 设连续型随机变量(X,Y)的密度函数为： 求COV(X,Y).;求E(X)的更简单的解法：;协方差性质 (1) COV(X,X)=D(X); (2) COV(X, Y)=COV(Y, X); (3) COV(aX, bY)=abCOV(X, Y), 其中a, b为 常数； (4) COV(X,c)=0， c为任意常数； (5) COV(X+Y，Z)=COV(X, Z)+COV(Y, Z); （6）当X，Y相互独立时，则 cov(X,Y)=0;注意到协方差会受到量纲的影响;于是我们想到可以先对变量进行标准化，去掉量纲的影响，再求协方差;相关系数;例 设随机向量(X,Y)的联合分布是 求X,Y的相关系数.;例 设(X,Y)服从区域D:0x1,0yx上的均匀分布,求X与Y的相关系数;相关系数的性质：;注意： （1）相关系数为零的两个随机变量不一定是独立的； （2）X与Y不相关，是指没有线性关系，不排除它们有其他形式的关系； （3）相关一定不独立，独立一定不相关。;矩;定义 设 是一个n维随机向量，各 分量的方差都存在，则由 为元素组 成的n阶方阵，称为该随机向量的协方差矩阵， 记为V，即;定义 设 是一个n维随机向量，其 任何两个分量 与 的相关系数 都存在 则以 为元素组成