概率电子教案4(07).ppt

均匀分布 方差的性质 假设下列方差均存在． 1。 D(C)=0, (C为常数) 2。 D(CX)=C2D(X), D(C+X)=D(X) (C为常数) 3。 设X与Y是两个随机变量，则有 D(X ? Y)=D(X)+D(Y) ? 2E{[X-E(X)][Y-E(Y)]} 4。若X与Y相互独立，则D(X ? Y)=D(X) + D(Y) 5。 D(X)=0?X以概率1取常数C,即P{X=C}=1,这里 证3 推广：设X1,…,Xn是n个相互独立的随机变量，则 独立性 证 X的所有可能取值为0,1,…,n , X=k表示X1,...,Xn中有k个 取1, n-k个取0，共有 种方式，故 证明： X= X1+...+Xn服从参数为n, p的二项分布,求E(X)，D(X). 例7 设X1,...,Xn相互独立，且服从同一(0-1)分布,即 即X服从参数为n, p的二项分布． 例8 设 X~N(?,?2) ， 求E(X), 服从正态分布的随机变量其分布完全由它的数学期望和方差所确定． 已知X与Y相互独立，且 则 若 ，且 相互独立，则 例9设活塞的直径（以cm计） ，气缸的直径 ，X与Y相互独立。任取一只活塞， 任取一只气缸，求活塞能装入气缸的概率． 解 由题意需求 由于 故有 切比雪夫不等式: 证 （仅就X为连续型时来证）设X的概率密度为f(x)，则 定理 设随机变量X的数学期望E(X)=? ，方差D(X)=?2，则 对任意的正数?，有 上式称为切比雪夫(chebyshev)不等式． [注] 此不等式给出了在随机变量的分布未知的情况下事件 的概率的一种估计方法 例10一台设备由10个独立工作的元件组成，每一元件在时间 T发生故障的概率为0.05．设在时间T发生故障的元件数为X， 试用切比雪夫不等式估计随机变量X与其数学期望的偏差 （a）小于2；(b)不小于2的概率． 解 （a）由题意知X~b(10, 0.05)，且 由切比雪夫不等式，得 E(X)=0.5 D(X)=0.475 (b) §4.3 协方差 相关系数 定义1 称E{[X-E(X)][Y-E(Y)]}为随机变量X与Y的 协方差， 记为Cov(X,Y)．即 计算公式： 1。Cov(X,Y)=E(XY)-E(X)E(Y)  2。D(X±Y)=D(X)+D(Y)±2Cov(X,Y) 3。Cov(X, X)=D(X) 协方差的性质： 1。Cov(X,Y)=Cov(Y,X), 2。Cov(aX,bY)=abCov(X,Y),(a,b为常数) 3。Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y). X与Y的相关系数: 当 时 定义2 相关系数的性质： 相关系数的性质： 推导 ： 考虑用X的某个线性函数a+bX来近似表达Y，我们以均方误差 e 来衡量以a+bX来近似表达Y，其近似程度的好坏。选取a，b使 e 值最小。 证2o 反之，若 数字特征?XY描述了随机变量X与Y的线性相关程度,当| ?XY |较小时,表明X,Y的线性相关程度较差；而当| ?XY |较大时,则表明X,Y的线性相关程度较好． 当?XY =0时，称随机变量X与Y不相关． 注: 1)若随机变量X与Y相互独立, 则X与Y不相关 2)若随机变量X与Y不相关, 则X与Y不一定相互独立 例1 设(X,Y)均匀分布在以坐标原点为中心，R为半径的圆的内部，则随机变量X与Y不相关, 但X与Y也 不相互独立. 解：由已知得 故 所以X与Y不相关 又因为 所以 X与Y也不相互独立 例2 设(X,Y)服从二维正态分布，则X,Y相互独立?X,Y不相关． 解 设 则 注 1)二维正态分布只要知道的X、Y分布