随机变量的数字特征讲解.pptVIP

第四章 随机变量的数字特征 §4.1 数学期望 分赌本问题(17世纪) 甲乙两赌徒赌技相同，各出赌注50元. 无平局，谁先赢3局，则获全部赌注. 当甲赢2局、乙赢1局时，中止了赌博. 问如何分赌本? 两种分法 1. 按已赌局数分： 则甲分总赌本的2/3、乙分总赌本的1/3 2. 按已赌局数和再赌下去的“期望” 分： 因为再赌两局必分胜负，共四种情况： 甲甲、甲乙、乙甲、乙乙 所以甲分总赌本的3/4、乙分总赌本的1/4 4.1.1 数学期望的概念 若按已赌局数和再赌下去的“期望” 分， 则甲的所得 X 是一个可能取值为0 或100 的随机变量，其分布律为： 4.1.2 数学期望的定义 定义4.1.1 设离散随机变量X的分布律为 P(X=xn) = pn, n = 1, 2, ... 若级数 连续随机变量的数学期望 定义4.1.2 设连续随机变量X的概率密度为f(x), 若积分 注 意 点 数学期望简称为期望. 数学期望是一种加权平均.权便是其分布律或概率密度； 数学期望又称为均值. 4.1.3 数学期望的性质 定理4.1.1 设 Y=g(X) 是随机变量X的函数， 若 E(g(X)) 存在，则 多变量函数的数学期望 §4.2 方 差 数学期望反映了X 取值的中心. 方差反映了X 取值的离散程度. 4.2.1 方差与标准差的定义 定义4.2.1 若 E(X?E(X))2 存在，则称 E(X?E(X))2 为 X 的方差，记为 注 意 点 (2) 称 4.2.2 方差的性质 随机变量的标准化 练习1 练习2 X 与 Y 独立，Var(X) = 6，Var(Y) = 3， 则 Var(2X?Y) = ( ). 练习3 X ~ P(2)，Y ~ N(?2, 4)， X与Y独立， 则 E( X?Y) = ( ); E( X?Y)2 = ( ). 4.2.3 切比雪夫不等式 定理 4.2.2 常用离散分布的方差 常用连续分布的数学期望 常用连续分布的方差 §4.3 协方差及相关系数 本节主要给出二维随机变量 X 与Y 之间相互关系的数字特征 4.3.1 协方差 协方差的性质 配对模型的数学期望和方差 解：记 “Xi = 1” = “第 i 个人拿对自己的礼物” “Xi = 0” = “第 i 个人未拿对自己的礼物” 4.3.2 相关系数 注 意 点 若记 相关系数的性质(1) 注 意 点 的大小反映了X与Y之间的线性关系： 相关系数的性质(2) §4.4 矩、协方差矩阵 协方差矩阵 协方差矩阵的性质 定理4.4.1 协方差矩阵满足对称性. 两个变量的协方差阵 注 意 点 称 练习6 设 X ~ N(0, 1), Y ~ N(0, 1), Var(X?Y) = 0, 求 (X, Y) 的协方差矩阵 ? . 练习7 设 X, Y 的协差阵为 §4.5 条件期望 对二维随机变量(X, Y), 在给定Y取某个值的条件下, X的分布; 在给定X取某个值的条件下, Y的分布. 4.5.1 条件分布 (1) 条件分布律： 4.5.2 条件数学期望 注 意 点 E(X| Y=y) 是 y 的函数. 重期望公式 §4.6 小结 基本概念： 数学期望、随机变量函数的数学期望、数学期望的重要性质、方差、标准差、方差的性质、标准化的随机变量、协方差、相关系数、相关系数的性质、契比雪夫不等式、几种重要分布的数学期望和方差、矩、协方差矩阵； 分布函数的计算： 数学期望公式：P5，P6 方差公式： P15 协方差公式： P31 2, 6, 13, 17, 20, 22, 30, 34 (4) Cov(X, Y) = Cov(Y, X). (性质4.3.8) (1) Cov(X, Y) = E(XY) ? E(X)E(Y). (性质4.3.5) (2) 若 X 与 Y 独立，则 Cov(X, Y) = 0. (性质4.3.6) (6) Cov(aX, bY) = abCov(X, Y)