第四章随机变量的数字数特征.docxVIP

第四章 随机变量的数字特征 教学目的： 了解随机 量数字特征 个概念引入的必要性，掌握如下数字特征的定 ：数学期望，方差， 方差，矩，相关系数。知道各种数字特征所表达的 意 ，了解它 之 的 系与区 ，各自的使用范 与 域。掌握 方差矩 ，并了解其在多元 分析中的重要地位。 教学方法： 堂 授与 件演示相 合。首先通 身 例子引入数学期望 个基本概念，然后 解其四条基本性 ，并且介 随机 量函数数学期望的 求法。 接着引入另一个重要的概念，即方差，介 方差的常用 算方法及其四条性 。其次，重点 解常用随机 量的数学期望与方差的 算方法，方法本身可不做 多介 ，但是 果一定要 。再者，引入 方差的概念，并指出 方差的局限性，从而 生了相关系数的概念，重点 述相关系数的本 即只表示两个 量之 的 性关系而不是反映所有关系。最后引入矩与 方差矩 个概念。由于 两个概念在数理 中的重要地位，必 加以深刻 解。教学 助 件在 一章中有 多可以借 的内容。 教学手段： 多媒体教学（ 子教案，投影及粉笔、黑板的有机 合） 教学 数： 6 学 §4.1 数学期望 教学内容： 离散型随机 量 X 数学期望的定 ： 定 4.1.1 离散型随机 量 X 的分布律 X x1 x2 ? xn ? p k p1 p 2 ? pn ? 若 数 xk pk 收 ， 称 xk pk 的 随机 量 X 的数学期望 或均 ， 作 E(X ) 或 EX 。即 k 1 k 1 E(X) xk pk 1 型随机 量 X 数学期望的定 ： 定 4.1.2 型随机 量 X 的概率密度 f ( x) ，如果 分 xf (x)dx 收 ， 称其 X 的数学期望 （或均 ）， E ( X ) ，即 E( X ) xf ( x)dx 一 随机 量函数数学期望的 求法： 定理 4.1.1 g( x) 函数 ,若 X 离散型随机 量 ,分布律 ： X x1 x2 ? xn ? p k p1 p 2 ? pn ? Y g ( X ) 的数学期望 - 1 - E(Y) E g X g ( xk ) p k (4.1.3) k 1 若 X 为连续性随机变量，概率密度为 f ( x) ，则 Y g ( X ) 的数学期望为 E(Y) E g X g ( x) f ( x)dx (4.1.4) 该定理说明， 在求相对复杂的随机变量 Y g ( X ) 的数学期望 E(Y) 时，不一定要求 Y 的分布， 而只要知道相对简单的随机变量 X 的分布即可。 二维随机变量函数数学期望的简洁求法： 定理 4.1.2 设 Z 是随机变量 X ,Y 的函数： Z g ( X , Y) ，（ g 是连续函数） 。若 (X , Y ) 是二维离散型随机变量，分布律为： P X xi , Y yi pij , (i , j 1,2， ) 则有 E Z E g X , Y g xi , y j p ij (4.1.5) i 1 j 1 若 ( X ,Y ) 是连续型随机变量，概率密度为 f (x, y) ，则 E E g X , Y g x, y f x, y dxdy (4.1.6) 5. 数学期望的性质： （1） ( 1) 设 c 是常数，则有 E c c （2）设 X 是一个随机变量， c 是常数，则有 E cX cE X （3）设 X ,Y 是两个随机变量，则有 E X Y E X E Y （4）设 X ,Y 是相互独立的随机变量，则有 E XY E X E Y 教学形式： 首先通过例子引入数学期望的概念及其意义，其次分离散型与连续型随机变量两种情形分别讨论其确切的数学定义。在此基础上，分别讲述一维与二维随机变量函数数学期望的简洁求法，最后引入数学期望的性质，在讲这些性质时，要理论联系实际，必要时辅之以软件教学，以帮助同学们深刻理解。其间要有意识地引导学生认识到数学期望并不能反映随机变量的另外一些重要特征。 4.2 方差 教学内容： 随机变量 X 方差的定义： 定义 4.2.1 设 X 是一个随机变量， 若 E X E X 2 存在，则称 E X E X 2 为 X 的方差，记为 D(X) 或DX。即 D(X) E X EX  2 标准差的概念： 而 XD X （与 X 有相同的量纲）称为 标准差 或均方差 。 随机变量 X 方差的具体定义： 若 X 为离散型随机变量： P X k pk ( k 1,2, ) ，则 - 2 - D X xk E X 2 (4.2.1) pk k 1 若 X 为连续型随机变量，概率密度为 f ( x) ，则 2 D X x E X f x dx (4.2.2) 方