由脚印估计罪犯的身高.docx

由脚印估计身高的概率分析 数学一班 0710210105 孙玲 0710210104 石玲 关键词：身高脚印正态分布条件期望 在推断犯罪的侦破技术中有如下公式： 身高=脚印长度6.876 那么这个公式是如何获得的呢，利用所学的概率统计的基本知识， 运用条件数学 期望和回归，我们可以对之作一个简单的推导。 其实,已知脚印长度来估测人的身高这一问题，正是我们所讨论的条件数学 期望。设一个人的身高为，他的脚印长度为，那么我们可以把，看成是一 个二维随机变量。对脚印长为 y的人群来说，他们的身高所服从的分布就是 F | xy这一分布函数?假设已知某人的脚印长度为 y ,要估计该人的身高是 多少，我们可以把在 y这一事件发生的条件下的平均身高 E | y作为 一种估计.显然，由于影响人身高与脚印长度的因素是大量的、相互独立的，且 各因素的影响又是微小的，可以叠加的，故由“中心极限定理” ，在误差存在的 基础上，可以近似地看成服从Na,,a2，2，的二维正态分布，其中参数 是Q?, 12,；,，这些数据可能因区域、民族、生活习惯的不同而有所变化， 但它们均可以通过统计方法获得，在此，不再赘述。 现在我们来继续分析问题。设罪犯的脚印长度为y ,要估计其身高就需要计 p x,y 22x a21x ai y a22y a22~22y a2 2 2 x a 2 1 x ai y a2 2 y a2 2~ 2 2 y a2 1 1 厂1 1 2 e 1 1 2 1 2 2 2 y a2 2 2 x a1 1 y a2 2 112 12 1 1 2 12 1 2 e x a1 2 1 y a2 2 这正是正态分布n 这正是正态分布n a y a2 , f 1 2的密度函数，因此 2 a a：。 y a1 这是一个y的线性函数，如果把 q -1 a2 y , y在平面上表示,它是- 2 条直线，这条直线在一定程度上描述了身高 依赖于脚印长度 的关系。我们已 经知道E |是关于 的函数，假设还有其他 的函数g 可以作为对 的取 值估计,并且要求这种估计的误差| g |要尽可能地小，但 g 是随机变 量,所以我们求平均值 E g min 但是由于绝对值运算在数学处理上并不方便， 所以利用数学分析上所学的“最小 乘法”及类似于方差的讨论方法求下式: min如果,的密度函数为p x, y min 如果,的密度函数为p x, y ,就有 2 p x, y dxdy P| dx dy 由方差的性质：对任意的常数 时，能使 达到最小，从而当g Ey发生的条件下，用 达到最小，从而当g E y发生的条件下，用E 2 y pl x y dx |时,也使E y作为对 2 达到最小.所以在已知 的估计是最佳的，这时均方误差 y达到最小. 当，的密度函数p x,y未知时，或者E | y过分复杂时，这时可降 低一些要求来寻找其他的估计.一个常用的估计是，假设在的线性函数类 L a b中能使均方误差达到最小。于是，我们来讨论线性函数，也就是要 确定常数a与b ,使得 2 a,b E a b min 为此，只要令 da叱上）=-2￡[ da叱上） =-2￡[占吓_ (甲 = 0 -(a?7+ b)] = 0 上述方程组等价于 r 遇 严才十回7 =应詡 解此方程组可以求得 宀5也谄…亠 a P— 其中2 其中2 D , 2 D 是与的相关系数. 所以算出系数后，在线性函数类中使得均方误差达到最小的线性估计是 ￡07）=也彳十 = 疏十Q 空（帀一酎） % 通过我们简单基本的对人的身高和脚长的数据了解，我们做出了如下以脚印长为 X轴，身高为丫轴的坐标图，将身高和脚长数据成对的在图上表示出 根据数据如图显示，我们也可以同样猜测，人的身高与脚印长，存在着近似的线性关系。 我们在学校及其周围通过对不同人身高与脚长数据的收集统计， 随机选取了 50 个人的数据，列出了如下表格： 身高 脚 长 (cm ) 身高平 脚长平 (cm 均值 均值 ） 169.92 24.84 176 26 6.08 1.16 172 25. 5 2.08 0.66 170 25. 5 0.08 0.66 167 23 -2.92 -1.84 166 24 -3.92 -0.84 158 23. 5 -11.92 -1.34 161 24 -8.92 -0.84 165 23. 5 -4.92 -1.34 172 26 2.08 1.16 175 25. 5 5.08 0.66 158 23 -11.92 -1.84 185 27 15.08 2.16 169 26 -0.92 1.16 164 23. -5.92 -1.34 5 176 26 6.08 1.16 164 24 -5.92 -0.84