第12,13讲数字特征.pptVIP

数学期望简称为期望. 数学期望又称为均值. 数学期望是一种加权平均. 注 意 点 一维随机变量的数学期望 二维随机变量的数学期望 一维随机变量函数的分布 P103 4.2 4.8 作业 概率论与数理统计 第十一讲 主讲：苏丽卿 数学期望：原义是求随机变量的平均值 一、离散型随机变量的数学期望 二、连续型随机变量的数学期望 三、二维随机变量的数学期望 设X是一个随机变量，Y=g(X)，则 四、随机变量函数的数学期望 数学期望的性质 前面介绍了随机变量的数学期望。数学体现了随机变量取值的平均水平，是随机变量的重要的数字特征。 但在一些场合，仅仅知道平均值是不够的，还需了解其他数字特征。 第二节 方差 引例：甲乙两人射击，所得分数分别用随机变量X1，X2表示，且X1，X2分布律分别为 X1 0 1 2 P 0.3 0.2 0.5 X2 0 1 2 P 0.2 0.4 0.4 可以算得两人平均分数即数学期望分别为E(X1)=1.2， E(X2)=1.2 问：能否断定两人射击水平一样好？ 衡量办法：求偏离程度的平均值 例如，甲、乙两门炮同时向一目标射击10发炮弹，其落点距目标的位置如图： 甲炮射击结果 乙炮射击结果 乙较好 因为乙炮的弹着点较集中在中心附近 。 中心 中心 又如，某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图： 乙仪器测量结果 甲仪器测量结果 较好 因为乙仪器的测量结果集中在均值附近。 为此需要引进另一个数字特征，用它来度量随机变量取值偏离其中心(均值)的程度。 这个数字特征就是我们要介绍的方差。 一、方差的定义 若X 的取值比较分散，则方差较大。 方差刻划了随机变量的取值对于其数学期望的偏离程度 。 若X 的取值比较集中，则方差较小； X为离散型， P{X=xk}=pk 由定义知，方差是随机变量X的函数 g(X)=[X-E(X)]2的数学期望 。 X为连续型， f (x)为密度。 计算方差的一个简化公式 Var(X)=E(X2)-[E(X)]2 . 展开 证：Var(X)=E[X-E(X)]2 =E{X2-2X E(X)+[E(X)]2} =E(X2)-2[E(X)]2+[E(X)]2 =E(X2)-[E(X)]2. 利用期 望性质 引例：甲乙两人射击，所得分数分别用随机变量X1，X2表示，且X1，X2分布律分别为 X1 0 1 2 P 0.3 0.2 0.5 X2 0 1 2 P 0.2 0.4 0.4 E(X1)=1.2，E(X12)=2.2，E(X2)=1.2 ，E(X22)=2 问：哪个人射击水平高一些？ D(X1)=E(X12) －E(X1) 2 =0.76 D(X2)=E(X22) －E(X2) 2 =0.56 解： 故乙水平高一些 例1：设离散型随机变量 X 的概率分布为 求 Var(X)。 解： X 0 1 2 P 0.2 0.5 0.3 经 济 数 学 * 前面讨论了随机变量及其分布。 如果我们知道了随机变量 X 的概率分布，那么，关于 X 的全部概率特征也就知道了。 然而，在实际问题中，概率分布是较难确定的。且有时在实际应用中，我们并不需要知道随机变量的所有性质，只要知道其一些数字特征就够了，例如分布的中心位置、分散程度等。 因此，在对随机变量的研究中，确定随机变量的某些数字特征是非常重要的。 最常用的数字特征是：期望和方差。 第四章 数字特征 第一节 期望 第二节 方差 第三节 协方差与相关系数 第四节 矩与协方差矩阵 4.1 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 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： X 0 100 P 1/4 3/4 甲的“期望” 所得是：0?1/4 +100 ? 3/4 = 75. 概念引入： 某车