《计算机数学基础》配套教学课件.ppt

?13.5.3 离散分布的直接抽样法 　　设离散型随机变量X的概率分布为：P｛X＝ai｝ ＝ pi(i ＝ 1，2，…)。令 q0 ＝ 0，　　　　　　　 。 　　设ri是［0，1］上均匀分布的随机数，若ri满足qj－1＜ri≤qj，就取xi＝aj，这样产生的随机数xi就是随机变量X 的随机数。 　　上述方法也可直观地作如下描述：??? (1) 将区间［0，1］依次分为长度为p1，p2，…的小区间I1，I2，…；??? (2) 产生［0，1］上均匀分布的随机数R，若R∈Ij，则令X＝aj。重复(2)即得随机变量X的随机数序列。 ?13.5.4 变换抽样法 　　由定理13.1可知，若已知随机变量X 的密度函数p(x)，则随机变量的函数Y＝g(X)的密度函数为 ?　　　　　　　　　??? (由式(1346))。 　　这就是说，若已知服从均匀分布的随机变量R，则对于各种不同的函数X ＝ g(R)，通过变换式X ＝ g(R)得到服从相应分布的随机数。对于多维随机向量的函数，结论同样成立。即设(X1，X2，…，Xn)为n维随机向量，令Y ＝ g(X1，X2，…，Xn)，若Y的分布函数为F(y)，则通过n 维变换式Y ＝ g(X1，X2，…，Xn)由X1，X2，…，Xn的随机数可以产生出分布函数为F(y)的随机数。 后页 首页 前页 第十四章随机变量的数字特征 后页 首页 前页 基本要求、重点难点 14.1 离散型随机变量的期望 14.2 连续型随机变量的期望 14.3 期望的简单性质及随机变量函数的期望 14.4 方差及其简单性质 14.5 随机优化数学模型实例 14.6 演示与实验十一 ? 基本要求 　　?掌握多元函数以及多元嫦娥数微积的法则。 　　?了解微积分及其应用，且以二元函数为主原由。 　　?掌握三元以及一般n元函数的性质，特点。 　　?了解一些空间解析几何的概念。 　　?理解多元函数的偏导数与全微分的概念，熟练掌握多元复合函数与隐函数的偏导数的求法。 　　?掌握二元函数定义、定义域的求法与表示法。 ? 重点难点 重点： ?函数的微积分应用以及二元函数。 ?多元函数的概念、极限和连续性。 难点： ?多元函数的偏导数、极值及其在经济分析中的应用。 ? 14.1 离散型随机变量的期望 ?14.1.1 期望的概念 　　设随机变量X的概率分布是： 定义14.1 　　设离散型随机变量X的概率分布是： 则称和式 　　为随机变量X的期望(或数学期望)，记作E(X)。 　　例如，由(14.1.1)定义的随机变量X，它的期望是 E(X) ＝100×0.01+200×0.99 ＝ 199。 　　它与200非常接近，而不是150。显然，E(X)是一个实数，形式上它是X的可能值的加权平均，而权重就是X取该值的概率，它体现了随机变量X取值的真正的“平均”。为此，我们也称它为X的均值，有时也称为分布的均值。 ?14.1.2 几个常见分布的期望 １ ２ ３ 后页 　　(1) 二点分布 　　设X遵从二点分布 (q＝1－p)， 　　则由定义14.1得：E(X) ＝1×p+0×q ＝ p。 返回 　　(2) 二项分布 　　设X～B(n，p)，即 p｛X＝k｝ ＝ C knpkq n－k(k ＝ 0，1，2，…，n)， 　　则有 　　即二项分布B(n，p)的期望为n·p。 返回 　　(3) 泊松分布 　　设X服从泊松分布P(λ)，即 　　因此有 　　即泊松分布P(λ)的期望是λ 。 返回 ? 14.2 连续型随机变量的期望 定义14.2 　　设连续型随机变量X的密度为p(x)，若广义积分∫+∞－∞｜x｜p(x)dx 收敛，则称∫+∞ － ∞xp(x)dx为X的期望(或均值)，记作 E(X)，即E(X) ＝∫∞ － ∞xp(x)dx。?? (14.2.1) 　　(1) 均匀分布若X服从［a，b］上的均匀分布，则其密度为 按(14.2.1)有 　　它恰好是区间［a，b］的中点，这与E(X)的概率意义相吻合。 前页 　　(2) 指数分布若X服从参数为λ的指数分布，则其密度函数为 于是 　　(3) 正态分布若X～N (μ，σ2)，则 ? 14.3 期望的简单性质及随机变量函数的期望 ?14.3.1 期望的简单性质 　　期望是随机变量的最重要和最基本的数字特征。 　　期望的基本性质： ??? 　(1) E(c) ＝c；???　 (2) E(kX) ＝ kE(X)；(14.3.1)???　 (3) E(X+b) ＝ E(X)+b；???　 (4) E(kX+b) ＝ kE(X)+b。 其中k