概率论与数理统计数学期望.pptxVIP

概率论与数理统计数学期望汇报人：AA2024-01-19AAREPORTING

目录随机变量及其分布数学期望的定义与性质方差、标准差与协方差大数定律与中心极限定理数学期望在统计推断中的应用

PART01随机变量及其分布REPORTINGAA

随机变量的定义与性质随机变量定义随机变量是定义在样本空间上的实值函数，它将样本空间中的每一个样本点映射到一个实数。随机变量的性质随机变量具有可测性、单调性和有界性等基本性质。

离散型随机变量是取值可数的随机变量，即其取值可以一一列出。离散型随机变量定义离散型随机变量的分布律可以用概率质量函数来描述，它给出了随机变量取各个值的概率。分布律离散型随机变量及其分布律

连续型随机变量定义连续型随机变量是取值连续的随机变量，即其取值充满某个区间。概率密度连续型随机变量的概率密度函数描述了随机变量在某个区间内取值的概率分布情况。连续型随机变量及其概率密度

随机变量的函数的定义随机变量的函数是由随机变量构成的函数，其取值也是随机的。要点一要点二分布求解对于随机变量的函数，可以通过变换法、卷积公式等方法求解其分布。随机变量的函数的分布

PART02数学期望的定义与性质REPORTINGAA

离散型随机变量的数学期望设离散型随机变量X的分布律为P{X=xk}=pk(k=1,2,...)，若级数∑k=1∞xkpk绝对收敛，则称级数∑k=1∞xkpk的和为随机变量X的数学期望，记为E(X)。连续型随机变量的数学期望设连续型随机变量X的概率密度函数为f(x)，若积分∫?∞+∞xf(x)dx绝对收敛，则称积分∫?∞+∞xf(x)dx的值为随机变量X的数学期望，记为E(X)。数学期望的定义

数学期望的性质常数的数学期望等于该常数本身。随机变量的数学期望与概率密度函数或分布律的选取无关。随机变量之和的数学期望等于各随机变量数学期望之和。若随机变量X以概率1取常数c，则E(X)=c。

0-1分布E(X)=p，其中p为成功概率。均匀分布U(a,b)E(X)=(a+b)/2，其中a,b为均匀分布的区间端点。二项分布B(n,p)E(X)=np，其中n为试验次数，p为成功概率。指数分布Exp(λ)E(X)=1/λ，其中λ为指数分布的参数。泊松分布P(λ)E(X)=λ，其中λ为泊松分布的参数。正态分布N(μ,σ^2)E(X)=μ，其中μ为正态分布的均值，σ^2为方差。常见分布的数学期望

随机变量函数的数学期望对于随机变量X的函数Y=g(X)，若∑k=1∞g(xk)pk或∫?∞+∞g(x)f(x)dx绝对收敛，则E[g(X)]=∑k=1∞g(xk)pk或E[g(X)]=∫?∞+∞g(x)f(x)dx。特别地，当g(x)=x^n时，E[Xn]=∑k=1∞xnkpk或E[Xn]=∫?∞+∞xnf(x)dx。

PART03方差、标准差与协方差REPORTINGAA

非负性方差总是非负的。定义方差是衡量一组数据离散程度的统计量，它等于各数据点与其均值之差的平方和的平均数。同一数据集方差唯一对于同一组数据，其方差是唯一的。可加性当两组数据相互独立时，它们的方差之和等于合并后的数据的方差。稳定性当数据集中每个数据点都加上或减去一个常数时，方差不变。方差的定义与性质

标准差的定义与性质同一数据集标准差唯一对于同一组数据，其标准差是唯一的。非负性标准差总是非负的。定义标准差是方差的算术平方根，它反映了数据集的离散程度。可比性标准差可用于比较不同数据集之间的离散程度。稳定性当数据集中每个数据点都加上或减去一个常数时，标准差不变。

010405060302定义：协方差是衡量两个变量共同变化程度的统计量，它等于两个变量各自与其均值之差的乘积的平均数。性质对称性：X与Y的协方差和Y与X的协方差相等。线性变换不变性：当两个变量进行线性变换时，它们的协方差也进行相应的线性变换。正值表示正相关，负值表示负相关，0表示不相关。协方差的大小受到变量量纲的影响，因此不同量纲的变量之间的协方差可能难以直接比较。协方差的定义与性质

定义：相关系数是反映两个变量之间线性相关程度的统计量，通常使用皮尔逊相关系数进行衡量。它等于两个变量的协方差除以它们各自标准差的乘积。性质取值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示不相关。对称性：X与Y的相关系数和Y与X的相关系数相等。无量纲性：相关系数消除了变量量纲的影响，使得不同量纲的变量之间的相关性可以进行直接比较。稳定性：当数据集中每个数据点都加上或减去一个常数时，相关系数不变。相关系数的定义与性质

PART04大数定律与中心极限定理REPORTINGAA

定义大数定律是描述随机事件在大量重复试验中呈现出的稳定性的一种规律。表现形式随着试验次数的增加，随机事件的频率逐渐稳定于某一常数，即该随机事件发生的概