概率论与数理统计随机变量的数字特征课件.pptVIP

第四章随机变量的数字特征引例:1

分布函数能够完整地描述随机变量的统计特性，但在一些实际问题中，只需知道随机变量的某些特征，因而不需要求出它的分布函数.评定某企业的经营能力时，只要知道该企业人均赢利水平；研究水稻品种优劣时，我们关心的是稻穗的平均粒数及每粒的平均重量；检验棉花的质量时，既要注意纤维的平均长度，又要注意纤维长度与平均长度的偏离程度，平均长度越长、偏离程度越小，质量就越好;考察一射手的水平，既要看他的平均环数是否高，还要看他弹着点的范围是否小，即数据的波动是否小.2

由上面例子看到，与随机变量有关的某些数值，虽不能完整地描述随机变量，但能清晰地描述随机变量在某些方面的重要特征,这些数字特征在理论和实践上都具有重要意义.随机变量某一方面的概率特性都可用数字来描写q随机变量的平均取值——数学期望q随机变量取值平均偏离平均值的本章内容情况——方差q描述两个随机变量之间的某种关系的数——协方差与相关系数3

4.1数学期望4.1.1数学期望的性质4.1.2随机变量函数的数学期望4.1.3数学期望的简单应用4

设离散型随机变量X的分布律为定义若无穷级数绝对收敛，则称其和为随机变量X的数学期望记为5

设连续型随机变量X的概率密度为若积分绝对收敛,则称此积分的值为随机变量X的数学期望记为数学期望简称期望，又称均值注:数学期望反映了随机变量取值的平均值,它是一种加权平均6

4.1.1数学期望的性质7

证明：仅就证性质（4）8

例解:9

例解:例解:10

例解:11

例解:12

常见随机变量的数学期望分布概率分布期望参数为p的0-1分布pB(n,p)P(?)np?13

分布概率密度期望区间(a,b)上的均匀分布E(?)N(?,?)214

例解:引入随机变量则有15

故（次）16

例17

解:18

19

下面这个例子说明性质(4)在没有独立假设的条件下一般不成立例设X服从参数为p(0p1)的Bernoulli分布,20

4.1.2随机变量函数的数学期望定理21

22

例解:23

例Y0123X1303/83/801/8001/8Y0123P1/83/83/81/8X13解:P3/41/424

4.1.3数学期望的简单应用例市场上对某种产品每年的需求量为X吨，X~U[2000,4000],每出售一吨可赚3万元,售不出去，则每吨需仓库保管费1万元,问应该生产这种商品多少吨,才能使平均利润最大？解:设每年生产y吨的利润为Y,2000y400025

故y=3500时，EY最大，EY=8250万元26

例某保险公司规定,如果在1年内顾客的投保事件A发生,该公司就赔偿顾客a(元),若1年内事件A发生的概率为p,为使公司收益的期望值等于a的10%,问该公司应该要求顾客交多少保险费?解:设顾客应交的保险费为x(元),公司收益为Y(元),这里x是普通变量,Y的取值与事件A是否发生有关由题意有27

且已知所以由题意所以28

例n为普查某种疾病,个人需验血,可采用两种方法验血：(1)分别化验每个人的血,共需化验n次；(2)将k个人的血混合在一起化验，若化验结果为阴性,则此k个人的血只需化验一次；若为阳性,则对k个人的血逐个化验，找出有病者,这时k个人的血需化验k+1次.设某地区化验呈阳性的概率为p，且每个人是否为阳性是相互独立的.试说明选择哪一种方法可以减少化验次数29

解:为简单计，设n是k的倍数，设共分成n/k组第i组需化验的次数为XiXiP1k+130

若则EXn例如，31

课堂练习(2)设二维连续随机变量的概率密度为32

解:33

34

4.2中位数、众数和分位点35

定义定义36

定义37

例解:例解:38

39

4.3方差4.3.1方差的定义4.3.2方差的性质40

引例检验两批灯泡的质量,从中分别随机抽样5只,测得使用寿命(单位:小时)如下:A:2000150010005001000B:15001500100010001000试比较这两批灯泡质量的好坏计算得:平均寿命分别为:A:1200B:1200观察得:A中使用寿命偏离较大,B中使用寿命偏离较小所以,B产品质量较好41

4.3.1方差的定义注:(X-EX)是X的函数,也是随机变量E(X-EX)——随机变量X的取值偏离平均值的平均偏离程度——数2——随机变量X的取值偏离平均值的情况,242

若X为离散型随机变量，概率分布为若X为连续型随机变量，概率密度为f(x)注:常用的计算方差的公式：43

4.3.2方差的