应用概率统计（第二版）第4章 随机变量的数字特征.pptxVIP

第4章随机变量的数字特征4.1随机变量的数学期望4.24.34.4随机变量的方差协方差和相关系数切比雪夫不等式及大数定律4.5中心极限定理

4.1随机变量的数学期望

4.1.1数学期望的定义设离散型随机变量X的分布律为PX=xk=pk,k=1,2,…,定义4-1

4.1.1数学期望的定义【例4-1】某商店在年末大甩卖中进行有奖销售,摇奖时从摇箱中摇出的球的可能颜色为红、黄、蓝、白、黑五种,其对应的奖金分别为10000元、1000元、100元、10元和1元.假定摇箱内装有很多球,其中红、黄、蓝、白、黑的比例分别为0.01%、0.15%、1.34%、10%、88.5%,求每次摇奖摇出的奖金额X的数学期望.解每次摇奖摇出的奖金额X是一个随机变量,易知它的分布律如下所示:因此E(X)=10000×0.0001+1000×0.0015+100×0.0134+10×0.1+1×0.885=5.725.可见,平均起来每次摇奖的奖金不足6元.这个值对商店作计划预算很重要.

4.1.1数学期望的定义定义4-2

4.1.1数学期望的定义【例4-4】设X服从均匀分布U(a,b),求数学期望E(X).解由题设可知,X的概率密度函数为

4.1.2随机变量函数的数学期望设Y是随机变量X的函数,即Y=g(X)(g(x)是连续函数).定理4-1特别地,称随机变量X的k次方的数学期望E(Xk)为X的k阶原点矩,称X-E(X)的k次方的期望E{[X-E(X)]k}为X的k阶中心矩.

4.1.2随机变量函数的数学期望【例4-7】已知随机变量X的分布律为解

4.1.3数学期望的性质性质1E(c)=c,其中c为常数.性质2E(cX)=cE(X).证明不妨设X为连续型随机变量,密度函数为f(x),cX为随机变量X的函数,所以性质3E(X1+X2)=E(X1)+E(X2).证明不妨设(X1,X2)为二维连续型随机变量,联合密度函数为f(x,y),所以推论设X1,X2,…,Xn为n个随机变量(n≥2)

4.1.3数学期望的性质性质4若随机变量X与Y相互独立,则E(XY)=E(X)E(Y).证明不妨设(X,Y)为二维连续型随机变量,由于X和Y相互独立,所以(X,Y)的联合密度函数为f(x,y)=fX(x)fY(y).则性质4可以推广为:若X和Y相互独立,g(X)与h(Y)分别为X和Y的函数,则E[g(X)h(Y)]=E[g(X)]·E[h(Y)].

4.1.3数学期望的性质【例4-12】设随机变量X和Y相互独立,且分别服从参数为2和4的指数分布,求E(X+Y)和E(XY).解因为X服从参数为2的指数分布,Y服从参数为4的指数分布,因此

4.2随机变量的方差

4.2.1方差的定义定义4-3设X为随机变量,若E{[X-E(X)]2}存在,则称E{[X-E(X)]2}为X的方差,记作D(X),即D(X)=E{[X-E(X)]2}.称D(X)为X的标准差(或均方差),记作σX,方差D(X)是随机变量X的取值相对于均值偏离程度的一种度量.由定义4-3知方差实际上是随机变量X的函数g(X)=[X-E(X)]2的数学期望.在实际计算中,用定义计算方差不是很方便,而是常用下面的方法:D(X)=E{[X-E(X)]2}=E{X2-2X·E(X)+[E(X)]2}=E(X2)-2E(X)·E(X)+[E(X)]2=E(X2)-[E(X)]2,即D(X)=E(X2)-[E(X)]2.

4.2.1方差的定义【例4-14】随机变量X的分布律如下:求E(X),E(X2),E(2X-3),D(X).

4.2.2方差的性质由于方差是用数学期望定义的,故由数学期望的性质很容易推得方差的一些重要性质.设随机变量X与Y的方差存在,则有(1)若c为常数,则D(c)=0.(2)若a,b为常数,则D(aΧ+b)=a2D(Χ).特别地,D(cΧ)=c2D(Χ).(3)若随机变量X和Y相互独立,则D(X+Y)=D(X)+D(Y).

4.2.2方差的性质证明(2)D(aX+b)=E{[aX+b-E(aX+b)]2}=E{[aX-aE(X)]2}=a2E{[X-E(X)]2}=a2D(X).(3)由于X与Y相互独立,可知E(XY)=E(X)·E(Y),所以D(X+Y)=E[(X+Y)2]-[E(X+Y)]2=E(X2+2XY+Y2)-{[E(X)]2+2E(X)E(Y)+[E(Y)