概率论与数理统计第4章.pptVIP

5.性质解例1结论解例21.问题的提出二、相关系数的意义解得2.相关系数的意义例3解单击图形播放/暂停ESC键退出(1)不相关与相互独立的关系3.注意相互独立不相关(2)不相关的充要条件4.相关系数的性质证明由方差性质知故有单击图形播放/暂停ESC键退出三、小结相关系数的意义第四节大数定律一、问题的引入二、基本定理三、典型例题四、小结一、问题的引入实例频率的稳定性随着试验次数的增加,事件发生的频率逐渐稳定于某个常数.启示:从实践中人们发现大量测量值的算术平均值有稳定性.单击图形播放/暂停ESC键退出二、基本定理定理一（契比雪夫定理的特殊情况）契比雪夫定理一（契比雪夫定理的特殊情况）表达式的意义二、基本定理证明由契比雪夫不等式可得并注意到概率不能大于1,则关于定理一的说明:（这个接近是概率意义下的接近）即在定理条件下,n个随机变量的算术平均,当n无限增加时,几乎变成一个常数.定理一的另一种叙述:依概率收敛序列的性质:证明引入随机变量伯努利定理二（伯努利大数定理）显然根据定理一有将g(X)特殊化，可得到各种数字特征:其中k是正整数.二维随机变量函数的数学期望例1解四、数学期望的性质1.设C是常数，则E(C)=C;4.设X、Y独立，则E(XY)=E(X)E(Y);2.若k是常数，则E(kX)=kE(X);3.E(X1+X2)=E(X1)+E(X2);（诸Xi独立时）注意:由E(XY)=E(X)E(Y)不一定能推出X,Y独立五、数学期望性质的应用例1求二项分布的数学期望若X~B(n,p)，则X表示n重贝努里试验中的“成功”次数.现在我们来求X的数学期望.可见，服从参数为n和p的二项分布的随机变量X的数学期望是np.X~B(n,p),若设则X=X1+X2+…+Xn=npi=1,2，…，n因为P(Xi=1)=p,P(Xi=0)=1-p所以E(X)=则X表示n重贝努里试验中的“成功”次数.E(Xi)==p例2把数字1,2,…,n任意地排成一列，如果数字k恰好出现在第k个位置上，则称为一个巧合，求巧合个数的数学期望.由于E(Xk)=P(Xk=1)解:设巧合个数为X,k=1,2,…,n则故引入这一讲，我们介绍了随机变量的数学期望，它反映了随机变量取值的平均水平，是随机变量的一个重要的数字特征.接下来的一讲中，我们将向大家介绍随机变量另一个重要的数字特征：方差一、随机变量方差的概念及性质三、例题讲解二、重要概率分布的方差四、小结第二节方差上一讲我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量的一个重要的数字特征.但是在一些场合，仅仅知道平均值是不够的.例如，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：若让你就上述结果评价一下两台仪器的优劣，你认为哪台仪器好一些呢？乙仪器测量结果甲仪器测量结果较好测量结果的均值都是a因为乙仪器的测量结果集中在均值附近又如,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：你认为哪门炮射击效果好一些呢?甲炮射击结果乙炮射击结果乙炮因为乙炮的弹着点较集中在中心附近.中心中心为此需要引进另一个数字特征,用它来度量随机变量取值在其中心附近的离散程度.这个数字特征就是我们这一讲要介绍的方差一、方差的定义采用平方是为了保证一切差值X-E(X)都起正面的作用由于它与X具有相同的度量单位，在实际问题中经常使用.方差的算术平方根称为标准差设X是一个随机变量，若E[(X-E(X)]2∞，则称D(X)=E[X-E(X)]2(1)为X的方差.若X的取值比较分散，则方差较大.若方差D(X)=0,则r.vX以概率1取常数值.方差刻划了随机变量的取值对于其数学期望的离散程度.若X的取值比较集中，则方差较小；D(X)=E[X-E(X)]2X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)