基本统计概念的回顾.pptVIP

2.2随机变量设f(x)是定义在随机变量X的一切可能取值集合上的函数。如果对于X的每一个可能值x，都有另一个随机变量Y的取值y=f(x)与之相对应，则称Y为X的函数，记作Y=f(X)。常常遇到一些随机变量，它们的分布往往难于直接得到（例如滚珠体积的测量值等），但与它们有关系的另一个随机变量的分布却是容易知道的（如滚珠直径的测量值）。因此，就要研究两个随机变量之间的关系，然后通过它们之间的关系，由已知随机变量的分布求出与之有关的其它随机变量的分布。其间的关系通常用函数关系表示。随机变量函数2.3对总体的描述：随机变量的数字特征数学期望方差数学期望与方差的图示相关系数与协方差偏度和峰度一、数学期望（集中趋势的度量）离散型随机变量数学期望的定义假定有一个离散型随机变量X有n个不同的可能取值x1,x2,……,xn，而p1,p2,……,pn是X取这些值相应的概率，则这个随机变量X的数学期望定义如下：数学期望描述的是随机变量（总体）的一般水平连续型随机变量数学期望的定义数学期望（集中趋势的度量）若连续型随机变量X有分布密度函数f(x)，而积分绝对收敛，则称为X的数学期望。数学期望是最容易发生的，因而是可以期待的。它反映数据集中的趋势。求离散型随机变量数学期望举例例1甲、乙两射手在一次射击中的得分（分别用X、Y表示）的分布率如下：试比较两射手的射击技术水平，并计算如果二人各发一弹，他们得分和的估计值。解EX=1?0.4+2?0.1+3?0.5=2.1EY=1?0.1+2?0.6+3?0.3=2.2E(X+Y)=2.1+2.2=4.3因为EXEY，所以乙射手射击水平比较高；二人各发一弹，得分总和最可能在4.3分左右（即4分或5分）例2：3、数学期望的性质E(aX+b)=aE(X)+b如果a、b为常数，则E(X+Y)=E(X)+E(Y)如果X、Y为两个随机变量，则E[g(X)+f(X)]=E[g(X)]+E[f(X)]如果g(x)和f(x)分别为X的两个函数，则E(X.Y)=E(X).E(Y)如果X、Y是两个独立的随机变量，则条件期望值的定义：对于连续型随机变量的条件期望只要把加总符号换成积分号即可。4、条件期望几个重要性质#2022二、方差：离散程度的度量1、随机变量方差的定义若X为连续型随机变量，则X的方差以下式给出随机变量的方差记作Var(x)。方差的算术平方根叫标准差。2、方差的性质Var(c)=0Var(c+x)=Var(x)Var(cx)=c2Var(x)x,y为相互独立的随机变量，则Var(x+y)=Var(x)+Var(y)=Var(x-y)Var(a+bx)=b2Var(x)a,b为常数，x,y为两个相互独立的随机变量，则Var(ax+by)=a2Var(x)+b2Var(y)Var(x)=E(x2)-(E(x))2例1甲、乙两射手在一次射击中的得分（分别用X、Y表示）的分布率如下：E(X)=2.1Var(X)=（-1.1）2?0.4+（-0.1）2?0.1+0.92?0.5=0.89例3计算本节例1中甲射手的方差三、数学期望与方差的图示数学期望描述随机变量的集中程度，方差描述随机变量的离散程度。1方差同、期望变大2期望同、方差变小51055四、相关系数与协方差协方差和相关系数都是描述两个随机变量相互关联程度的参数或统计量。方差是度量一个随机变量变异程度的指标，而协方差则是度量两个随机变量协同变动的指标。要度量两个随机变量之间的关系，自然要考察两个变量同时变化——协同变化的情况，于是需要定义协方差。为了弥补协方差的不足——受计量单位和数量尺度的影响，进而定义了度量两个随机变量呈线性相关程度的指标——相关系数。1、协方差定义：令随机变量X和Y的期望分别为E(x),E(y),其协方差为:cov(X,Y)=E[(X-E(x))(Y-E(y))]=E(XY)-E(X)E(Y)一般而言，两随机变量的协方差可正可负。若两变量同方向变动，则协方差为正，反之则为负。协方差的性质若随机变量X，Y相互独立，则其协方差为0。cov(a+bX,c+dY)=bdcov(X,Y)cov(X,X)=var(X)相关变量的方差若随机变量不是独立的，对于X+Y或X-Y的方差为：Va