《概率论与数理统计》课件_第4章.pptxVIP

第四章随机变量的数字特征;

第一节数学期望;

;

例4-1甲、乙两人进行射击训练,所得环数分别记为X、Y,其分布律分别为

试比较他们成绩的好坏。;

解分别计算X和Y的数学期望:

这意味着,如果进行多次射击,甲所得环数的平均值为9.7,而乙所得环数的平均值为9.6,因此甲的成绩要好于乙。;

1.0－1分布

设随机变量X服从01分布,其分布律如表4-1所示。其中0p1,则E(X)=0×(1-p)+1×p=p。;

2.二项分布

设随机变量X服从二项分布B(n,p),即

则;

3.泊松分布

设随机变量X服从参数为λ的泊松分布P(λ),其分布律为

则;

二、连续型随机变量的数学期望;

例4-2设随机变量X的概率密度为

求E(X)。;

1.均匀分布

设随机变量X~U(a,b),其概率密度为

则

即数学期望位于区间(a,b)的中点。;

2.指数分布

设连续型随机变量X服从参数为λ的指数分布E(λ),其概率密度

则;

3.正态分布

设连续型随机变量X服从参数为μ、σ(σ0)的正态分布N(μ,σ2),其概率密度为

则;

三、随机变量函数的数学期望

定理4-1设g(x)是连续函数,Y是随机变量X的函数:Y=g(X)。

(1)如果X是离散型随机变量,其分布律为;

例4-3设随机变量X的分布律为;

例4-4-设风速V在(0,a)上服从均匀分布,即具有概率密度

又设飞机机翼受到的正压力W是V的函数:W=kV2(k0且为常数),求E(W)。;

四、数学期望的性质

设随机变量X、Y的数学期望E(X)、E(Y)存在,C为常数,则有如下性质:

性质1E(C)=C。

性质2E(CX)=CE(X)。

性质3E(X+Y)=E(X)+E(Y)。

此性质可推广到任意有限个随机变量之和的情况,即;

性质4-当X、Y相互独立时,有E(XY)=E(X)E(Y)

此性质可推广到任意有限个相互独立的随机变量之积的情况,即;

例4-5设一电路中电流I(A)与电阻R(Ω)是两个???互独立的随机变量,其概率密度分别为

试求电压V=IR的期望。;

第二节方差;

试比较他们成绩的好坏。

;

定义4-3设X是一个随机变量,若数学期望E{[X-E(X)]2}存在,则称E{[X-E(X)]2}为随机变量X的方差,记为D(X)或Var(X),即;

;

这样,我们得到了计算方差的一个重要公式:;

例4-6设连续型随机变量X的分布函数为;

二、方差的性质

设随机变量X、Y的方差D(X)、D(Y)都存在,C为常数,则有如下性质:

性质1D(C)=0。

性质2D(CX)=C2D(X)。

性质3当X与Y相互独立时,有

当X与Y不相互独立时,有;

证明由于;

性质4-D(X)=0的充分必要条件是X以概率1取常数C,即P{X=C}=1,其中C=E(X)。;

例4-7设随机变量X服从0－1分布,其分布律为;

例4-8设随机变量X~U(a,b),求D(X)。;

三、常用分布的期望和方差

六种常见分布的期望和方差的结果归纳见表4-2。;

第三节协方差与相关系数;

;

例4-9设二维离散型随机变量(X,Y)的联合分布律为

求Cov(X,Y);

;

例4-10设二维连续型随机变量(X,Y)的概率密度为;

协方差具有下列性质:

性质1Cov(X,Y)=Cov(Y,X)。

性质2Cov(aX,bY)=abCov(Y,X),其中a、b为任意常数。

性质3Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)。

性质4-设X与Y相互独立,则有Cov(X,Y)=0。;

二、相关系数

定义4-5若D(X)0,D(Y)0,则称为X和Y的相关系数,记为ρXY,即;

例4-11设二维离散型随机变量(X,Y)的联合分布律为;

;

;

;

定理4-2若X、Y独立,则X、Y不相关。

证明若X、Y独立,则有

从而;

例4-12设二维随机变量(X,Y)的概率密度为;

;

;

;

本章小结;

;

2.随机变量的方差的定义、计算公式及性质;

3.随机