GT23一维随机变量的方差与标准差.pptxVIP

一维随机变量的方差与标准差概率论与数理统计·随机变量的数字特征GT2-3·VarianceStandardDeviation

Contents课程目录从概念到应用，系统掌握方差的理论基础与实践方法。01概念引入：为什么需要方差02方差的计算方法03方差的性质与推导04实际应用案例

CHAPTER01概念引入：为什么需要方差从数学期望的局限性出发，理解离散程度度量的必要性

ProbabilityStatistics问题的提出：期望相同就够了吗？数学期望只能描述随机变量取值的中心位置，但无法反映取值围绕中心的分散程度。两个期望相同的随机变量，其取值分布可能截然不同，因此需要引入新的数字特征来度量离散程度。射击靶纸上箭矢落点的集中与分散对比01甲射手成绩为7,8,8,8,9，乙射手成绩为5,6,8,10,11，两人平均成绩均为8环，期望相同02甲的成绩集中在8附近波动小，乙的成绩散布范围大，两人发挥的稳定性有本质区别03仅靠数学期望E(X)无法区分这种集中与分散的差异，需要引入度量离散程度的数字特征04方差正是用来衡量随机变量取值偏离其期望的平均偏离程度，是期望之外最重要的数字特征之一

VARIANCE·RISKANALYSIS投资风险案例：期望相同，风险不同在投资决策中，期望收益相同的两个项目，方差越小意味着收益波动越小、风险越