Chapter4-数字特征.ppt_第1页
Chapter4-数字特征.ppt_第2页
Chapter4-数字特征.ppt_第3页
Chapter4-数字特征.ppt_第4页
Chapter4-数字特征.ppt_第5页
已阅读5页,还剩16页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

2019/7/15,1,第四章,随机变量的数字特征:,数学期望(均值),方差,相关系数,矩,离散型 连续型 随机变量函数,2,4.1 随机变量的数学期望,Example: 一射手进行打靶练习,规定射入区域E2得2分,射入E1得1分,脱靶,即射入区域E0得0分。 如果该射手一共射击了N次,其中得0分的有N0次,得1分的有N1次,得2分的有N2次,N0+N1+N2N 总得分: 平均分:,E1,E2,E0,N00 + N11 + N22,( N00 + N11 + N22 ) / N,2019/7/15,3,定义:,设离散型随机变量X的概率分布列为 P(X=xi)=pi,i=1,2, 若 ,则称 为X的数学期望(EX ) 即,离散型随机变量的数学期望,2019/7/15,4,离散型随机变量的数学期望,例 1 甲、乙两人进行打靶,所得分数分别记为X1,X2,它们的分布律分别为,X1 0 1 2,pk 0 0.2 0.8,X2 0 1 2,pk 0.6 0.3 0.1,试评定他们的成绩的好坏,数学期望可通俗理解为平均值.故此处所求可理解为平均分,2019/7/15,5,离散型随机变量的数学期望,例 2 按规定,某车站每天8:009:00, 9:0010:00都恰有一辆客车到站,但到站的时刻是随机的,且两者到站的时间相互独立,其规律为,到站时间,8:10 9:10,8:30 9:30,8:50 9:50,本题关键在于确定随机变量X,并求出其分布列,概 率 1/6 3/6 2/6,一旅客8:00到车站,求他候车时间的数学期望 一旅客8:20到车站,求他候车时间的数学期望,重点掌握二项分布数学期望和方差的求法:例4.2,2019/7/15,6,例3 据统计,一位40岁的健康者,在5年内活着或自杀的概率为 ,5年内非自杀死亡的概率为 .保险公司开办5年人寿保险,参加者需交保险费 元,若5年内非自杀死亡,公司赔偿 元 .应如何定 , 才能使公司获益?,离散型随机变量的数学期望,2019/7/15,7,例4 在一个人数很多的团体中,普查某种疾病,为此需化验 个人的血,可以用两种方法: (1)将每个人的血都分别化验,这就需要 次; (2)按 个人一组分组,把从 个人抽来的血混在一起检验,若呈阴性,则只需一次;若呈阳性,则再对每个人的血进行化验,这样需要 次. 假设每个人化验呈阳性的概率为 ,且化验结果互相独立,试说明在 很小时,选取适当的 ,按第二种方法可以减少化验次数,并说明 取什么值时最适合.,离散型随机变量的数学期望,2019/7/15,8,定义:设连续型随机变量X的概率密度函数为f(x),若积分,收敛,则称积分值 为X的数学期望(EX) 即,连续型随机变量的数学期望,例4.5,4.6,2019/7/15,9,随机变量函数的数学期望,设随机变量Y是随机变量X的函数,即 Y = g (X) 若已知X的分布,如何确定Y的期望? 若X是离散型随机变量 (例 4.14) 若X是连续型随机变量(例 4.10, 4.11),EY可直接根据fX(x)及Y与X的函数关系求出,而无需求出fy(y),可推广至二维随机变量,例4.12,2019/7/15,10,数学期望的重要性质,1. 设C为常数,则 EC = C 2. 设X是一个随机变量,C是常数,则有 ECX = CEX 3. 设X,Y是两个随机变量,则有 E(X+Y) = E(X) + E(Y) 4. 设X,Y是相互独立的随机变量,则有 E(XY) = E(X) E(Y),直观,易记忆,应用方便。从下页的推导即可看到其用途,2019/7/15,11,定义:,设X为一随机变量,若E(X-EX)2存在,则称它为随机变量X的方差,记为DX或Var(X),即,方差的算术平方根 称为X的标准差,若X是离散型随机变量,若X是连续型随机变量,4.2 随机变量的方差,DX是衡量X取值分散程度的一个尺度,推导过程?多用此式计算方差,见例4.16。,2019/7/15,12,方差的重要性质,1. 设C为常数,则 DC = 0 2. 任意随机变量X有DX 0,且DX 0的充要条件是 P(X=C) = 1 ( C = EX为常数 ) 3. 设X是一个随机变量,C是常数,则有 DCX = C2DX 4. 设X,Y是相互独立的两个随机变量,则有 D(X+Y) = D(X) + D(Y),2019/7/15,13,例4.22,设有随机变量X,EX=,DX=2,称Y=(X- )/ 为X的标准化,证明EY=0,DY=1.,例4.23,设随机变量X1,X2,Xn相互独立,EXi=,DXi=2 (i=1,2,n).令 求,从侧面验证了P58通过线性变换将正态分布转化为标准正态分布的正确性,注意不是充分性证明,注意本题结论的物理意义,2019/7/15,14,小 结,在二维随机变量(X, Y)中 随机变量的数学期望 EX, EY 随机变量的方差 DX, DY,反映了X和Y各自取值的集中位置,反映了X和Y各自的取值对集中位置的偏离程度,与4.4相比较,2019/7/15,15,几种重要随机变量的数学期望及方差,0 - 1分布 二项分布 泊松分布 几何分布 均匀分布 指数分布 正态分布,XB(n,p) EX = np DX=npq,XP() EX = DX = ,XB(1,p) EX = p DX=pq,X几何分布 EX = 1/p DX= q/p2,XUa,b EX = (a+b)/2 DX= (b-a)2/12,XE() EX = DX=1/ 2,XN(,2) EX = DX= 2,2019/7/15,16,4.3 随机变量的矩,设X是随机变量, 若E(Xk),k1,2存在,则称它为X的k阶原点矩,简称k阶矩; 若EX-E(X)k,k1,2存在,则称它为X的k阶中心矩。 X的数学期望EX是X的一阶原点矩,方差DX是X的二阶中心矩,2019/7/15,17,4.4 协方差和相关系数,随机变量X和Y之间的关系(独立与否) 相关系数 :表征XY之间线性关系紧密程度的量 协方差 Cov(X,Y),推导?,2019/7/15,18,1. 若以下的协方差均存在,则,(1)Cov(X,Y)=Cov(Y,X) (2)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y) (3)Cov(aX,bY)=abCov(X,Y),其中a,b为任意常数,2. 若X,Y相互独立,则Cov(X,Y)=0,3. 设k0,k1,kn为任意常数, X1,X2, ,Xn为随机变量,则,协方差的重要性质,0,2019/7/15,19,定理 4.8 设为随机变量X与Y的相关系数,则,P ( Y = aX+b ) = 1,其中a,b为常数, = 0 X,Y不相关 X,Y完全相关,相关系数的重要性质, = 1 X,Y正相关 = -1 X,Y负相关,亦即XY之间以概率1存在着线性关系。越大,线性相关程度越好。,相关与否只是就线性关系来说,(见p125)

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论