概率论课件2.5

合集下载

概率论的基本知识PPT课件

概率论的基本知识PPT课件

• (N ∞)],其分布曲线都相同。
• ●由此可见,虽然各小球在与任一钉子碰撞 后向左还是向右运动都是随机的,由很多偶 然因素决定,但最终大量小球的总体在各槽 内的分布却有一定的分布规律,这种规律由 统计相关性所决定
第2页/共19页
§2.2.2 等概率性与概率的基本性质
• (一)概率的定义
• ●在一定条件下,如果某一现象或某一事件 可能发生也可能不发生,我们就称这样的事 件为随机事件。
• ●为了对连续变量的概率分布了解得更清楚,
第12页/共19页
子弹沿靶板的分布实验
图是直角坐标示靶板上 的分布 把靶平面划分出很多宽 为x的窄条 x的宽度比黑点的大小 要大得多。
●数出在x到x+Δx范围 窄条的黑点数ΔN,
把它除以靶板上总的黑
点数N
• 则其百分比就是黑点处于x 到x+Δx范围内
这一窄条的概率。 第13页/共19页
• ●在曲线中x到x+dx微小线段下的面积则表示黑点处于x到x+dx范围内的概 率,故有黑点位置处于x1到x2范围内的概率
x2 x1
f (x)dx
●上式中已把积公区域扩展为无穷大
f (x)dx 1
第15页/共19页
●类似地可把靶板沿y方向划分为若干宽为y
的窄条, 数出每一窄条中的黑点数,
求出 f ( y )=N /N y
第5页/共19页
• ●把一个骰子连续掷两次,若骰子是刚性的,掷第二次出现的概率与第一次 掷过否,第一次出现的哪一面向上都无关,
• 我们就说连续两次掷骰子是统计独立的。 • ●若骰子是刚性的,且每一面向上的概率都是(1/6),连续掷两次出现的花
样为11,12,……65,66共36种。 • 显然这36种花样也是等概率的,故连续掷两次均出现 “1”的概率是

概率论2.5

概率论2.5




1 , | x | R, f X ( x) R 2 x 2 其它. 0,


例7 设电源电压不超过200V,在200V~240V和超过 240V三种情况下,某种电子元件损坏的概率分别为 0.1,0.001和0.2,假设电源电压X服从正态分布 N(220,252),试求 (1)该电子元件损坏的概率α ; (2)该电子元件损坏时,电源电压在200V~240V的概 率β . 解 设A=“电子元件损坏”,Bi =“电源电压在第i档”, i=1,2,3,则 (1)
F ( x), 当F ( x)存在时, f ( x) 当F ( x)不存在时, 0,


F ( x) f (t )dt


x
(可用牛顿—莱布尼兹公式证明),故该随机变量为 连续型的且其概率密度为上面确定的f(x).

在求Y=g(X)的概率密度时,只要Y的分布函数FY(y) 满足上述的条件,就可以先求FY(y),然后再求其导 数FY’(y)而得到结果.
1 e 2 | a |
[ y ( a b )]2 2 a 2 2

故Y=aX+b~N(aμ +b,a2σ 2),这说明正态随机变量 的线性函数仍然是正态变量.

例4 设X~N(μ ,σ 2),求Y=(X−μ )/σ 的概率密度?

y2 2
1 fY ( y ) e 2

故所求的概率为
P(Y 3)
C (0.05) (0.95)
k 3 k 100 k

100
100 k
利用泊松逼近定理
5 5 e 0.875 k 3 k!

高中数学第二章概率2.5随机变量的均值和方差概率论与数理统计公式整理素材苏教版选修2_3202012251156

高中数学第二章概率2.5随机变量的均值和方差概率论与数理统计公式整理素材苏教版选修2_3202012251156
①可分离变量
②正概率密度区间为矩形
二维正态分布
=0
随机变量的函数
若X1,X2,…Xm,Xm+1,…Xn相互独立,h,g为连续函数,则:
h(X1,X2,…Xm)和g(Xm+1,…Xn)相互独立。
特例:若X与Y独立,则:h(X)和g(Y)独立。
例如:若X与Y独立,则:3X+1和5Y-2独立。
(8)二维均匀分布
当x2>x1时,有F(x2,y)≥F(x1,y);当y2>y1时,有F(x,y2)≥F(x,y1);
(3)F(x,y)分别对x和y是右连续的,即
(4)
(5)对于
.
(4)离散型与连续型的关系
(5)边缘分布
离散型
X的边缘分布为

Y的边缘分布为

连续型
X的边缘分布密度为
Y的边缘分布密度为
(6)条件分布
离散型
不可能事件(Ø)的概率为零,而概率为零的事件不一定是不可能事件;同理,必然事件(Ω)的概率为1,而概率为1的事件也不一定是必然事件。
)事件的关系与运算
①关系:
如果事件A的组成部分也是事件B的组成部分,(A发生必有事件B发生):
如果同时有,,则称事件A与事件B等价,或称A等于B:A=B。
A、B中至少有一个发生的事件:AB,或者A+B。
加法公式
P(A+B)=P(A)+P(B)-P(AB)
当P(AB)=0时,P(A+B)=P(A)+P(B)
减法公式
P(A-B)=P(A)-P(AB)
当BA时,P(A-B)=P(A)-P(B)
当A=Ω时,P()=1- P(B)
条件概率

第一章 概率论的基本概念PPT课件

第一章 概率论的基本概念PPT课件

(4) A BA BA AB
(5)
n
n
n
n
Ai Ai ,
Ai Ai ,
i 1
i 1
i 1
i 1
Ai Ai ,
Ai Ai .
i 1
i 1
i 1
i 1
上一页 下一页 返 回
例2: 设A,B,C为三个事件,试用A,B,C表 示下列事件: (1)A发生且B与C至少有一个发生; (2)A与B都发生而C不发生; (3)A,B,C恰有一个发生; (4)A,B,C中不多于一个发生; (5)A,B,C不都发生; (6)A,B,C中至少有两个发生。
例1 : 从一批产品中任取8件,观察其中的正品件数, 则这一试验的样本空间为:
={0,1,2,3,4,5,6,7,8}
引入下列随机事件: A={正品件数不超过3}={0,1,2,3} B={取到2件至3件正品}={2,3} C={取到2件至5件正品}={2,3,4,5}
D={取到的正品数不少于2且不多于5}={2,3,4,5}
上一页 下一页 返 回
样本空间:
随机试验E的全体基本事件组成的集合。记为。
随机事件中有两个极端情况:
•每次试验中都必然发生的事件,称为必然事件 。
•每次试验中都不发生的事件,称为不可能事件 。
基本事件是样本空间的单点集。 复合事件是由多个样本点组成
不可能事件不含任何样本点,它就是空集 。
或A1A2 … An ,也可简记为 n 。A i
i1
在可列无穷的场合,用
i1
A
i
表示事件“A1、A2

…诸
事件同时发生。”
上一页 下一页 返 回
40 AB
事件A发生但事件B不发生,称为事件A与事件B的差 事件。显然有:

概率论2.5

概率论2.5

例如,设 X ~ N ( ,2) , Y = a X +b, 则
1 1 ( y b) fY ( y ) fX |a| a

1 2 | a |
e
( y b a ) 2 2 a 2 2
y
Y ~ N ( a +b, a22 ) 特别地 ,若 X ~ N ( , 2) , X 则 Y ~ N (0,1)
2.5
随机变量函数的分布
2.5.1 离散型随机变量函数的分布 2.5.2 连续性随机变量函数的分布
问题:已知随机变量 X 的概率特性 ——分布 函数 或密度函数(分布律) Y = g (X) 求随机因变量Y 的概率特性 方法:将与Y 有关的事件转化成X 的事件
2.5.1 离散型随机变量函数的分布
当a < 0 时,
X 1 ( y b) FY ( y ) P a 1 ( y b) 1 FX a
1 1 f Y ( y ) f X ( y b) a a

1 1 ( y b) fY ( y ) fX | a| a

课堂练习
求 Y=2X+8 的概率密度. 解:设Y的分布函数为 FY(y),
x / 8, 0 x 4 设 X ~ fX ( x) 0, 其它
FY(y)=P{ Yy } = P (2X+8 y )
=P{ X
y8 2
} = FX(
y8 ) 2
于是Y 的密度函数
dFY ( y) y 8 1 fY ( y) fX ( ) dy 2 2
则 把 这 些 相 同 的 项 合( 看 作 是 一 项 ) , 并相 应 并 把 的 概 率 相 加 , 即 可 得 机 变 量 g X 的 分 布 律 随 Y .

概率论与数理统计2.5

概率论与数理统计2.5

解题思路
⑴.先求Y g X 的分布函数 FY y P Y y Pg X y
g ( x ) y
f
X
( x )dx
关系求 Y g X 的密度函数
⑵.利用Y g X 的分布函数与密度函数之间的 f Y y FY y
返回主目录
§5
随机变量的函数的分布
例 6(续)
⑵.若 y 0 ,则
FY y PY y P X y
P y X y
FX y FX y
FX y FX y y 0 FY y 0 y0 对上式求导,可得 Y X 的密度函数为
x , 0 x 4, f X (X ) 8 其它. 0,
返回主目录
§5
随机变量的函数的分布
例 4(续) 整理得 Y=2X+8 的概率密度为:
y 8 32 , 8 y 16, fY ( y ) 0, 其它.
本例用到变限的定积分的求导公式
如果 F ( x) 则
设 随机变量 X 的密度函数为 f X x , Y X ,试 求随机变量Y 的密度函数 f Y y .
设随机变量X 的分布函数为FX y ,随机变量 Y 的分布函数为FY y
解:
FY y P Y y P X y
⑴.若 y 0 ,则 FY y P Y y P X y P 0
10 由于 Y X 2 0, 故当 y 0 时 FY ( y) 0.
20 当 y 0 时, FY ( y ) P{Y y} P{ X 2 y} P{ y X y }

《概率论》ppt课件

《概率论》ppt课件
xi R, i 1, 2, , n.
对于固定的 n ,我们称{FX (x1, x2, , xn;t1,t2, ,tn ),ti T}
为随机过程{X (t),t T}的 n 维分布函数族。
注:可以证明(柯尔莫哥洛夫),在一定条件下 ,随机过程的统计特性完全由它的有限维分布函 数族决定。
(二)二维随机过程的联合分布函数
p
2 (1, )
2 1 2
(0, 1 ) 4
1
2
三 随机过程的数字特征
1.单个随机过程的情况
① 函数 X (t) E[X (t)], t T
为{X(t),tT}的均值函数.

2 X
(t)
E[ X
2
(t )]
为{X(t),tT}的均方值函数.

2 X
(t
)
DX (t) D[ X (t)]
为{X(t),tT}的方差函数.
例3: 考虑抛掷一颗骰子的试验,(i)设 X是n 第n次 (n )1 抛掷的点数,对于n=1,2…的不同值, 是X不n 同的随机变量,因而 { Xn构, n成 1一} 随机过程,称为 贝努利过程或贝努利随机序列,(ii)设Xn是前n次
抛掷中出现的最大点数,
也{是X一n , n随机1}过程。
例 4 在时间 [0,t]内某地段出现的交通事故次数
2. n维分布函数族
对 任 意 正 整 数 n 可 取 定 t1,t2, ,tn T 则 (X (t1), X (t2 ), , X (tn )) 是一个n 维随机变量,他的分 布函数为
FX (x1, x2 , , xn; t1, t2, , tn )
P( X (t1) x1, X (t2 ) x2, , X (tn ) xn ),

高中数学第二章概率2.5随机变量的均值和方差概率论与数理统计公式整理素材苏教版选修2_32

高中数学第二章概率2.5随机变量的均值和方差概率论与数理统计公式整理素材苏教版选修2_32

指数分布
ex ,
f (x)
0 服从参数为 的指数分
布。 X 的分布函数为
F(x)
1 ex , 0,
x 0,
x<0。
记住积分公式:
x nex dx n!
0
正态分布
设随机变量 X 的密度函数为
f (x)
1
( x )2
e , 2 2 x ,
F(x) 1
(t )2
x
e
2 2
dt
2

参数 0 、 1时的正态分布称为标准正态分布,记
为 X ~ N(0,1) ,其密度函数记为
(x)
1
x2
e2
2 , x ,
分布函数为
(x) 1
x
e
t2
2
dt

2
(x) 是不可求积函数,其函数值,已编制成表可供查用。
Φ(-x)=1-Φ(x)且 Φ(0)= 1 。 2
当 P(AB)=0 时,P(A+B)=P(A)+P(B)
P(A-B)=P(A)-P(AB)
减法公式 当 B A 时,P(A-B)=P(A)-P(B)
当 A=Ω时,P( B )=1- P(B)
定义 设 A、B 是两个事件,且 P(A)>0,则称 P( AB) 为事件 A 发生条 P( A)
条件概率
件下,事件 B 发生的条件概率,记为 P(B / A) P( AB) 。 P( A)
件,它具有如下性质:
①每进行一次试验,必须发生且只能发生这一组中的一个事件;
②任何事件,都是由这一组中的部分事件组成的。
基 本 事 这样一组事件中的每一个事件称为基本事件,用 来表示。

概率论与数理统计2.5

概率论与数理统计2.5
求Y的密度函数fY y ,分布函数FY y 。
步骤:
1)根据分布函数的定义,将 FY(y) 用 FX(x) 表示;
FY ( y ) P{Y y } P { g X y } P{ X G}
2)根据分布函数与密度函数的关系,求出Y的概率密度. fY y FY ( y )
试用分布函数法求
Y e X 的密度函数
x / 8, 0 x 4 Y=2X+8 f X ( x) 0, 其它 dFY ( y ) y8 1 fY ( y ) fX ( ) dy 2 2
f ( 0)28
X
y
f ( )28 16
X
y y 8
注意到 0 < x < 4 时, 即 8 < y < 16 时,
分布函数法

x / 8 , 0 x 4 设 X ~ f ( x) X 0, 其它
求 Y=2X +8 的概率密度.
解:设Y的分布函数为 FY(y),
FY(y)=P{Y y } = P{2X +8 y } =P{ X
y8 2
} = FX
y8 ( ) 2
于是Y 的密度函数 dFY ( y ) fY ( y ) F X ( y 8 )( y 8 ) f X ( y 8 ) 1 dy 2 2 2 2
1 1 x 2 fX ( x) 其他 0
2X
FY y P Y y P e
y
当y>0时
ln y ln y PX FX 2 2
ln y 1 ln y ln y f fY ( y ) FY ( y ) FX X 2 2 y 2 2

《概率论讲义》PPT课件

《概率论讲义》PPT课件
(2) 规范性 : Fn 1;
(3) 可加性:对互斥事件A, B,有 Fn (A B) Fn (A) Fn (B)
推广 有限可加性: 若A1,A2,, Ak 两两 互不相容, 则
k
F n( Ai ) Fn ( A1) Fn ( A2 ) Fn ( Ak ). i 1
E2:将一枚硬币抛三次,观察正反面出现的情况. 2={HHH, THH,
HTH, HHT,HTT,THT,TTH,TTT }
E3:掷一颗骰子,观察点数.则 3={1,2,3,4,5,6}
1=1 2=2 6=6
E4:电话交换台一分钟内接到的呼唤次数.
4={0,1,2, }
1=0, 2=1, 3=2
0.5069
皮尔逊 12000
6019
0.5016
皮尔逊 24000
12012
0.5005
(二) 概 率
1 统计定义: 频率的稳定值P(A)反映了事件A在一次试 验中发生的可能性大小,称P(A)为事件A 的概率。
2 公理化定义:设为样本空间,A为事件, 对每一事件A赋予一实数P(A),如果P(A)满 足如下三条公理:
故有
P(i )

1 n
(n 1,2,, n)
若A {i1,i2 ,,ik }, 则有
P( A)

P(i1 )

P(i2 )

P(ik
)

k n
于是,P
( A)

k n

A包含的样本点数 样本点总数
例1. 设一袋中有编号为1,2,…,9的球共9只,
现从中任取3只,试求:
n1
且Ai Aj . 由概率的可列可加性得

2.5 概率论——二维随机变量函数的分布

2.5 概率论——二维随机变量函数的分布
X Y ~ B(m n, p) 即二项分布对第一个参数具有可加性。
二、c.r.v.函数的分布
设c.r.v. ( X ,Y ) ~ f ( x, y), g( x, y)为一连续函数,令 Z g( X ,Y ), 则Z 的分布函数为
FZ (z) P(Z z) P( g( X ,Y ) z) P(( X ,Y ) D) (D : g( X ,Y ) z)
Xi
~
N
(i
,
2 i
)
则有
n
n
X1 L Xn ~ N (
i ,
2 i
)
i1 i1
此为正态分布的可加性
更有
n
n
n
ai X i ~ N (
aii ,
ai2
2 i
).
i 1
i 1
i 1
独立正态变量的线性组合仍为正态变量(Cf.P101)
特别地,X1,K , Xn 相互独立同正态分布 N (, 2 ),
0, z 0或 z 2
fZ
(z)
z,
0 z1
2
z,
1 z2
1
2 x
例7 已知 ( X ,Y ) 的联合 d.f.为
3 x, 0 x 1, 0 y x
f
(x,
y)
0,
其他
Z = X + Y ,求 f Z (z)
解法一 (图形定限法)
由公式(1)
fZ (z)
f (x, z x)dx
f
X
(
x)
1, 0,
0 x1 其他
fY
(
y)
1, 0,
0 y1 其他
z
fZ (z) fX (x) fY (z x)dx 2

概率论与数理统计 2-5

概率论与数理统计 2-5

第二章随机变量及其分布第五节随机变量的函数的分布一、离散型随机变量的函数分布二、连续型随机变量的函数分布三、小结第二章随机变量及其分布设f(x)是定义在随机变量X的一切可能值x的集合上的函数,若随机变量Y随着X取值x的值而取y=f(x)的值,则称随机变量Y为随机变量X的函数,记作Y=f(X).问题:如何根据已知的随机变量X的分布求得随机变量Y=f(X)的分布?一、离散型随机变量的函数的分布例1:设X的分布律为:X:−1012p:14141414求Y=X2的分布律.离散型随机变量的函数的分布如果X是离散型随机变量,其函数Y=g(X)也是离散型随机变量,若X的分布律为X x1x2⋯x k⋯p k p1p2⋯p k ⋯则Y=g(X)的分布律为Y=g(X)g(x1)g(x2)⋯g(x k)⋯p k p1p2⋯p k⋯若g(x k)中有值相同的,应将相应的p k合并.例2:设X−112p k 162636求Y=X2−5的分布函数.二、连续型随机变量的函数的分布例3:设随机变量X的概率密度为f X(x)=൞x8,0<x<4,0,其他.求随机变量Y=2X+8的概率密度例4:设随机变量X的概率密度为f X x=ቐ0,x<0, x3e−x2,x≥0.求随机变量Y=X2和Y=2X+3的概率密度.由上述例题可归纳出计算连续型随机变量的函数的概率密度的方法.定理:设随机变量X 的具有概率密度f X (x),其中−∞<x <+∞,又设函数g(x)处处可导,且恒有g ′(x)>0(或恒有g ′(x)<0),则称Y =g(X)是连续型随机变量,其概率密度为f Y (y)=൞f X [h(y)]|)h ′(y |,α<y <β, 0,其他其中α=min(g(−∞),g(+∞)),β=max(g(−∞),g(+∞)),h(y)是g(x)的反函数.定理:设随机变量X的具有概率密度f X(x),其中−∞<x<+∞,又设函数g(x)处处可导,且恒有g′(x)>0(或恒有g′(x)<0),则称Y=g(X)是连续型随机变量,其概率密度为f Y(y)=൞f X[h(y)]|)h′(y|,α<y<β,0,其他其中α=min(g(−∞),g(+∞)),β=max(g(−∞),g(+∞)),h(y)是g(x)的反函数.例5:设随机变量X~N(μ,σ2),试证明X的线性函数Y=aX+b(a≠0)也服从正态分布.例6:设电压V=A sinΘ,其中A是一个已知的正常数,相角Θ是一个随机变量,且有Θ~U−π2,π2,试求电压V的概率密度请同学们思考设g x是连续函数,若X是离散型随机变量,则Y=g(X)也是离散型随机变量吗? 若X是连续型的又怎样?三、小结1、离散型随机变量的函数的分布若Y=g(X)也是离散型随机变量,X的分布律为X x1x2⋯x k⋯p k p1p2⋯p k ⋯则Y=g(X)的分布律为Y=g(X)g(x1)g(x2)⋯g(x k)⋯p k p1p2⋯p k⋯2. 连续型随机变量的函数的分布方法1F Y(y)=P{Y≤y}=P{g(X)≤y}。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
令 y 表示产量,Y 表示获利,则 Y g( X ) Xy 3 y 获利Y g( X ) 3 X 1( y X ) X y
EY
4000
y 4000 1 { [ 3 x ( y x )]dx 3 ydx } y 2000 2000 1 ( y 2 7000 y 4000000) 1000 0, 得唯一驻点 y 3500吨. ( EY ) 0, 令(EY)
我们知道,级数的收敛性有两种,一种是绝对收敛, 一种是条件收敛,对于绝对收敛的级数,无论怎样交换 求和顺序,其和不变;而对于条件收敛的级数 ,通过
交换顺序,可以得到不 同的值 .
数学期望是r .v . 固有的数字特征,是一 个恒定的值, 应与求和顺序无关,因 此,必须要求相应的级 数绝对 收敛 . 举例如下:
3. E (aX bY ) aEX bEY
二、r .v .函数的数学期望
设已知随机变量 X 的分布,我们需要计算X的某个函数g(X)的期望. 一种方法是,因为g(X)也是随机变量,它的分布列(或者密 度函数)可以由已知的X的分布列(密度)求出来,然后按照期望 的定义把E[g(X)]计算出来. 使用这种方法必须先求出随机变量函数g(X)的分布列,一般 是比较复杂的 . 那么是否可以不先求g(X)的分布列而只根据X的 分布列求得E[g(X)]呢? Yes! 定理 设 X 为 r .v ., Y g( X ), 则

| x EX |

概率意义:X 落在 EX 附近的概率随 DX 的变小而增大. 或 DX 越小,X 越集中在 EX 附近.
五 矩 1. 原点矩, 绝对矩(定义2.9)
对于正整数 k , 如果E | X |k , 称EX k k 1,2, 为随机变量 X的k阶原点矩, 称E | X |k 为X的k阶绝对矩.
例 3 X ~exp{ },求 EX
key : EX
1

几个重要连续型 r .v .分布的数学期望
1. 均匀分布 2. 指数分布 3. 正态分布
~ U[a, b]
~ exp{ }
~ N ( , 2 )
ab E 2 1 E
E
EX的简单性质: 1. E (c ) c 2. E (aX ) aEX
设 r .v . 表示从100人中任选一名的年龄 , 则其分布列为

17 18 19 20 21 pi 2 / 100 2 / 100 30 / 100 56 / 100 10 / 100 这时以概率为权重的加权平均 2 2 30 56 10 17 18 19 20 21 19.7 100 100 100 100 100 就称为 离散型 r .v . 的数学期望
i 1
i 1
也就是说,离散型随机变量的数学期望是一个绝对收敛的 级数的和. 注1 形式上,Eξ 是ξ 的各可能取值的加权平均 .实质上,Eξ 刻 划了ξ 取值的真正的“平均”,因此,Eξ 也被称为ξ 的均值或 分布的均值.
注2 对于取有限个值的离散型 r .v . , 其数学期望一定存
在,而对于取可列个值的离散型 r .v . , 其数学期望是一 个无穷级数的和 . 所以我们必须考虑这个 级数的敛散性.
2000
g( x ) f ( x )dx
作业:p.55 3,
p.68 2
即年产量为 3500吨时,期望获利最大 .
三、r .v . 的方差 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ξ 用坐标上的点表示如图:

甲仪器测量结果

2. 中心矩, 绝对中心矩 .(定义2.10)
对于正整数k , 如果E | X |k , 称E ( X EX )k 为随机变量X的k阶中心矩,称E X EX 为X的k阶绝对中心矩。
k
例1 设 r .v . 服从参数为 p 的 0 1 分布,求 E 解:E 0 (1 p) 1 p p 例2 ~ b( n, p),求 E
设 X i 1, 第 i 次成功 , i 1, 2, , n 0, 第 i 次失败

则 E E X i EX i np
g ( x k ) pk (绝对收敛) EY Eg( X ) k g( x ) f ( x )dx
例4 r .v . X 的分布如下表, Y X 2 , 求 EY
X pi
4 2 i 1
1 0.4
2 0.3
3 0.2
4 0.1
EY xi pi (1 0.4 4 0.3 9 0.2 16 0.1) 5
前者易证明,后者易说明概率意义 。
即证 2 P{| X EX | } DX
2 2 | x EX | f ( x ) dx ( x EX ) f ( x )dx DX R
| x EX | 2 f ( x )dx
2 P{| X EX | }
四.契贝晓夫不等式
方差反映了r .v . 离开数学期望的平均偏 离程度, 则 P (| X EX | ) 应与 DX 有一定关系,如果 DX 越大, 那么 P (| X EX | ) 也会大一些,严格化便是下述
契贝晓夫不等式
P {| X EX | }
证明
DX

2
,或 P {| X EX | } 1 DX 2
例5 设 X 服从U[0,2π], 求 EsinX
解 E sin X
2 0
1 1 2 cos x |0 0 sin x dx 2 2
例6 设世界市场对我国某出口商品的需求量X(单位:吨)为随 机变量,它服从[2000,4000]上的均匀分布,设该商品每售出 一吨,可获利3万美元外汇,若积压于库,则每吨需支付保养费 1万美元外汇,问如何计划年产量,能使国家期望获利最多. 解 即求期望获利的最值 . 已知需求量 X ~ U[2000,4000]
k 2 例 的取值为 ak ( 1) k k 1 相应的分布列为 pk P ( ak ) k k 1,2, 2 k 1 尽管 ak pk ( 1) ln 2 , k k 1 k 1 1 但 ak pk E不存在. k 1 k 1 k
如果积分 xf ( x )dx绝对收敛 , 则称该积分为X的数学期望,
记为EX ,即EX xf ( x )dx


EX xn pn
n
EX


xf ( x )dx
例1 已知随机变量X服从区间 [a, b]上的均匀分布, 求EX . ab EX 2
例2 设 X 服从柯西分布,其密度 函数为 1 f ( x) , 2 (1 x ) x
§2.5
随机变量的数字特征
1. 理解r.v.的数学期望的定义、性质和含义, 能够熟练计算期望,特别是连续型的 2. 理解方差的性质和含义,能够熟练计算
3. 会求r.v.函数的数学期望
一、r .v . 的数学期望
引例 一个年级有100名学生,年龄组成为 17岁的2人 , 18岁的2人, 19岁的30人, 20岁的56人, 21岁的10人 .求该 年级学生的平均年龄 解:显然17 2 18 2 19 30 20 56 21 10 19.7 100 实际上,我们采取了以频率为权重的加权平均
EX 2 ( EX )2 (简算式)
例1 设 X 服从参数为 p 的 0-1 分布,求 DX.
解:DX EX 2 ( EX )2 0 q 12 p p 2 pq
例2 ~ P ( ),求 D
key : D (b a )2 key : D 例3 ~ U (a , b),求 D 12 2 例4 ~ N ( , 2 ),求 D key : D
正态分布N ( , 2 )完全可由其数学期望及方差唯一确定
方差的简单性质:
1. D(c ) 0 2. D(cX ) c 2 DX 3. D( X c ) DX 4. 若 , 相互独立,且 D , D 存在,则D( Fra bibliotek ) D D
作业: p.69 3
a



a
乙仪器测量结果
较好
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? 因为乙仪器的测量结果集中在均值附近 定义 设X为随机变量,期望 EX 存在,称 X-EX 为 X 的离差. 离差可正可负,
用离差的均值描述r .v . X 与 EX 的偏离程度会有损失 , 为避免相互抵消,用其平方表示。
定义 设 X 为随机变量, EX 存在, 且 E ( X EX )2 存在, 称 E ( X EX )2 为 X 的方差, 记作 DX , 2 , 或 VarX,即
DX 2 VarX E ( X EX )2 称 DX 为 X 的标准差,也记作 X .
2 2 DX E ( X EX )2 E[ X 2 XEX ( EX ) ] EX 2 2 EX EX ( EX )2
几个重要离散型 r .v .分布的数学期望
1.两点分布 2.二项分布 3.泊松分布 4.几何分布
0 ~ 1 p
1 p
E p E np E
1 E p
~ b( n, p)
~ P ( )
~ G ( p)
连续型随机变量的数学期望
定义2.7 设连续型随机变量 X的概率密度为f ( x ),
i 1 i 1
n
n
例3 ~ P ( ),求E
相关文档
最新文档