考研数学辅导数字特征PPT课件

合集下载

5.1.2 数据的数字特征 课件2

5.1.2 数据的数字特征 课件2

小明得分 30 15 23 33 17 8
小张得分 22 20 31 10 34 9
则下列说法正确的是( )
78

83
75
80
80
90
85
92
95
(1)请你计算这两组数据的平均数、中位数;
(2)现要从中选派一人参加操作技能比赛,从统计学的角度考虑,你认为选派哪名工人
参加合适?请说明理由. 解:(1) -x 甲=1(95+82+88+81+93+79+84+78)=85(分), 8
-x 乙=1(83+75+80+80+90+85+92+95)=85(分). 8
【课堂探究】
探究点一 利用平均数、众数、中位数解决问题
例1--1某学校抽查了某班级某月5天的用电量,数据如下表(单位:度):
度数
9
10
11
天数
3
1
1
(1)求这5天用电量的平均数; (2)求这5天用电量的众数、中位数; (3)学校共有36个班级,若该月按22天计,试估计该校该月的总用电量.
解:(1)因为(9×3+10×1+11×1)÷5=9.6, 所以这个班级5天用电量的平均数为9.6度.
5 由于 s2乙<s2甲,所以上述判断正确. ②因为两人成绩的平均水平(平均数)相同,根据方差得出乙的成绩比甲稳定,所以乙将 被选中.
例 2--2 某工厂甲、乙两名工人参加操作技能培训.现分别从他们在培训期间参加的若干
次测试成绩中随机抽取 8 次,数据如下(单位:分):

95
82
88
81
93
79
84
测试成绩
பைடு நூலகம்



教学能力

[考研数学]概率论和数理统计第四章 随机变量的数字特征课件全面版

[考研数学]概率论和数理统计第四章 随机变量的数字特征课件全面版

为随机变量X的数学期望,简称期望,记为E(X),即
E(X) xk pk
k1
设 连 续 型 随 X具机 有变 概量 率 f(x), 密 度
若xf(x)d绝 x 对 收 ,则敛 称 积 x分 f(x)d为 xX的



望E(, X), 记即 E为 (X)
xf(x)dx
上一页 下一页 返回
E(X)是一个实数,形式上是X的可能值的加权 平均数,实质上它体现了X取值的真正平均。又称 E(X)为X的平均值,简称均值。它完全由X的分布 所决定,又称为分布的均值.
上一页 下一页 返回
例1: 某种产品即将投放市场,根据市场调查估计每件 产品有60%的把握按定价售出,20%的把握打折售出 及20%的可能性低价甩出。上述三种情况下每件产品 的利润分别为5元,2元和-4元。问厂家对每件产品可 期望获利多少?
解: 设X表示一件产品的利润(单位:元),X的分布
率为
X 5 2 -4
E (X ) k e ee 2 -4
k ! (k 1 )! 随机变量函数的数学期k 望 :0
k 1
k 0
设n维随机变量(X1,X2,···Xn) 的1+1阶混合中心矩
6第元四,E 章还(是随X 有机利变2可量)图的的 数。字E 特征[X(X1)X]E[X(X1)]E(X)
例7: 设圆的直径X~U(a,b),求圆的面积的期望。
P X k 2 -4
第四节 矩、协方差矩阵 随机变量数学期望的性质:
k !
k0 ,1 ,2 , ,0
若(X,Y)为二维离散型随机变量,其联合分布律为
设n维随机变量(X1,X2,·· ·Xn) 的1+1阶k 混合 中心矩

ppt第四章_数字特征

ppt第四章_数字特征
E (Y ) E ( X ) x
2 2 x2 1 1 e 2 dx 1 。 2
13
第四章 数字特征
§ 4.1 数学期望
定理 4.1.2 设 ( X1, , X k ) 是一个 r.vec., g () 是一个已知的 k 元函数, Y g ( X1, , X k ) 。假 定 E (Y ) 存在,那么 (1) 若 ( X1, , X k ) 具有离散型分布,
例 4.1.4 (1) 设 X ~ N ( , 2 ), Y e X ~ LN ( , 2 ) ,则
E (Y ) E (e ) e
X x
2 ( x )2 1 2 e dx e 2 。 2
1
2
(2) 设 X ~ N (0,1), Y X 2 ~ 2 (1) ,则
(分赌注问题)甲乙两人各出赌注 50 法郎,用轮流掷一枚均匀硬币进行赌博。规则是 掷一次硬币算一局, 得正面算甲胜, 得反面算乙胜。 谁先胜三局就赢得全部 100 法郎赌注。 掷三次硬币后,甲胜两局乙胜一局,赌博因故中止。问这 100 法郎赌注该如何分配才算合 理?
3
第四章 数字特征
§ 4.1 数学期望
Total 1 1
30 其中 c 。X 的数学期望为 7
5
第四章 数字特征
§ 4.1 数学期望
E ( X ) 0 0.9669 5 2.648 102
2 106 4.912 107 1.6423 (元)。
如何理解这个数学期望值?它有什么用?
例 2.2.6 续 某人参加这样一个掷骰子的赌博游戏: 若押点数为 1, 则奖金与赌注之比为 4 :1 ; 若押点数为 3 或 5,则奖金与赌注之比为1.5:1;若押点数为 2,4 或 6,则奖金与赌注 之比为1:1 。设一轮赌博中此人拿出 8 元押 1 点、3 元押 3 或 5 点、2 元押 2,4,6 点。 求他在此轮赌博中赢得奖金 Y 的分布及 E (Y ) 。 解:记该轮赌博中骰子掷出的点数为 X。显然,Y 是 X 的函数,记为 Y g ( X ) ,其中

第3章 数字特征(概率论与数理统计(东南大学课件)ppt)

第3章 数字特征(概率论与数理统计(东南大学课件)ppt)
k 1
(1.3)
(ii)X是 连 续 型 随 机 变 量 , 它的 概 率 密
度 为f (x), 若
-
g
(x)f
(x)dx
绝 对 收 敛 , 则有
E(Y) E g(X)
-
g
(x)f
(x)dx.
(1.4)
注: 1. 在已知Y是X的连续函数前提下,当我们求E(Y)时
不必知道Y的分布, 只需知道X的分布就可以了。
E(2.5Y)=2.5×E(Y)=2.5×10=25.
23
2. 方 差
方差描述了随机变量对其数学期望 的离散程度, 这在概率论和数理统计中 十分重要。
一、定义:
设X为 一 随 机 变 量, 若E X - E(X)2 存 在, 则 称
它 为X的 方 差, 记 作D(X)或Var(X) ,即
D(X) Var(X) E X - E(X)2 .
注: 将X分解成数个随机变量之和, 然后利用随机变量 和的数学期望等于随机变量的数学期望之和来求解, 这个方法具有一定的普遍意义。
22
n
n
X Xi ,故 E(X) E(Xi ) np.
i 1
i 1
例6. 一次数学测验由40个单项选择题 构成,每个选择题有4个选项,每题选择 正确答案得2.5分,否则得0分,满分为 100分。学生甲选对任一题的概率为0.8,学生乙则每次 都从4个选项中任选一个。分别求学生甲和乙在这次数 学测验中的期望成绩。
(X)]
s
s1
[bx
-
(s
-
x)L]
s2
1
s1
dx
s2 s
sb
s2
1
s1
dx

第四章-随机变量的数字特征PPT课件

第四章-随机变量的数字特征PPT课件

k 1
k 1
变量X的数学期望,记为E(X),即
EX xk pk k1
§4.1 数学期望
关于定义的几点说明 (1) E(X)是一个实数,而非变量,它是一种加权平均,与
一般的算术平均值不同 , 它从本质上体现了随机变量 X 取可能值的真正的平均值, 也称均值.
(2) 级数的绝对收敛性保证了级数的和不随级数各 项次序的改变而改变 , 之所以这样要求是因为数学期望 是反映随机变量X 取可能值的平均值,它不应随可能值的 排列次序而改变.
❖ 例3:设 X(),求 E (X)。
解 : X 的 分 布 律 为 : P ( X k ) k e k 0 , 1 , 0 k ! X的 数 学 期 望 为 :
E(X) k ke
k0 k!
e
k1
k1
(k 1)!
ee
即E(X)
§4.1 数学期望
三、连续型随机变量的数学期望
设连续型随机变量X 的概率密度为f ( x), 若积分
§4.2 方差
(2) 利用公式计算
D (X ) E (X 2 ) [E (X )2 .] 证明 D (X ) E {X [ E (X )2 } ]
E { X 2 2 X ( X ) E [ E ( X )2 } ] E ( X 2 ) 2 E ( X ) E ( X ) [ E ( X )2] E (X 2)[E (X )2] E (X2)E 2(X).
§4.1 数学期望
❖ 例2:某车站每天8:00—9:00,9:00—10:00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
8:10 8:30 8:50
到站时刻
9:10 9:30 9:50

02 教学课件_ 数据的数字特征

02 教学课件_ 数据的数字特征

【互动探究】
【例1】为了了解市民的环保意识,某校高一(1)班50名学生在6月5日(世 界环境日)这一天调查了各自家庭丢弃旧塑料袋的情况,有关数据如下表:
每户丢弃旧塑料袋个数
2
3
4
5
户数
6
16
15
13
求这 50 户居民每天丢弃的旧塑料袋的平均数、众数. 解 平均数-x =510×(2×6+3×16+4×15+5×13)=15805=3.7.众数是 3.
[方法总结] 1.确定众数的关键是统计各数据出现的频数,频数最大的数据就是众 数,当一组数据中有不少数据多次重复出现时,众数往往更能反映数 据的集中趋势.
2.平均数与每一个样本数据都有关,受个别极端数据(比其他数据大 很多或小很多的数据)的影响较大,因此若在数据中存在少量极端数据, 平均数对总体估计的可靠性较差,这时往往用众数或中位数去估计总 体,有时也采用剔除最大值与最小值后所得的平均数去估计总体.
解 将上述数据按从小到大排序,可得 48 49 50 51 52 52 53 53 54 54 54 55 55 55 56 56 56 56 56 56 57 57 57 58 58 59 59 59 60 62 (1)由 25%×30=7.5,75%×30=22.5,可知它们的 25%,75%分位数是 第 8, 23 项数据,分别为 53,57. (2)由 80%×30=24,可知第 80 百分位数为第 24 项与第 25 项数据的 平均数,即12(58+58)=58. 据此可以估计本校高一男生体重的第 80 百分位数为 58.
探究三 方差与标准差 【例 3】甲、乙两机床同时加工直径为 100 cm 的零件,为检验质量, 从中抽取 6 件测量数据为: 甲:99 100 98 100 100 103 乙:99 100 102 99 100 100 分别计算两组数据的极差、平均数及方差.

课件4:5.1.2 数据的数字特征

课件4:5.1.2  数据的数字特征

s2乙=16×[(99-100)2+(100-100)2+(102-100)2+(99-100)2 +(100-100)2+(100-100)2]=1. (2)由(1)知 x 甲= x 乙,比较它们的方差,∵s2甲>s乙2 , 故乙机床加工零件的质量更稳定.
【规律方法】 1.在实际问题中,仅靠平均数不能完全反映问题,还要研究其 偏离平均值的离散程度(即方差或标准差),方差大说明取值分散 性大,方差小说明取值分散性小或者取值集中、稳定.
类型三 样本的数字特征的意义及综合应用 [探究问题] 1.平均数、中位数、众数中,哪一个量与样本的每一个数据都有关, 它的缺点是什么? [提示] 平均数与样本的每一个数据有关,它可以反映出更多的关于 样本数据总体的信息,但它的缺点是受数据中极端值的影响较大.
2.在电视大奖赛中,计算评委打分的平均值时,为什么要去 掉一个最高分和一个最低分? [提示] 为了避免平均值受数据中个别极端值的影响,增大它 在估计总体时的可靠性.
33 ≈5 333 元. 由数字知,中位数更能反映该公司员工的工资水平,平均数受少数人工资 额的影响较大,不能反映这个公司员工的工资水平.]
【规律方法】 因为平均数与每一个样本数据有关,所以任何一个样本数据的改变都 会引起平均数的改变,这是众数、中位数不具有的性质,也正因为这 个原因,与众数、中位数比较起来,平均数可以反映出更多的关于全 体样本数据的信息.但平均数受数据的极端值的影响较大,使平均数 在估计总体时可靠性降低.
类型二 方差和标准差的计算及应用 【例 2】 甲、乙两机床同时加工直径为 100 cm 的零件,为 检验质量,从中抽取 6 件测量数据为: 甲:99 100 98 100 100 103 乙:99 100 102 99 100 100 (1)分别计算两组数据的平均数及方差; (2)根据计算说明哪台机床加工零件的质量更稳定.

课件3:5.1.2 数据的数字特征

课件3:5.1.2  数据的数字特征
5 500+5 000+3 500×2+3 000+2 500×5+2 000×3+1 500×20 33
≈2 091(元), 中位数是 1 500 元,众数是 1 500 元.
(2)新的平均数是 x ′=
30 000+20 000+3 500×2+3 000+2 500×5+2 000×3+1 500×20 33
知识点二 百分位数 一般地,一组数据的第 p 百分位数是这样一个值,它使得这组数据中 至少有 p%的数据小于或等于这个值,且至少有(100-p)%的数据大 于或等于这个值.
状元随笔 可以通过下面的步骤计算一组 n 个数据的第 p 百分位数: 第 1 步,按从小到大排列原始数据. 第 2 步,计算 i=n×p%. 第 3 步,若 i 不是整数,而大于 i 的比邻整数为 j,则第 p 百分位数 为第 j 项数据;若 i 是整数,则第 p 百分位数为第 i 项与第(i+1)项数 据的平均数.

甲 1 2 2 2 2 3 3 3 5 5 6 6 8 8 9 10 10 12 13 13

乙 0 0 0 0 1 1 2 3 4 5 6 6 7 7 10 14 14 14 14 15

【解】 因为数据个数为 20,而且 20×25%=5,20×75%=15. 因此,甲组数的 25%分位数为x5+2 x6=2+2 3=2.5; 甲组数的 75%分位数为x15+2 x16=9+210=9.5. 乙组数的 25%分位数为x5+2 x6=1+2 1=1; 乙组数的 75%分位数为x15+2 x16=10+2 14=12.
教材反思 求总体百分位数的估计,首先要从小到大排列数据,频率直 方图看作数据均匀分布在直方图上,然后计算出 i=n×p%, 当 i 不是整数要取整,频率直方图要计算出比例值.

数字特征与极限定理

数字特征与极限定理
离散型 两点分布 EX=p; DX=np(1-p) 二项分布 泊松分布
连续型
x
0
x
x
Q2
Q3
Q4
中心极限定理
1.4 随机变量序列的极限定理
01
02
04
中心极限定理的结论:
因涉及正态分布的概率计算往往需要标准化,
最常用的条件是: 独立 同分布
林德贝格-勒维 中心极限定理
01.
概率论中所有论述一定条件下随机变量的平均结果具有稳定性的一系列
例5 设 解:EX= 0*(1-p)+1*p = p DX =
X
0
1
P
1-p
p
证明:不妨设
是连续型,密度函数为

协方差与相关系数
协方差与相关系数有如下性质
只证明性质5:
本例中X的分布称为二项分布,记为 X~B(n,p)
故: 二维正态分布独立与不相关等价
总结我们前面曾经提到常见分布:
02.
定理都叫大数定理(大数定律).
大数定律
01
马尔科夫条件
02
切比雪夫条件
03
辛钦条件 ( 独立,同分布,且期望存在)
04
泊Hale Waihona Puke 条件大数定理的条件: 大数定理的一般表达式
01
02
概率的统计定义的理论依据
统计中参数矩法估计的理论依据
大数定理的应用:
数理统计
1.3:随机变量的数字特征
汇报人姓名
单/击/此/处/添/加/副/标/题/内/容
所谓随机变量的数字特征,就是用来表示随机变量某种特征的数字.常用的数字特征包括:数学期望,方差,协方差,相关系数,矩 等

数字特征与极限定理.ppt课件

数字特征与极限定理.ppt课件

这个数能否作为 X的平均值呢?
可以想象,假设另外统计100天,车工小张
不出废品,出一件、二件、三件废品的天数
与前面的100天普通不会完全一样,这另外
100天每天的平均废品数也不一定是1.27.
n0天没有出废品;
普通来说,假设统计n天,
(假定小张每天至多出
n1天每天出一件废品;
三件废品)
n2天每天出两件废品;
M (n )0n 01n 12n 23n 3 nn n n
与 0 p 0 1 p 1 2 p 2 3 p 3 进展比较.
1 101 32 0 23 0
对于一个随机变量,假设它能够取的值 是X1, X2, …, 相应的概率为 p1, p2, …,
那么对X作一系列察看(实验),所得X的实验 值的平均值也是随机的.
这个数字特征就是我们要引见的 方差
一、方差的定义
设X是一个随机变量,假设E[(X-E(X)]2<∞
,那么称D(X)=E[X-E(X)]2
(1)
为X的方差.
采用平方是为了保证一切
差值X-E(X)都起正面的作用
方差的算术平方根 D(X) 称为规范差
由于它与X具有一样的度量单位,在实 践问题中经常运用.
k1
X离散型
g(x)f(x)dx, X连续型
当X为离散型时,P(X= xk)=pk ; 当X为延续型时,X的密度函数为f(x).
E(Y)E[g(X)]
g(xk)pk,
k1
X离散型
g(x)f(x)dx, X连续型
该公式的重要性在于: 当我们求E[g(X)] 时, 不用知道g(X)的分布,而只需知道X的 分布就可以了. 这给求随机变量函数的期 望带来很大方便.

数据的数字特征ppt课件

数据的数字特征ppt课件
s (x1 x)2 (x2 x)2 (xn x)2 n
甲:s=0.16(mm) 乙:s=0.077(mm)
因为甲的标准差比乙大,因此乙更稳定
17
对数据数字特征内容的评价,应当更多地 关注对其本身意义的理解和在新情境中的应 用,而不是记忆和使用的熟练程度.因此, 在分析数据的过程中,要理解数据的平均值 和标准差在此处的意义,再对估计结果作出客 观的评判
7
如果你应聘该公司,你怎样看待公司员工的收入情况?
平均数是将所有的数据都考虑进去得到的度 量,它是反映数据集中趋势最常用的统计量; 中位数将观测数据分成相同数目的两部分, 其中一部分都比这个数小而另一部分都比这 个数大,对于非对称的数据集,中位数更实 际地描述了数据的中心;当变量是分类变量 时,众数往往经常被使用
员工数/人 1
2
4
6
12 8 20 5 2
(1)分别计算该公司员工月工资的平均数、中位数和众数。
(2)公司经理会选取上面哪个来代表该公司员工的月工资情 况,税务官呢?工会领导呢?
分析:1.根据平均数、中位数的计算公式,可以算出平均数 为:1373元,中位数为:800元,众数为:700元 2.不同身份的人代表不同阶层人的利益,对公司领导平均数 好,对税务官中位数比较好,对工会领导众数即使他的选择
乙两组数据的平均数和方差 方差:725102.92 0 2 3 3 7
的小吗?
乙的平均数0:0 283.6 1 2 4 4 8 方差:131518.245 2 3 8
9
例3、 甲乙两台机床同时生产直径为40mm的零件, 为了检验产品的质量,从两台机床生产的产品中个 抽取10件进行测量,结果如下:
5、方差: 就是一组数据中所有数与平均数的差的平方和

考研数学概率论与数理统计基础阶段知识点讲解数字特征

考研数学概率论与数理统计基础阶段知识点讲解数字特征

考研数学概率论与数理统计基础阶段知识点之数字特征(一)随机变量的数字特征主要包括:常用数字特征、数字特征的计算、常见分布的数字特征,其中常用数字特征按照随机变量的分类不同其中数学期望、数学方差、标准差,还有矩属于一维随机变量的数字特征;二维随机变量的数字特征包括数学期望、数学方差、协方差、相关系数.数字特征的计算主要有两种方法,一种是利用定义直接计算我们称为直接方法,一种是利用随机变量数字特征的基本性质,我们称为公式法;在基础阶段我们需要对每一章节的知识点做到完全掌握定理、性质的条件、结论,基本概念的定义、公式和意义,对所学到的方法通过例题掌握其做题的步骤;这些知识点掌握好后,开始着手处理相关知识点的基础题目。

首先我们来看一下关于一维离散性随机变量的数学期望的定义及其算法。

定义:设随机变量X 的概率分布为{}(1,2,)i i P X x p i ===L ,若级数∑∞=1i ii px 绝对收敛,则称∑∞=1i ii px 为随机变量X 的数学期望,记作()E X ,即()1i ii E X x p∞==∑;如果级数1i ii x p∞=∑g 发散,则称X 的数学期望不存在.注意:①说明随机变量的期望可能存在也可能不存在,只有在无穷级数绝对收敛时期望才是存在的.②计算步骤在定义当中的概率分布表为从定义上看首先要求出随机变量的概率分布,然后根据离散型随机变量期望的计算公式:1()i i i E X x p ∞==∑g ,算出期望值.例题讲解:设某厂生产的产品不合格率为10%,假设生产一件不合格品亏损2元,生产一件合格品盈利10元,求每件产品的平均利润.本体的选题依据是通过简单例子理解求离散型随机变量的期望的计算步骤设随机变量X 表示每件产品获得的利润,则X 的可能取值是2,10-{}210%0.1P X =-==,{}10110%0.9P X ==-=故XE X,由期望的定义可得求每件产品的平均利润即求随机变量X的数学期望()(),所以每件产品的平均利润是8.8元.E X=-⨯+⨯=20.1100.98.8由以上例题我们可以看出来,学习新的知识点的时候只要记住最基本的定义,理解定义中需要注意到条件,直接计算就可以算出一维离散性随机变量的数学期望。

  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)。

C
nk NM
C
n N

E( X ) n M , D( X ) n M (1 M ) N n ; (n M )
N
N N N 1
(5)几何分布: X ~ G( p) ,
pk PX k (1 p)k1 p , k 1,2,,.
E(X) 1 ,
p
D( X ) 1 p ;
p2
(6)均匀分布: X ~ U(a,b) ,
i
连续型: X ~ f (x)
E(Y ) g( x) f ( x)dx
2、二维的情形 Z g( X ,Y )
离散型 ( X ,Y ) ~ PX xi ,Y yi pij ,
E(Z)
g( xi , y j ) pij
i
j
连续型 ( X ,Y ) ~ f ( x, y) ,
E(Z )
件是相互独立的,其概率均为 2 ,求途
5
中遇到红灯次数的数学期望.
例 2 、 设 X ~ P(2) , 即 : PX k 2k e2 ,
k! k 0,1,2,
求 Z 3X 2的数学期望.
例3、 设有超几何分布
P(X
i)
C
i M
C
ni NM
C
n N
,(i
0,1,2,, n
N,i
M),
求随பைடு நூலகம்变量 X 的数学期望.
3.了解切比雪夫不等式.
4.了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律(独 立同分布随机变量的大数定律)
5.了解棣莫弗—拉普拉斯定理(二项分布以正态分布为极限分布) 和列维—林德伯格定理(独立同分布的中心极限定理);(经济类还要 求)会用相关定理近似计算有关随机事件的概率
一、 数学期望与方差(标准差)
E(X) a b ,
2
D( X ) (b a)2 ;
12
(7)指数分布: X ~ E( ),
e x
f (x) 0
x 0,
x0
E(X) 1 ,
D( X ) 1 ;
2
(8)正态分布: X ~ N (, 2 ) ,
E(X) ,
D( X ) 2 ;
例1、 从学校乘汽车到火车站的途中有三个 交通岗,设在各个交通岗遇到红灯的事
1. 定义(计算公式)
离散 PX xi pi , E( X ) xi pi
i
连续 X ~ f ( x) ,
E( X ) xf ( x)dx
方差: D( X ) E( X E( X ))2 E( X 2 ) E( X )2
标准差: D(X ) ,
2. 期望的性质:
1° E(C) C, E(E( X )) E( X ) 2° E(C1 X C2Y ) C1E( X ) C2E(Y )
D( X ) p(1 p) ;
(2)二项分布: X ~ B(n, p) ,
E( X ) np , D( X ) np(1 p) ;
(3)Poisson 分布: X ~ P() ,
E( X ) , D( X ) ;
(4)超几何分布:
X
~
H(N , M, n) ,
pk
PX
k
C
k M
例 10、设 X ~ N (1,2),Y ~ P(3) 且它们相互独 立,求 D( XY ) .
三、协方差,相关系数与随机变量的矩 1、重要公式与概念:
协方差 Cov(X,Y) E(X E(X)(Y E(Y))
相关系数 XY Cov(X,Y)
D(X ) D(Y )
k阶原点矩 E( X k )
g( x, y) f ( x, y)dxdy
例 7、对圆的直径作近似测量,其值均匀 地分布在[a, b] 内,求圆面积的数学期望.
例 8、 设 X 与 Y 独立且均服从 N (0,1), 求 Z= X 2 Y 2 的数学期望与方差.
例 9、假设公共汽车起点站于每时的10分, 30 分,50 分发车,某乘客不知发车的时间, 在每小时内任一时刻到达车站是随机的, 求乘客到车站后等车时间的数学期望.
例 6、 设有 20 人在某 11 层楼的底层 乘电梯上楼, 电梯在中途只下不上, 每个乘客在哪一层(2-11 层)下是等 可能的, 且乘客之间相互独立, 试求 电梯须停次数的数学期望.
二、随机变量函数的期望(或方差)
1、一维的情形 Y g(X)
离散型: P{ X xi } pi , E(Y ) g( xi ) pi
k阶中心矩 E (X E(X ))k
2 性质:
1° Cov(X,Y) Cov(Y, X )
2° Cov(aX ,bY) abCov(X ,Y)
例 4、(03)已知甲、乙两箱中装有同种产 品。其中甲箱中装有 3 件合格品和 3 件次 品;乙箱中仅装有 3 件合格品。从甲箱中 任取 3 件产品放入乙箱后, 求:(1)乙箱中次品件数 X 的数学期望;
(2)从乙箱中任取一件产品是次品的 概率.
例5、 n 片钥匙中只有一片能打开房门, 现从
中任取一片去试开房门, 直到打开为止. 试在下列两种情况下分别求试开次数的 数学期望与方差: (1) 试开过的钥匙即被除去; (2) 试开过的钥匙重新放回.
3° 若X与Y独立, 则E(XY ) E( X )E(Y ) 4° E( XY )2 ≤E( X 2 )E(Y 2 )
3. 方差的性质:
1° D(C) 0, D(E( X )) 0, D(D( X )) 0
2° X与Y相互独立,则 D( X Y ) D( X ) D(Y )
3° D(C1 X C2 ) C12 D( X )
4° 一般有 D( X Y ) D( X ) D(Y ) 2Cov(X ,Y )
D(X ) D(Y ) 2 D(X ) D(Y ) 5° D( X ) E( X C)2 , C E( X )
4、常见分布的期望与方差
(1)两点分布: X ~ (0 1) , 0 p 1 ,
E(X) p ,
第四讲 数字特征与极限定理
考试要求
1.理解随机变量数字特征(数学期望、方差、标准差、矩、协方差、 相关系数)的概念, 会运用数字特征的基本性质, 并掌握常用分布的数 字特征.
2.会根据随机变量 X 的概率分布求其函数 g(X ) 的数学期望 Eg( X ) ;会根据随机变量 X 和Y 的联合概率分布求其函数 g(X,Y ) 的数学 期望 Eg( X ,Y ) .
相关文档
最新文档