随机变量的数字特征课案.ppt

概率论与数理统计随机变量的数字特征教学参考课件 第四章 随机变量的数字特征 本章教学目的与要求 了解：随机变量数学期望、方差的实际意义； 切比雪夫不等式的实际意义。 理解：随机变量数学期望、方差的概念； 协方差与相关系数的概念； 原点矩与数学期望的区别与联系； 中心矩与方差的区别与联系。 掌握：随机变量数学期望计算方法及其性质； 随机变量方差的两种计算方法及其性质； 几种常见的离散型、连续型随机变量数学期望与方差； 协方差与相关系数的计算与应用； 随机变量中心矩、原点矩的定义及计算方法。 第四章 随机变量的数字特征 第二节　方差 第三节 协方差及相关系数 第四节 矩、协方差矩阵 第一节 数学期望 本章内容目录 第一节 数学期望 离散型随机变量的数学期望 连续型随机变量的数学期望 随机变量函数的数学期望 数学期望的性质 课堂练习 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 在这些数字特征中，最常用的是 数学期望、方差、协方差和相关系数 一、数学期望的概念 即 关于定义的几点说明 (3) 随机变量的数学期望与一般变量的算 术平均值不同. (1) E(X)是一个实数,而非变量,它是一种加 权平均,与一般的平均值不同 , 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. 随机变量 X 的算术平均值为 假设 它从本质上体现了随机变量X 取可能值的平均值. 当随机变量 X 取各个可能值是等概率分布时 , X 的期望值与算术平均值相等. 试问哪个射手技术较好? 思考 谁的技术比较好? 解 故甲射手的技术比较好. 例1 一批产品中有一、二、三等及废品4种，相 应比例分别为60%，20%，13%，7%，若各等级 的产值分别为10元、5.8元、4元及0元，求这批产 品的平均产值。 解 设一个产品的产值为X元，则X的可能取值 分别为0，4，5.8，10；取这些值的相应比例分别为 7%, 13%, 20%, 60%；则它们可以构成概率分布， 由数学期望的定义求得产品的平均产值为 EX = 4×0.13 + 5.8×0.2 + 10×0.6 = 7.68（元）。 到站时刻 8:10 8:30 8:50 9:10 9:30 9:50 概率 1/6 3/6 2/6 一旅客8:20到车站,求他候车时间的数学期望. 例2 按规定,某车站每天8:00~9:00,9:00~10:00 都恰有一辆客车到站,但到站时刻是随机的,且两者 到站的时间相互独立。其规律为： X 10 30 50 70 90 例3 若将这两个电子装置串联连接组成整机,求整机 寿命(以小时计) N 的数学期望. 例4　商店的销售策略 解 二、随机变量函数的数学期望 1. 问题的提出： 设已知随机变量X的分布，我们需要计算的不是X的期望，而是X的某个函数的期望，比如说g(X)的期望. 那么应该如何计算呢？ 一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把E[g(X)]计算出来. 那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢？ 下面的定理指出，答案是肯定的. 使用这种方法必须先求出随机变量函数g(X)的分布，一般是比较复杂的 . (1) 当X为离散型时,它的分布率为P(X= xk)=pk ; (2) 当X为连续型时,它的密度函数为f(x).若 定理1 设Y是随机变量X的函数:Y=g(X) (g是连续函数)