版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、第七章 隨機變量的數(shù)字特征,前面討論了隨機變量的分布函數(shù),我們看到分布函數(shù)能夠完整地描述隨機變量的統(tǒng)計規(guī)律。然而在許多實際問題中,隨機變量的分布并不容易求得,并且有時不需要去完全考察隨機變量的變化情況,而只需要知道隨機變量的某些特征,因而不需要求出它的分布函數(shù)。 例如 1、在評定某一地區(qū)糧食產(chǎn)量的水平時,在許多場合只要知道該地區(qū)的平均產(chǎn)量; 2、在研究水稻的品種優(yōu)劣時,時常是關(guān)心稻穗的平均稻谷粒數(shù);,3、在檢查一批棉
2、花的質(zhì)量時,既需要注意纖維的平均長度,又需要注意纖維長度與平均長度的偏離程度,平均長度較大、偏離程度較小,質(zhì)量就較好。 從上面的例子看到,與隨機變量有關(guān)的某些數(shù)值,雖然不能完整地描述隨機變量,但能描述隨機變量在某些方面的重要特征。隨機變量的數(shù)字特征就是用數(shù)字表示隨機變量的分布特點,在理論和實踐上都具有重要的意義。,第七章 隨機變量的數(shù)字特征,第七章 隨機變量的數(shù)字特征,數(shù)學(xué)期望 方差和標準差 協(xié)方差和相關(guān)系數(shù) 切
3、比雪夫不等式及大數(shù)定理 中心極限定理,7.1 隨機變量的數(shù)學(xué)期望,一、離散型隨機變量的數(shù)學(xué)期望,從平均數(shù)說起,設(shè)以數(shù)據(jù)集,{2,3,2,4,2,3,4,5,3,2},為總體,求其平均數(shù)(設(shè)為μ),μ=(2+3+2+4+2+3+4+5+3+2)/10,=(2×4+3×3+4×2+5×1)/10,=2×4/10+3×3/10+4×2/10+5×1/10,=3
4、,概括得:,7.1 隨機變量的數(shù)學(xué)期望,一、離散型隨機變量的數(shù)學(xué)期望,下面我們逐步分析如何由分布來求“均值”:(1)算術(shù)平均:如果有n個數(shù)x1,x2,…,xn ,那么求這n個數(shù)的算術(shù)平均,只需將此n個數(shù)相加后除以n,即 (2)加權(quán)平均:如果這n個數(shù)中有相同的,不妨設(shè)其中有ni 個取值為xi(i=1,2,…,k),列表為,7.1 隨機變量的數(shù)學(xué)期望,一、離散型隨機變量的數(shù)學(xué)期望,其實,這個“加權(quán)”平均的權(quán)數(shù)ni/n 就是
5、出現(xiàn)數(shù)值 xi的頻率,而頻率在 n 很大時,就穩(wěn)定在其概率附近。,(3)對于一個離散隨機變量 X,如果其可能取值為x1,x2,…,xn ,若將這n個數(shù)相加后除以n作為“均值”,則肯定是不妥的,原因在于X 取各個值的概率是不同的,概率大的出現(xiàn)的機會就大,在計算中其權(quán)數(shù)就應(yīng)該大。,用取值的概率作為一種“權(quán)數(shù)”作加權(quán)平均是十分合理的。,7.1 隨機變量的數(shù)學(xué)期望,1.定義 設(shè)離散隨機變量X的分布律為,一、離散型隨機變量的數(shù)學(xué)期望,為隨機變量X
6、的數(shù)學(xué)期望,或稱為該分布的數(shù)學(xué)期望,簡稱期望或均值。,若級數(shù) 不收斂,則稱X的期望不存在。,如果,則稱,x1 x2 … xn …,p1 p2 … pn …,7.1 隨機變量的數(shù)學(xué)期望,一、離散型隨機變量的數(shù)學(xué)期望,(1) X的期望E(X)是一個數(shù),它形式上是X的可能值的加權(quán)平均,其權(quán)重是其相應(yīng)的概率,實質(zhì)上它體現(xiàn)了X取值的真正平均,為此我們又稱它為X的均值。因為它完全由X的分布所決定,所以又稱為分
7、布的平均值。,(2) E(X)作為刻劃X的某種特性的數(shù)值,不應(yīng)與各項的排列次序有關(guān)。所以,定義中要求級數(shù)絕對收斂。,注釋,所以A 的射擊技術(shù)較B的好.,,例:有A,B 兩射手,他們的射擊技術(shù)如表所示,試問哪一個射手本領(lǐng)較好?,解 A射擊平均擊中環(huán)數(shù)為,B射擊平均擊中環(huán)數(shù)為,例: 設(shè)有某種產(chǎn)品投放市場,每件產(chǎn)品投放可能發(fā)生三種情況:按定價銷售出去,打折銷售出去,銷售不出去而回收。根據(jù)市場分析,這三種情況發(fā)生的概率分別為0.6,0.3
8、,0.1。在這三種情況下每件產(chǎn)品的利潤分別為10元,0元,-15元(即虧損15元)。問廠家對每件產(chǎn)品可期望獲利多少?,解: 設(shè)X表示一件產(chǎn)品的利潤(單位元),X是隨機變量,且X的分布律為,依題意,所要求的是X的數(shù)學(xué)期望,E(X)=10×0.6+0×0.3+(-15)×0.1=4.5(元),7.1 隨機變量的數(shù)學(xué)期望,2.幾種典型的離散型隨機變量的數(shù)學(xué)期望,一、離散型隨機變量的數(shù)學(xué)期望,i. X服從參數(shù)為p
9、的(0,1)分布:,ii. 若X?B(n,p),則E(X)=np;,證明:X的分布律為,E(X)=0×(1-p)+1×p=p;,,X,,0,,1,,,,P,,q,,p,,,,,,,,,,,,,,,,,7.1 隨機變量的數(shù)學(xué)期望,2.幾種典型的離散型隨機變量的數(shù)學(xué)期望,一、離散型隨機變量的數(shù)學(xué)期望,iii.若X?P(λ),則E(X)=λ。 證明:X的分布律為,7.1 隨機變量的數(shù)學(xué)期望,二、連續(xù)型隨機變量的數(shù)學(xué)期望,
10、1.定義 設(shè)連續(xù)型隨機變量X的概率密度為f(x), 如果 則稱 為隨機變量X的數(shù)學(xué)期望,記為E(X).,例:設(shè)隨機變量X的概率密度函數(shù)為,試求X的數(shù)學(xué)期望,解,7.1 隨機變量的數(shù)學(xué)期望,二、連續(xù)型隨機變量的數(shù)學(xué)期望,2.幾種典型的連續(xù)型隨機變量的數(shù)學(xué)期望,i.若X?R(a,b),則 E(X)=(a+b)/2.,證:X的概率密度為,7.1 隨機變量的數(shù)學(xué)期望,二、連續(xù)型隨機變量的數(shù)學(xué)期望,2.幾種典
11、型的連續(xù)型隨機變量的數(shù)學(xué)期望,證:X的概率密度為,ii. 若X?N(µ,σ2),則 E(X)=μ.,特別地,若X?N(0,1),則E(X)=0.,7.1 隨機變量的數(shù)學(xué)期望,2.幾種典型的連續(xù)型隨機變量的數(shù)學(xué)期望,二、連續(xù)型隨機變量的數(shù)學(xué)期望,證:X的概率密度為,iii.若X服從參數(shù)為λ的指數(shù)分布,則 E(X)=1/λ .,7.1 隨機變量的數(shù)學(xué)期望,三、隨機變量的函數(shù)的數(shù)學(xué)期望,定理 設(shè)Y是隨機變量X的函數(shù):Y=g(X)(
12、g是連續(xù)函數(shù)), (1) X是離散型隨機變量,它的分布律為P{X=xk}=pk ,k=1,2,…, 若 絕對收斂, 則有,(2) X是連續(xù)型隨機變量,它的概率密度為f(x), 若 絕對收斂, 則有,例 已知隨機變量X的分布律如下求解,,,0.2 0.1 0.1 0.3 0.3,,-2 -1
13、 0 1 2,,,,,,,,,,0.2 0.1 0.1 0.3 0.3,,,,,,0.1 0.4 0.5,,0 1 4,,,,對相同的值合并,并把對應(yīng)的概率相加,可得,所以,或,的數(shù)學(xué)期望。,的分布律為,例:某公司生產(chǎn)的機器其無故障工作時間X有密度函數(shù),公司每出售一臺機器可獲利1600元,若機器售出后使用1.2萬小時之內(nèi)出故障,則應(yīng)予以更換,這時每臺虧損1200元
14、;若在1.2到2萬小時之間出故障,則予以維修,由公司負擔(dān)維修費400元;在使用2萬小時以后出故障,則用戶自己負責(zé).求該公司售出每臺機器的平均獲利.,解:,設(shè)Y表示售出一臺機器的獲利.則,7.1 隨機變量的數(shù)學(xué)期望,三、隨機變量的函數(shù)的數(shù)學(xué)期望,定理:設(shè)Z是隨機變量X,Y的函數(shù)Z=g(X,Y) (g是連續(xù)函數(shù)).,(1)設(shè)二維隨機變量(X,Y)的分布律為,(2)設(shè)二維隨機變量(X,Y)的分布密度為f(x,y),若,若,則,則,例:
15、 設(shè)(X,Y)的聯(lián)合分布律如下,Z=XY,求E(Z).,解,,X,Y,,,1 2 3,,,,,,,0,1,0.1,0.15 0.25,,0.25 0.15 0.1,,,,,,,,,,,,,,例:設(shè)(X,Y)服從A上的均勻分布,其中A為由x軸,y軸及直線x+y/2=1圍成的平面三角形區(qū)域,求E(XY),解:,7.1 隨機變量的數(shù)學(xué)期望,四、數(shù)學(xué)期望的性質(zhì),1.
16、若C是常數(shù),則 E(C)=C.,2.設(shè)X,Y是兩個隨機變量,若E(X),E(Y)存在,則對任意的實數(shù)a、b, E(aX+bY)存在,且有 E(aX+bY)=aE(X)+bE(Y),3.設(shè)X,Y是互相獨立的隨機變量,則有 E(XY)=E(X)E(Y)性質(zhì)2、3都可推廣到有限個互相獨立的隨機變量之積 的情況.,7.1 隨機變量的數(shù)學(xué)期望,四、數(shù)學(xué)期望的性質(zhì),性質(zhì)2 E(aX
17、+bY)=aE(X)+bE(Y),證明 (1)設(shè)離散型隨機變量(X,Y)的聯(lián)合分布律和邊緣分布律分別為,P{X=xi,Y=yj}=pij, i,j=1,2,…P{X=xi}=pi., i=1,2,…P{Y=yj}=p.j, j=1,2,…,則,7.1 隨機變量的數(shù)學(xué)期望,四、數(shù)學(xué)期望的性質(zhì),性質(zhì)2 E(aX+bY)=aE(X)+bE(Y),(2)設(shè)連續(xù)型隨機變量(X,Y)的聯(lián)合概率密度和邊緣概率密度分別為f(
18、x,y)和fX(x), fY(y),則,7.1 隨機變量的數(shù)學(xué)期望,四、數(shù)學(xué)期望的性質(zhì),性質(zhì)3 如X,Y是互相獨立,則 E(XY)=E(X)E(Y),證明 (1)設(shè)離散型隨機變量(X,Y)的聯(lián)合分布律和邊緣分布律分別為,P{X=xi,Y=yj}=pij, i,j=1,2,…P{X=xi}=pi., i=1,2,…P{Y=yj}=p.j, j=1,2,…,則,7.1 隨機變量的數(shù)學(xué)期望,四、數(shù)學(xué)期望的性
19、質(zhì),性質(zhì)3 如X,Y是互相獨立,則 E(XY)=E(X)E(Y),(2)設(shè)連續(xù)型隨機變量(X,Y)的聯(lián)合概率密度和邊緣概率密度分別為f(x,y)和fX(x), fY(y),則,例:將n個球隨機地放入M個盒子中去,設(shè)每個球放入各個盒子是等可能的,求有球盒子數(shù)X的期望,解:,記,i=1,2,…,M,則,因而,例: 拋擲6顆骰子,X表示出現(xiàn)的點數(shù)之和,求E(X).,從而由期望的性質(zhì)可得,練習(xí),7.2 方差和標準差,引例 有兩批鋼筋(每批1
20、0根)它們的抗拉強度為:,第一批 110,120,120,125,125,125,130,130,135,140,第二批 90,100,120,125,125,130,135,145,145,145,可以計算出兩批數(shù)據(jù)的平均數(shù)都是126, 但直觀上第二批數(shù)據(jù)與平均數(shù)126有較大的偏離,因此, 欲描述一組數(shù)據(jù)的分布,單單有中心位置的指標是不夠的,尚需有一個描述相對于中心位置的偏離程度的指標.,通??捎肊[X-E(X)]2描述相對
21、于期望的偏離,7.2 方差和標準差,一、方差的定義,定義 設(shè)X是一個隨機變量,若E[X-E(X)]2存在,則稱 E[X-E(X)]2 為X的方差,記為D(X) , 即: D(X)=E[X-E(X)]2注釋:(1)方差是隨機變量X與其 “中心”E(X)的偏差平方的平均。它表達了X的取值與其期望值E(X)的偏離程度。若 X 取值較集中,則D(X)較小,反之,若取值較分散,則D(X)較大。 (2)應(yīng)用上,常用
22、量 ,稱為標準差或均方差,記為 ?(X)= 。,7.2 方差和標準差,二、方差的計算公式,方差實際上是隨機變量X的函數(shù)g(Y)=[X-E(X)]2的數(shù)學(xué)期望.于是,(1)對于離散型隨機變量X,若P{X=xk}=pk,k=1,2,…則,(2)對于連續(xù)型隨機變量X,若其概率密度為f(x),則,7.2 方差和標準差,二、方差的計算公式,(3) D(X)=E(X2)-[E(X)]2 證明:D(X)
23、=E[X-E(X)]2 =E(X2-2X·E(X)+[E(X)]2),=E(X2)-2E(X)·E(X)+[E(X)]2,=E(X2)-[E(X)]2,7.2 方差和標準差,三、常見分布的方差,1. (0-1)分布的方差,定理:若P{X=0}=q,P{X=1}=p,則 D(X)=pq.,證明,,X,,0,,1,,,,P,,q,,p,,,,,,,,,,,,,,,,,7.2 方差和標準差,三、常見分布的方差,2. 二項
24、分布的方差,定理:若隨機變量X服從二項分布X~B(n,p),則 D(X)=npq.,證明,7.2 方差和標準差,三、常見分布的方差,3. 泊松分布的方差,定理:設(shè)隨機變量X服從泊松分布X~P(λ),則 D(X)=λ.,證明,7.2 方差和標準差,三、常見分布的方差,4. 均勻分布的方差,定理:設(shè)隨機變量X服從均勻分布X~R(a,b),則 D(X)=(b-a)2/12.,證明,7.2 方差和標準差,三
25、、常見分布的方差,5. 指數(shù)分布的方差,,定理:設(shè)隨機變量X服從參數(shù)為λ 的指數(shù)分布,則,證明,7.2 方差和標準差,三、常見分布的方差,6. 正態(tài)分布的方差,定理:設(shè)隨機變量X服從正態(tài)分布X~N(μ,σ2) , 則 D(X)=σ2,證明,7.2 方差和標準差,常見分布的期望和方差表,7.2 方差和標準差,四、方差的性質(zhì),假定以下所遇到的隨機變量的方差存在: (1) 設(shè)C是常數(shù),則 D(C)=0
26、;(2) 設(shè)X是隨機變量,a是常數(shù),則D(aX)=a2D(X),從而 D(aX+b)=a2D(X);(3) 設(shè)X,Y是兩個相互獨立的隨機變量,則有 D(X?Y)=D(X)+D(Y);,(2) 證: D(aX+b)=E{[(aX+b)-E(aX+b)]2} = E{[(aX+b)-E(aX)-b]2} = E{[aX-E(aX)]2}
27、 =E{[a(X-E(X))]2 } =a2E{[X-E(X)]2} =a2D(X),7.2 方差和標準差,由于X,Y相互獨立,X-E(X)與Y-E(Y)也相互獨立,由數(shù)學(xué)期望的性質(zhì), 2E{[X-E(X)][Y-E(Y)]}=2E[X-E(X)]?E[Y-E(Y)]=0 于是得 D(X+Y)=D(X)+D(Y).,四、方差的性質(zhì),(3)證: D(X
28、+Y)=E{[(X+Y)-E(X+Y)]2} =E{[(X-E(X))+(Y-E(Y))]2} =E{[X-E(X)]2}+E{[Y-E(Y)]2} +2E{[X-E(X)][Y-E(Y)]},這一性質(zhì)可以推廣到任意有限多個相互獨立的隨機變量之和的情況。,7.2 方差和標準差,四、方差的性質(zhì),若,相互獨立,,為常數(shù),則,若X ,Y 相互獨立,,,,,例 設(shè)X
29、1,X2,…,Xn獨立同分布,E(X)=μ,D(X1)=σ2.,記,若用X1,X2,…,Xn表示對某物件重量的n次重復(fù)測量的誤差,而σ2為測量誤差大小的度量,公式 表明n次重復(fù)測量的平均誤差是單次測量誤差的1/n,換言之,重復(fù)測量的平均精度比單次測量的精度高.,證明:,證,注,已知 X 的 概率密度函數(shù)為,其中 A ,B 是常數(shù),且 E (X ) = 0.5.,求 A ,B. 設(shè) Y = X 2, 求 E
30、(Y ),D (Y ),練習(xí),解 (1),,,,,(2),,,,求,.,練一練,解 因為 相互獨立,所以,而,所以,解 X的密度函數(shù)為,練一練,設(shè)隨機變量X服從參數(shù)為1的指數(shù)分布,求,所以,7.3 協(xié)方差與相關(guān)系數(shù),引 言,對于二維隨機變量(X,Y)來說,數(shù)學(xué)期望E(X)、E(Y)只反映了X與Y各自的平均值,方差只反映了X與Y各自離開均值的偏離程度,它們對X與Y之間相互關(guān)系不提供任何信息.,但二維隨機變量(X,Y
31、)的概率密度f(x,y)或分布律pij全面地描述了(X,Y)的統(tǒng)計規(guī)律,也包含有X與Y之間關(guān)系的信息.我們希望有一個數(shù)字特征能夠在一定程度上反映這種聯(lián)系.,7.3 協(xié)方差與相關(guān)系數(shù),一、協(xié)方差,定義:設(shè)二隨機變量(X,Y)的數(shù)學(xué)期望(E(X),E(Y))存在,若E[(X-E(X))(Y-E(Y))]存在,則稱它為隨機變量X與Y的協(xié)方差,記為cov(X,Y),即cov(X,Y)= E[(X-E(X))(Y-E(Y))],若X,Y為連續(xù)型
32、隨機變量,(1)用定義求:若X,Y為離散型隨機變量,計算,7.3 協(xié)方差與相關(guān)系數(shù),一、協(xié)方差,① 協(xié)方差有計算公式Cov(X,Y)= E(XY)-E(X)E(Y),(2)用公式求,證 由協(xié)方差的定義及數(shù)學(xué)期望的性質(zhì),得,7.3 協(xié)方差與相關(guān)系數(shù),一、協(xié)方差,② 任意兩個隨機變量X與Y的和的方差 D(X±Y)=D(X)+D(Y)±2Cov(X,Y),(2)用公式求,證 由方差公式及協(xié)方差的定義,得,
33、例,設(shè)(X,Y)有聯(lián)合分布律,,,,,,Y,,X,01,∑,,∑,0,1,1/4,1/4,1/3,1/6,7/12,5/12,1/2,1/2,1,求 cov(X,Y).,解,E(X)=0×1/2+1×1/2=1/2,E(Y)=0×7/12+1×5/12=5/12,E(XY)=1×1/6=1/6,cov(X,Y)=E(XY)- E(X)E(Y),=1/6-5/24,=1/24,例: 設(shè)(
34、X,Y)~N(μ1, μ2 ,σ12, σ22,ρ),求cov(X,Y),Y~N(μ2,σ22),,解: X~N(μ1,σ12),,E(X)=μ1, D(X)=σ12;,E(Y)=μ2, D(X)=σ22;,令,7.3 協(xié)方差與相關(guān)系數(shù),一、協(xié)方差,(1) Cov(X,Y)= Cov(Y,X);,(3) Cov(aX+b,cY+d)=acCov(X,Y),,a,b,c,d為常數(shù);,(2) Cov(X,X)= D(X);,性質(zhì),證 Co
35、v(X,Y)= E[(X-E(X))(Y-E(Y))] = E[(Y-E(Y)) (X-E(X))] = Cov(Y,X),證 Cov(aX+b,cY+d)=E[(aX+b-E(aX+b))(cY+d-E(cY+d))] =E{[a(X-E(X))][c(Y-E(Y))]} =acE{[X-E(X)][Y-E(Y)]}
36、 =acCov(X,Y),7.3 協(xié)方差與相關(guān)系數(shù),二、相關(guān)系數(shù),定義:設(shè)二維隨機變量(X,Y)的方差D(X)>0,D(Y)>0,協(xié)方差Cov(X,Y)均存在,則稱,為隨機變量X與Y的相關(guān)系數(shù)或標準協(xié)方差.,一般地,數(shù)學(xué)期望為0,方差為1的隨機變量的分布稱為標準分布,故ρXY又稱為標準協(xié)方差。,7.3 協(xié)方差與相關(guān)系數(shù),二、相關(guān)系數(shù),性質(zhì),1. |ρXY|≤1;,3. |ρXY|=1, 稱之
37、為X與Y完全相關(guān),其充要條件為,存在常數(shù)a,b使得P{Y=aX+b}=1.,2. ρXY=0,稱之為X與Y不相關(guān);,意義: |ρXY|=1當(dāng)且僅當(dāng)Y跟X幾乎有線性關(guān)系。這在一定程度上說明了相關(guān)系數(shù)的概率意義。ρXY并不是刻畫X,Y之間的“一般”關(guān)系,而只是刻畫X,Y之間線性相關(guān)的程度。,說明: 假設(shè)隨機變量X,Y的相關(guān)系數(shù)ρXY存在,當(dāng)X與Y相互獨立時, ρXY=0,即X與Y不相關(guān),反之若X與Y不相關(guān),X與Y卻不一定相
38、 互獨立。,7.3 協(xié)方差與相關(guān)系數(shù),二、相關(guān)系數(shù),,,,,,,,o,X,Y,,,,,o,,,o,o,X,X,X,Y,Y,Y,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,0<ρ<1,-1<ρ<0,ρ =1,ρ =-1,相關(guān)情況示意圖,解 X與Y的分布律分別為,例:二維隨機變量(X,Y)的聯(lián)合分布律如下表,求,,,解,例 設(shè)(X,Y)服從二元正態(tài)分布N(μ1,μ2 ,σ12,σ22,ρ) ,則,因為
39、 (X,Y)~ N(μ1,μ2 ,σ12,σ22,ρ) 且 ,所以,證 (1) 必要性,X~ N(μ1,σ12),Y~ N(μ2,σ22),所以,故X與Y相互獨立,證 (2) 充分性,因為X,Y相互獨立。所以, f(x,y)=f(x)f(y),所以 ρ=0,小結(jié):結(jié)論1:X與Y相互獨立 ? ρXY=0 ? X與Y不相關(guān); 反之,ρXY=0 不能推出X與Y相互獨立。結(jié)論2:對任意X與Y,以下結(jié)論等價ρX
40、Y=0 ? Cov(X,Y)=0 ? E(XY)=E(X)E(Y) ? D(X+Y)=D(X)+D(Y)。結(jié)論3:若(X,Y)~N(μ1, μ2 ,σ12, σ22,ρ),則X與Y相互獨立 ? ρXY=0 ? X與Y不相關(guān)。,7.3 協(xié)方差與相關(guān)系數(shù),7.3 協(xié)方差與相關(guān)系數(shù),三、隨機變量的矩,定義:設(shè)X和Y是隨機變量,(1)若E(Xk)(k=1,2,…)存在,則稱它為X的k階原點矩,簡稱k階矩.(2)若E{[X-
41、E(X)]k} (k=1,2,…)存在,則稱它為X的k階中心矩.,例如:,期望是一階原點矩,方差D(X)是二階中心矩,(3)對正整數(shù)k與l,稱E(XkYl)為X和Y的k+l階混合矩;(4)若E{[X-E(X)]k[Y-E(Y)]l}存在,稱它為X和Y的k+l 階混合中心矩。,7.3 協(xié)方差與相關(guān)系數(shù),三、隨機變量的矩,推廣 對于n維隨機向量(X1,X2,…,Xn),把向量(X1,X2,…,Xn)用列向量形式表示并記為X,即
42、X=(X1,X2,…,Xn)?。 定義 設(shè)X=(X1,X2,…,Xn)? 為n維隨機向量,并記μi=E(Xi),,則稱μ=(μ1,μ2,…,μn)?為向量X的數(shù)學(xué)期望或均值,稱矩陣,為向量X的協(xié)方差矩陣。,7.3 協(xié)方差與相關(guān)系數(shù),cij=Cov(Xi,Xj)=E{[Xi -E(Xi)][Xj -E(Xj )]},,例: 設(shè)(X,Y)~N(μ1,μ2,σ12,σ22,ρ),求X和Y的協(xié)方差矩陣.,解,7.4 切比雪夫不等式及大數(shù)律,(
43、1) 事件發(fā)生的頻率具有穩(wěn)定性,即隨著試驗次數(shù)的增加,事件發(fā)生的頻率逐漸穩(wěn)定于某個常數(shù).,(2) 在實踐中人們還認識到大量測量值的算術(shù)平均值也具有穩(wěn)定性.,現(xiàn)象:,概率論中用來闡明大量隨機現(xiàn)象平均結(jié)果的穩(wěn)定性的一系列定理,稱為大數(shù)律(law of large number),7.4 切比雪夫不等式及大數(shù)律,一、伯努利大數(shù)律,設(shè) X1,X2,…是相互獨立的隨機變量序列,具有相同的數(shù)學(xué)期望E(Xk)=μ和方差D(Xk)=σ2(k=1,2,
44、…),則對于任意給定的ε>0,恒有,其中,若上式對任何ε>0成立,則稱 依概率p收斂于μ,且可表示為,7.4 切比雪夫不等式及大數(shù)律,一、伯努利大數(shù)律,例如:,意思是:當(dāng),,,a,,,,,,,,,,,,,,,,而,意思是:,時,Xn落在,內(nèi)的概率越來越大.,,當(dāng),7.4 切比雪夫不等式及大數(shù)律,切比雪夫(Chebyshev)不等式: 設(shè)隨機變量X具有數(shù)學(xué)期望E(X)=μ,方差D(X)=σ2 ,則對于任意正數(shù)ε,有
45、,二、切比雪夫(Chebyshev)不等式,7.4 切比雪夫不等式及大數(shù)律,證明 (1)設(shè)X的概率密度為f(x),則有,(2)設(shè)離散型隨機變量X的分布律為P{X=xk}=pk,則有,二、切比雪夫(Chebyshev)不等式,切比雪夫(Chebyshev)不等式的應(yīng)用,在隨機變量X的分布未知的情況下,只利用X的期望和方差,即可對X的概率分布進行估值。,例 已知正常男性成人血液中,每毫升白細胞數(shù)的平均值是7300,均方差是700,
46、利用切比雪夫不等式估計每毫升血液含白細胞數(shù)在5200~9400之間的概率。,解 設(shè)X表示每毫升血液中含白細胞個數(shù),則,則,而,所以,練一練,設(shè)隨機變量X的方差為2.5,利用切比雪夫不等式估計概率,例:在供暖的季節(jié),住房的平均溫度為20度,標 準差為2度,試估計住房溫度與平均溫度的 偏差的絕對值小于4度的概率的下界.,解,7.4 切比雪夫不等式及大數(shù)律,三、切比雪夫(Chebyshev)大數(shù)定律,設(shè) X1,X2
47、,…是相互獨立的隨機變量序列,具有數(shù)學(xué)期望E(Xi) 和方差 D(Xi) [i=1,2,...].若存在常數(shù) C,使得D(Xi)≤C(i=1,2,…),則對于任意給定的 ε>0, 恒有,證明,7.5 中心極限定理,客觀背景:客觀實際中,許多隨機變量是由大量相互獨立的偶然因素的綜合影響所形成,每一個微小因素,在總的影響中所起的作用是很小的,但總起來,卻對總和有顯著影響,這種隨機變量往往近似地服從正態(tài)分布。,例如對某物的長度進行測量,
48、在測量時有許多隨機因素影響測量的結(jié)果.如溫度和濕度等因素對測量儀器的影響,使測量產(chǎn)生誤差X1;測量者觀察時視線所產(chǎn)生的誤差X2;測量者心理和生理上的變化產(chǎn)生的測量誤差X3;…顯然這些誤差是微小的、隨機的,而且相互沒有影響.測量的總誤差是上述各個因素產(chǎn)生的誤差之和,即∑Xi.,概率論中有關(guān)論證獨立隨機變量的和的極限分布是正態(tài)分布的一系列定理稱為中心極限定理。,7.5 中心極限定理,一般地,在研究許多隨機因素產(chǎn)生的總影響時,很多可以歸結(jié)為研
49、究相互獨立的隨機變量之和的分布問題,而通常這種和的項數(shù)都很大.因此,需要構(gòu)造一個項數(shù)越來越多的隨機變量和的序列:,我們關(guān)心的是當(dāng)n→∞時,隨機變量和∑Xi的極限分布是什么?,7.5 中心極限定理,設(shè)隨機變量X1,X2,…,Xn是n個相互獨立且每個都服從(0-1)分布(P{Xi=0}=1-p,P{Xi=1}=p),現(xiàn)在來求,Yn= X1+X2+…+Xn,這里每個Xi只能取0,1,,的分布,Yn只能取0,1,…,n,即Yn服從B(n,p),
50、7.5 中心極限定理,設(shè)X1,X2,…,Xn同分布,且Xi~B(1,p),則,推論:,如果X與Y獨立,且X~B(m,p), Y~B(n,p),則 X+Y~ B(m+n,p),即二項分布具有可加性.,一、棣莫弗-拉普拉斯中心極限定理,(De Moivre-Laplace中心極限定理):設(shè)X1,X2,…是一個獨立同分布的隨機變量序列,且Xi~B(1,p)(i=1,2,…), Yn= X1+X2+…+Xn,則
51、對任意一個x,-∞<x-< +∞總有,二項分布的極限分布是正態(tài)分布,即:當(dāng)n很大時,可以認為Yn近似服從正態(tài)分布N(np,np(1-p)),例 設(shè)一車間里400臺同型號的機器,工作時每臺機器需要用電為Q瓦.由于工藝關(guān)系,每臺機器并不連續(xù)開動,開動的時間只占工作總時間的3/4.假定各機器工作是相互獨立,問應(yīng)該供應(yīng)多少瓦電力才能以99%的的概率保證該車間的機器正常工作?,解 令X為400臺機器中同時工作的機器數(shù),則 X~B(4
52、00,3/4),,設(shè)應(yīng)供應(yīng)x瓦電力,例 現(xiàn)有一大批種子,其中良種占1/6,今在其中任選6000粒,試問在這些種子中良種所占的比例與1/6之差小于1%的概率是多少?,解 設(shè)取出的種子中的良種粒數(shù)為X,則,所求概率為,7.5 中心極限定理,二、獨立同分布的中心極限定理,設(shè)隨機變量X1,X2,…,Xn,…相互獨立,服從同一分布,且具有數(shù)學(xué)期望和方差 E(Xk)=µ,D(Xk)=σ2≠0,(k=1,2,…) 對于任意實數(shù)x,
53、總有,它的分布函數(shù)Fn(x),,定理的應(yīng)用:對于獨立的隨機變量序列 ,不管 服從什么分布,只要它們是同分布,且有有限的數(shù)學(xué)期望和方差,那么,當(dāng)n充分大時,這些隨機變量之和 近似地服從正態(tài)分布,例:為了測定一臺機床的質(zhì)量,把它分解成75個部件來稱量.假定每個部件的稱量誤差(單位:kg)服從區(qū)間(-1,1)上的均勻分布,且每個部件的稱量誤
54、差相互獨立,試求機床重量的總誤差的絕對值不超過10kg的概率.,解 設(shè)第i個部件的稱量誤差為Xi(i=1,2,…,75),由題意知Xi相互獨立且都服從區(qū)間(-1,1)上的均勻分布,并有,E(Xi)=0,,D(Xi)=1/3,(i=1,2,..,75).,由獨立同分布的中心極限定理,可以近似地認為,于是,所求概率為,一加法器同時收到20個噪聲電壓Vk(k=1,2,…,20),它們相互獨立且都在區(qū)間[0,10]上服從均勻分布,噪聲電壓總和
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 隨機變量的數(shù)字特征
- 隨機變量的數(shù)字特征
- 隨機變量及數(shù)字特征
- 1.4隨機變量的數(shù)字特征
- 四、隨機變量的數(shù)字特征
- 10 03 隨機變量的數(shù)字特征
- 第四章隨機變量的數(shù)字特征
- 第二章 隨機變量的分布及數(shù)字特征
- 第四章 隨機變量的數(shù)字特征(2015)
- 二維隨機變量的數(shù)字特征
- 隨機變量的數(shù)值特征
- 第四章習(xí)題答案 隨機變量的數(shù)字特征
- 第1章 隨機變量
- 3-4工程數(shù)學(xué)隨機變量的數(shù)字特征
- 第04章概率隨機變量
- 第三章 隨機變量的數(shù)字特征(習(xí)題參考答案)
- 第二章隨機變量的分布和數(shù)字特征習(xí)題課
- 2.1隨機變量
- 第2章 隨機變量及其分布
- [學(xué)習(xí)]概論與統(tǒng)計課件第四章_隨機變量的數(shù)字特征
評論
0/150
提交評論