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
1、随机变量的数学期望(均值), 它体现了随机 变量取值的平均水平, 是随机变量的一个重要的 数字特征,但是在很多场合, 仅仅知道平均值是不够的,2 随机变量的方差,例如, 某零件的真实长度为a, 现在用甲、乙 两台仪器各测量10次, 并将测量结果 X 用坐标上的点表示如图,问: 哪台仪器的测量效果好一些,因为乙仪器的测量结果更集中在均值附近,为此需要引进另一个数字特征, 用它来度量 随机变量在其中心 (即均值) 附近取值的离散程度(或集中程度). 这个数字特征就是: 方差,再如: 考察某车床加工轴承的质量时, 若 最关键的指标为长度, 则不但要注意轴承的平均 长度, 同时还要考虑轴承长度与平均长
2、度的偏离 程度 (即加工的精度); 等等,我们该用怎样的量去度量这种偏离程度呢,X E(X) ,E X E(X) ,E | X E(X) | ,E X E(X) 2,一、方差( variance )的定义,随机变量 X 的平方偏差 X E(X) 2 的均值,或 Var ( X ),叫做 X 的方差,而,叫做 X 的标准差 或均方差,方差刻划了随机变量取值的离散程度,若 X 的取值比较集中, 则方差较小,若 X 的取值比较分散, 则方差较大,可以算出,两人命中环数的平均水平相同, 从中看不出两人射击技术的 高低,但,说明甲的命中环数比乙的更集中,即甲的射击技术比乙的稳定,二. 方差的简化计算公式
3、,即: 方差等于 平方的期望 减 期望的平方,证明,而,解,由归一性得,故,解得 b = 0, a = 2, E( X ) = 2/3,或b = 2, a = 2, E( X ) = 1/3,解,三. 常见分布的期望与方差,3,则,2,则,1,则,4,则,5,则,四. 方差的性质,1) 对任意常数 k 与 c 有: D( k X + c ) = k 2 D(X,2) 设 X 与 Y 相互独立, 则,进一步, 若 X1 , , Xn 相互独立, 则对任意常数 c1 , cn 有,D(X+Y) = D(X) + D(Y), D(XY) = D(X) + D(Y,D( c1 X1+ + cn Xn
4、) = c12 D( X1 ) + + cn2 D( Xn,3) D(X) = 0 的充要条件是 X 以概率 1 取常数 C , 即 PX = C = 1,解,X 表示 n 重伯努利试验中 “成功”的次数,p为每次试验成功的概率,则 X B(n, p,引入,1, 若第 i 次试验成功,0, 若第 i 次试验失败,i =1, 2, , n,则 X1 , X2 , Xn 相互独立, 且,而 Xi 的分布律为,故 E( Xi ) = p,E( Xi2 ) = p,D( Xi ) = E( Xi2 ) E( Xi )2 = p q,从而,解,五. 随机变量的标准化,设 X 具有,为 X 的标准化随机变
5、量,则叫,六. 切比雪夫(Chebyshev)不等式,对 X, 若 E( X ), D( X ) 都存在, 则对,或,1) 方差确实能衡量随机变量取值的离散程度,2) 该不等式能在 X 的分布未知的情况下对,的概率的下限作一估计,若记,则,等等,一、协方差,随机变量 X 和 Y 的协方差,前面我们介绍了随机变量的数学期望和方差, 对于多维随机变量,反映分量之间关系的数字特征 中, 最重要的就是协方差和相关系数,3 协方差(Covariance)和相关系数,1. 定义,1) Cov( X, Y )= Cov( Y, X,2) Cov( a X, b Y ) = a b Cov( X, Y ) ,
6、 a, b 是常数,3) Cov( X1 + X2 , Y )= Cov( X1 , Y ) + Cov( X2 , Y,2. 简单性质,3. 协方差的简化计算公式,Cov( X, Y ) = E( X Y ) E( X ) E( Y,可见,若 X 与 Y 独立, 则 Cov( X, Y ) = 0,4. 随机变量和的方差与协方差的关系,D ( X+Y )= D( X ) + D( Y ) + 2Cov( X, Y,二、相关系数,1. 定义,设 D( X ) 0, D( Y ) 0, 称,为随机变量 X 和Y 的相关系数,2. 相关系数的性质,存在常数a, b 使,即 X 和 Y 以概率 1
7、线性相关,可见相关系数刻划了 X 和 Y 间“线性相关”的程度,的值越接近于 1, Y 与 X 的线性相关程度越高,的值越接近于 0, Y 与 X 的线性相关程度越弱,注意,若 X 与 Y 独立, 则 Cov(X, Y) = E(XY )E(X )E(Y ) = 0,但由 X 与 Y 不相关, 不一定能推出 X 与 Y 独立,而对下述情形, 独立与不相关等价,若 (X, Y) 服从二维正态分布, 则,从而 X 与 Y 不相关,例: 设 X 在 (1/2, 1/2)内服从均匀分布, 而 Y = cos X , 试考察 X 与 Y 的相关性及独立性,解,而 Y 与 X 有严格的函数关系,因此,Co
8、v( X, Y ) = E( X Y ) E( X ) E( Y ) = 0,故 X 和 Y 不相关,即 X 和 Y 不独立,一、矩,为 X 的 k 阶原点矩,可见: X 的期望是 X 的 1 阶原点矩,在随机变量的数字特征中, 更一般的是矩,4 矩、协方差矩阵,为 X 的 k 阶中心矩,为 X 和 Y 的 k + l 阶混合原点矩,为 X 和 Y 的 k + l 阶混合中心矩,X 的方差是X 的 2 阶中心矩,X 和 Y 的协方差是 X 和 Y 的 2 阶混合中心矩,二、协方差矩阵,对 n 维随机变量 ( X1 , X2 , Xn,称矩阵,为( X1, X2, Xn ) 的 协方差矩阵,因对所有 i, j 成立 ci j = cj i,记,i, j = 1, 2, n,故 C T = C , C 为对称 矩阵,引入( X1, X2, Xn ) 的协方差矩阵, 可更好地 处理多维随机变量,比如, 我们可从二维正态随机变量的概率密度推广出 n 维 正态随机变量的概率密度,设 n 维随机变量 ( X1 ,
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。
最新文档
- 淮阴师范学院《人体解剖生理学》2023-2024学年第一学期期末试卷
- 淮阴师范学院《篮球》2021-2022学年第一学期期末试卷
- 淮阴师范学院《装饰雕塑》2022-2023学年第一学期期末试卷
- 黄山学院《电磁场与电磁波》2022-2023学年期末试卷
- 淮阴师范学院《伴奏与弹唱》2023-2024学年第一学期期末试卷
- DB6505T188-2024花生病虫害绿色防控技术规程
- 关于进一步做好全员安全生产培训工作的通知修改版
- 机器人在安全监控服务的创新考核试卷
- 污水处理中的藻类光合作用技术研究考核试卷
- 化学纤维在人力资源招聘等行业的应用考核试卷
- 工程防渗漏培训课件
- 钢结构厂房拆除施工方案案例
- 反恐怖保安培训
- 新《安全生产法》的“八不伤害”原则
- 外贸PI形式发票模板样本
- 人民调解业务知识
- 康复中心转让协议书样本
- 漏电防护和事故处置培训
- 金融风险2024年金融风险的防范和化解
- 农场规划方案
- 专利许可三方协议
评论
0/150
提交评论