第三章 随机变量的数字特征 (一)基本内容 一、一维随机变量的数学期望 定义1:设X是一离散型随机变量,其分布列为:

Slides:



Advertisements
Similar presentations
1 §2.2 离 散 型 随 机 变 量 §2.1 随 机 变 量 的 概 念 §2.3 超几何分布 · 二项分布 · 泊松分布 1. “0-1” 分布 ( 两点分布 ) 3. 二项分布 4. Poisson 分布 2. 超几何分布 n →∞ , N→∞ , (x = 0, 1, 2, , n) (x.
Advertisements

第一章 、随机事件与概率 1.1 、随机事件 1.2 、随机事件的概率 1.3 、随机事件概率的计算 1.4 、伯努利概型.
随机变量及其概率分布 第二章 离散型随机变量及其分布律 正态分布 连续型随机变量及其分布律 随机变量函数的分布.
第五节 函数的微分 一、微分的定义 二、微分的几何意义 三、基本初等函数的微分公式与微分运算 法则 四、微分形式不变性 五、微分在近似计算中的应用 六、小结.
2.8 函数的微分 1 微分的定义 2 微分的几何意义 3 微分公式与微分运算法则 4 微分在近似计算中的应用.
5.4 微 分 一、微分概念 二、微分的运算法则与公式 三、微分在近似计算上的应用. 引例 一块正方形金属片受热后其边长 x 由 x 0 变到 x 0  x  考查此薄片的面积 A 的改变情况  因为 A  x 2  所以金属片面 积的改变量为  A  (x 0 
2.5 函数的微分 一、问题的提出 二、微分的定义 三、可微的条件 四、微分的几何意义 五、微分的求法 六、小结.
全微分 教学目的:全微分的有关概念和意义 教学重点:全微分的计算和应用 教学难点:全微分应用于近似计算.
第三章 多维随机变量及其分布 3.1 二维随机变量 3.2 边缘分布 3.3 条件分布 3.4 随机变量的独立性
第四章 随机变量的数字特征 随机变量的分布是对随机变量的一种完整的描述,知道随机变量的分布就全都知道随机变量的所有特征。然后随机变量的概率分布往往不容易求得的。 随机变量的这些统计特征通常用数字表示的。这些用来描述随机变量统计性的数字称为随机变量的数字特征。其中最重要的是数学期望(均值)和方差二种。
概率论与数理统计 课件制作:应用数学系 概率统计课程组.
3.1.3 概率的基本性质.
第三章 函数逼近 — 最佳平方逼近.
概率论与 数理统计 高教自考复习 总第十四讲.
第二节 离散型随机变量 及其分布律 一、离散型随机变量的分布律 二、常见离散型随机变量的概率分布 三、小结.
第二章 随机变量及其分布 关键词: 随机变量 概率分布函数 离散型随机变量 连续型随机变量 随机变量的函数.
第四章 随机变量的数字特征 主讲教师:董庆宽 副教授 研究方向:密码学与信息安全
第五节 微积分基本公式 、变速直线运动中位置函数与速度 函数的联系 二、积分上限函数及其导数 三、牛顿—莱布尼茨公式.
一、原函数与不定积分 二、不定积分的几何意义 三、基本积分公式及积分法则 四、牛顿—莱布尼兹公式 五、小结
第四章 函数的积分学 第六节 微积分的基本公式 一、变上限定积分 二、微积分的基本公式.
第三节 协方差及相关系数 协方差 相关系数 课堂练习 小结 布置作业.
第5章 定积分及其应用 基本要求 5.1 定积分的概念与性质 5.2 微积分基本公式 5.3 定积分的换元积分法与分部积分法
主要内容 § 3.1 多维随机变量及联合分布 联合分布函里数 联合分布律 联合概率密度 § 3.2 二维随机变量的边缘分布
不确定度的传递与合成 间接测量结果不确定度的评估
第三节 格林公式及其应用(2) 一、曲线积分与路径无关的定义 二、曲线积分与路径无关的条件 三、二元函数的全微分的求积 四、小结.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
2-7、函数的微分 教学要求 教学要点.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
第四章 随机变量的数字特征 第一节 数学期望 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5章 §5.3 定积分的积分法 换元积分法 不定积分 分部积分法 换元积分法 定积分 分部积分法.
第三章 多维随机变量及其分布 §2 边缘分布 边缘分布函数 边缘分布律 边缘概率密度.
例1 :甲击中的环数; X :乙击中的环数; Y 平较高? 试问哪一个人的射击水 : 的射击水平由下表给出 甲、乙两人射击,他们
本次课讲授:第二章第十一节,第十二节,第三章第一节, 下次课讲第三章第二节,第三节,第四节; 下次上课时交作业P29—P30
§2 求导法则 2.1 求导数的四则运算法则 下面分三部分加以证明, 并同时给出相应的推论和例题 .
第四章 随机变量的数字特征 主讲教师:董庆宽 副教授 研究方向:密码学与信息安全
概 率 统 计 主讲教师 叶宏 山东大学数学院.
连续型随机变量及其概率密度 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结.
第七章 参数估计 7.3 参数的区间估计.
习题 一、概率论 1.已知随机事件A,B,C满足 在下列三种情况下,计算 (1)A,B,C相互独立 (2)A,B独立,A,C互不相容
概率论 ( Probability) 2016年 2019年4月13日星期六.
抽样和抽样分布 基本计算 Sampling & Sampling distribution
概 率 论.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
应用概率统计 主讲:刘剑平.
5.2 常用统计分布 一、常见分布 二、概率分布的分位数 三、小结.
第四章 随机变量的数字特征 我们知道,随机变量的分布列或概率密度,全面地描述了随机变量的统计规律.但在许多实际问题中,这样的全面描述并不使人感到方便. 已知一只母鸡的年产蛋量是一个随机变量,如果要比较两个品种的母鸡的年产蛋量,通常只要比较这两个品种的母鸡的年产蛋量的平均值就可以了.平均值大就意味着这个品种的母鸡的产蛋量高.如果不去比较它们的平均值,而只看它们的分布列,虽然全面,却使人不得要领,既难以掌握,又难以迅速地作出判断.
第5章 大数定律和中心极限定理 5.1 大数定律 5.2 中心极限定理.
在第一章中,我们介绍了条件概率的概念 . 在事件B发生的条件下事件A发生的条件概率 推广到随机变量
第三章 多元随机变量及其分布 关键词:二元随机变量 联合分布 边际分布 条件分布 随机变量的独立性 随机变量函数的分布.
3.1.2 空间向量的数量积运算 1.了解空间向量夹角的概念及表示方法. 2.掌握空间向量数量积的计算方法及应用.
第二章 随机变量及其分布 关键词: 随机变量 概率分布函数 离散型随机变量 连续型随机变量 随机变量的函数.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
第一节 不定积分的概念与性质 一、原函数与不定积分的概念 二、不定积分的几何意义 三、基本积分表 四、不定积分的性质 五、小结 思考题.
第三章 函数的微分学 第二节 导数的四则运算法则 一、导数的四则运算 二、偏导数的求法.
第三章 多维随机变量及其分布 第一节 二维随机变量 第二节 边缘分布 第三节 条件分布 第四节 相互独立的随机变量
第四节 随机变量函数的概率分布 X 是分布已知的随机变量,g ( · ) 是一个已知 的连续函数,如何求随机变量 Y =g(X ) 的分布?
第一部分:概率 产生随机样本:对分布采样 均匀分布 其他分布 伪随机数 很多统计软件包中都有此工具 如在Matlab中:rand
§5.2 抽样分布   确定统计量的分布——抽样分布,是数理统计的基本问题之一.采用求随机向量的函数的分布的方法可得到抽样分布.由于样本容量一般不止2或 3(甚至还可能是随机的),故计算往往很复杂,有时还需要特殊技巧或特殊工具.   由于正态总体是最常见的总体,故本节介绍的几个抽样分布均对正态总体而言.
第 四 章 大 数 定 理 与 中 心 极 限 定 理.
定义 设连续型随机变量 概率密度为 分布函数是 特别地, 其概率密度为 一、正态分布的相关内容:.
难点:连续变量函数分布与二维连续变量分布
欢迎大家来到我们的课堂 §3.1.1两角差的余弦公式 广州市西关外国语学校 高一(5)班 教师:王琦.
第三节 函数的微分 3.1 微分的概念 3.2 微分的计算 3.3 微分的应用.
7.4 随机变量的数字特征 离散型随机变量的数学期望和方差 连续型随机变量的数学期望和方差
笛卡儿说:“数学是知识的工具,亦是其它知识工具的泉源。所有研究顺序和度量的科学均和数学有关。”
第四节 向量的乘积 一、两向量的数量积 二、两向量的向量积.
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
第四章 函数的 积分学 第七节 定积分的换元积分法     与分部积分法 一、定积分的换元积分法 二、定积分的分部积分法.
§4.1数学期望.
第五章 大数定律和中心极限定理 关键词: 马尔可夫不等式 切比雪夫不等式 大数定律 中心极限定理.
Presentation transcript:

第三章 随机变量的数字特征 (一)基本内容 一、一维随机变量的数学期望 定义1:设X是一离散型随机变量,其分布列为: 第三章 随机变量的数字特征 (一)基本内容 定义1:设X是一离散型随机变量,其分布列为: 则随机变量X 的数学期望为: 设X是一连续型随机变量,其分布密度为 则随机变量X的数学期望为 一、一维随机变量的数学期望 定义2:

二、二维随机变量的数学期望 (1)设二维离散随机变量(X,Y)的联合概率函数为p(xi , yj),则 (2)设二维连续随机变量(X,Y)的联合概率密度为f(x, y),则 即: 假定级数是绝对收敛的. 假定积分是绝对收敛的. 二、二维随机变量的数学期望

三、一维随机变量函数的数学期望 则定义随机变量函数 的数学期望为: (1)设离散型随机变量X 的概率分布为: 机变量函数 则定义随 其概率密度为

四、二维随机变量的函数的数学期望 (1)设二维离散随机变量(X,Y)的联合概率函数为p(xi , yj),则 随机变量函数g(X,Y)的数学期望如下: (2)设二维连续随机变量(X,Y)的联合概率密度为f(x, y),则 随机变量g(X,Y)的数学期望如下: 假定这个级数是绝对收敛的. 假定这个积分是绝对收敛的. 四、二维随机变量的函数的数学期望

五、关于数学期望的定理 定理1 推论 (1) (2) (3) 定理2 推论: 定理3 若X、Y 独立,则有:

六、方差与标准差 方差的计算公式: 有关方差的定理: 定义 X 的方差: X 的标准差: 若X 为离散型随机变量,则有 定理1 推论: 有关方差的定理: 六、方差与标准差

七、某些常用分布的数学期望及方差 定理2: 若X与Y 独立, 推论: 0 -1分布: 二项分布: Poisson分布 几何分布: 均匀分布: 指数分布: Poisson分布

二维随机变量的方差: 连续型随机变量 离散型随机变量

八、原点矩与中心矩 随机变量X 的 k 阶原点矩: 定义1: 定义2: X 的k 阶中心矩: 对于离散随机变量: 对于连续随机变量: 特别的, 八、原点矩与中心矩

九、协方差与相关系数 1、X与Y 的协方差(或相关矩): 定义 注 ⑴ 离散型随机变量: ⑵ 连续型随机变量: 定理1 定理2 ⑵ 连续型随机变量: 1、X与Y 的协方差(或相关矩): 定义 注 九、协方差与相关系数 定理1 定理2 若X与Y 独立,则: 注 设X与Y是任两个随机变量, 逆命题不成立。

2、X与Y 的相关系数 定义 定理3 且 定理4 定理5 如果 X 与Y 独立,则 反之不成立。 即: X 与 Y相互独立 X与 Y 不相关

十、切比雪夫不等式与大数定律 1、切比雪夫不等式 2、切比雪夫大数定律 若方差一致有上界 3、辛钦大数定律 独立同分布 4、伯努利大数定律 在独立试验序列中,事件 A 的频率按概率收敛于事件 A 的概率.

(二)作业题略解 1 一批零件有9个合格品与3个废品,安装机器时从中任取一 个。如果取出的废品不再放回去,求在取得合格品以前已 设随机变量X表示在取得合格品之前已取得的废品数, 则 1 一批零件有9个合格品与3个废品,安装机器时从中任取一 个。如果取出的废品不再放回去,求在取得合格品以前已 取出的废品数的数学期望、方差与标准差。

所以X 的概率分布列为

的次品率为p,求每批产品抽查样品的平均数。 都是合格,则也停止检查而认为这批产品合格。设这批产品 立即停止检查而认为这批产品不合格;若连续检查5个产品 2 对某工厂的每批产品进行放回抽样检查。若发现次品,则 设随机变量X 表示每批产品抽查的样品数,则: ∴X 的概率分布表如下: 解

3 设随机变量X的概率密度为: 求数学期望EX与方差DX. 令 解 则

4 设随机变量X 的概率密度为: 求数学期望EX与方差DX. 解

5 设随机变量X 的概率密度为: 求系数A及EX与D X. 令 解

6 方向盘有整分度 ,如果计算角度时是把零头数化为最 解 与标准差。 靠近的整分度计算的,求测量方位角时误差的数学期望 测量方位角时的误差X~

7 设随机变量X 服从二项分布B(3,0.4),求下列随机变量的数 学期望与方差: 解

8 X 的密度函数为: 解

9 对球的直径做近似测量,设其值均匀分布在区间 内, 求球体积的数学期望. 解 设随机变量X,Y 分别表示球的直径和体积, 则 而 10 证明:若随机变量X与Y 独立,则 证 右=

=左 ∵X与Y 独立,∴ X 2 与Y 2 独立, ∴右 也可从左往右证. 解 11 独立,且服从同一分布,数学期望 为 随机变量 学期望及方差. 方差为 求它们的算术平均值 的数

12 N个人同乘一辆长途汽车,沿途有n个车站,每到一个车站 时,如果没有人下车,则不停车.设每个人在任一站下车是 等可能的,求停车次数的数学期望. 解1 且服从分布

解2 设Y 表示停车的次数, 服从分布二项分布B( n,p ) Y 则

解 13 计算二项分布 的三阶原点距,三阶中心距.

14 二维随机变量(X,Y)在区域R: (2)数学期望E(X)及E(Y)、方差D(X)及D(Y); 及相关系数 解 (1)设(X,Y)的概率密度 其中C 为常数. 则 服从均匀分布,求:(1)的概率密度; (3)相关矩 上

(2) (3)

15 解

16 利用切比雪夫不等式估计随机变量与其数学期望的差大于 三倍标准差的概率. 解

17 为了确定事件 A 的概率, 进行了10000次重复独立试验. 解 设事件A 在每次试验中发生的概率为 p, 在这10000次试验 中发生了X 次, 则 因此,所求事件的概率为

设 ∴仪器误差的数学期望及方差分别是: 18 利用某仪器测量已知量a 时,所发生的随机误差的概率密 度在独立试验过程中保持不变。设 是各 次测量的结果,可否取 作为仪器误差的方 差的近似值? 解

若系统没有误差,即 则 据切比雪夫定理的推论,得 即

若次品率不大于0.01, 则任取200件,发现6件次品的概率 应不大于 利用泊松定理, 取λ=200×0.01=2 此概率很小, 据小概率事件的实际不可能性原理, ∴不能相信该工厂的次品率不大于0.01。 解 19 从某工厂的产品中任取200件,检查结果发现其中有6件次 品,能否相信该工厂的次品率不大于0.01。

(三)其它习题略解: 5,19 帕斯克分布:设事件A在每次实验中发生的概率为 p,进 行重复独立实验,直至事件A发生r 次为止,需要进行的 实验总次数的概率分布: 求: X 的期望与方差. 解 X 表示直到事件A发生r 次需要进行的实验总次数, 表示直到事件A发生第1 次进行的实验次数, 表示事件A发生第i-1 次后到第i次发生时进行的实验次数, 则: 且 相互独立,服从几何分布G(p).

15 过半径为R的圆周上任意点作这圆的弦,求这弦的平均长度. x L T O 2R A 解 如图示: 设T 表示过圆周上定点O所作的弦OA 与x 轴的夹角, 则 T 在 上服从均匀分布, 设L 表示所作的弦的长度, 则:L=2RcosT E(L)=E(2RcosT)=

22 计算均匀分布U(a,b)的k阶原点矩及k阶中心矩. 解 设随机变量 X ~ U(a,b), 则其概率密度: 为奇数 为偶数

26 设 是任意 n个随机变量, 证明: 若 相互独立, 证明:

27 设 X ~ H( n, M, N ) 求: E( X ), D( X ). 解 表示第i 次抽样时取得的次品数, 设 则 则n次抽样共抽到的次品数为: 且 1 所以:

1 1

31 证明: 若不独立的随机变量 满足条件 (马尔可夫) 则对任意的正数 恒有 证明: 由切比雪夫不等式, 对任意的正数 恒有 因概率不能大于1,

补例1: 设二维随机变量(X,Y)在矩形区域: 上服从均匀分布, 记 求(1)U与V的联合分布, (2)U与V的相关系数. • 1 2 y x 2y= x y= x O 解: 由题意(X,Y) 的联合概率密度: 如图示: P(U=0,V=0)=

P(U=0,V=1) P(U=1,V=0) P(U=1,V=1) 所以(U,V )的联合分布: 1

1 因U,V 分别服从“0-1”分布,

例2: 设随机变量U 在区间[-2,2]上服从均匀分布,随机变量: 求(1) ( X, Y ) 的联合分布, (2) D(X+Y). 解: 由题意随机变量U 的概率密度: P(X=-1,Y=-1) =P (U≤-1,U≤1) =P (U≤-1) P(X=-1,Y=1) =P (U≤-1,U>1)=0 P(X=1,Y=-1) =P (U>-1,U≤1)=P(-1<U≤1) P(X=1,Y=1) =P (U>-1,U>1)=P(U>1)

所以(X,Y )的联合分布: -1 1 Z=X+Y 的概率分布: 2 P(Z=z) -2

例3: 设 A,B 为随机事件,且P(A) = P(B/A)= P(A/B)= 发生 不发生, 发生 不发生 令 (1) (X,Y) 的联合分布; (2) X与Y的相关系数; 求: (3) 的概率分布. 解: (1) P(X=0,Y=0) P(X=0,Y=1) P(X=1,Y=0) P(X=1,Y=1)

(X,Y)的联合分布: 1 1 2) X的边缘分布: Y的边缘分布: P(X= ) 1 P(Y= ) 1 因X,Y 分别服从“0-1”分布,

3) 随机变量 的可能取值:0,1,2. 1 2 P(Z= )

例4: 某流水生产线上每个产品不合格的概率为: p (0<p<1), 各产品合格与否相互独立,当出现一个不合格产品时即停机检修. 设开机后第一次停机时已生产的产品个数为X , 求X的数学期望 E(X)与方差D(X). 解: 由题意 随机变量X 的概率函数:

例5: 已知甲, 乙两个箱子装有同种产品, 其中甲箱中装有3件合格品, 3件次品, 乙箱中仅装有3件合格品, 从甲箱中任取3件产品装入, 乙箱中后,求: (1)乙箱中次品件数X的数学期望; (2) 从乙箱中任取1件产品是次品的概率. 解: (1) X 的一切可能取值:x =0,1,2,3. X 的概率函数: 2 P(X=x) 1 3

(2) 设 表示从甲箱任取的产品中有i 件次品(i = 0,1,2,3), A 表示从乙箱中任取1件产品是次品. 则: