第四讲随机变量的数字特征 内容提要 (1)随机变量的数学期望(直接计算,随机变量函数的期望,期望的性质)方差(直接计算,性质) (2)协方差、协方差矩阵与相关系数(计算,性质) (3)矩和混合矩 (4)常见分布的期望与方差

上一讲我们介绍了随机变量的数学期 望,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. 但是在一些场合,仅仅知道平均值是 不够的

第四章随机变量的数字特征 4-2方差 在实际问题中常关心随机变量与均值的 偏离程度,可用EX-EX|,但不方便;所以 通常用E(X-EX)2来度量随机变量X与其均 值EX的偏离程度。 1、定义 设X是随机变量,若E(X-EX)2存在,称其 为随机变量X的方差,记作DX,Var(X),即: DX=Var(X)=E(X-EX) 2.x称为标准差。 DX=E(X-E)2=(x-E)2p,离散型

第四章随机变量的数字特征 4-1数学期望 例1:某班有N个人,其中有n个人为a1分,i=1,2,…k, ∑n=N,求平均成绩

分布函数能完整地描述随机变量的统 计特性,但实际应用中,有时并不需要知道 分布函数而只需知道随机变量的某些特征 例如: 判断棉花质量时,既看纤维的平均长度 又要看纤维长度与平均长度的偏离程度 平均长度越长,偏离程度越小,质量就越好;

第一节 概 率 第二节 随机变量及其分布 第三节 随机变量的数字特征 第四节 矩母函数和特征函数 第五节 条件期望 第六节 指数分布 第七节 收敛性和极限定理

第零章背景与基本要求 第一章事件与概率 第二章条件概率与统计独立 第三章随机变量与分布函数 第四章数字特征与特征函数 第五章极限定理

1.1概率空间 1.2随机变量与分布函数； 1.3数字特征、矩母函数与特征函数 1.4收敛性 1.5独立性与条件期望

分布函数能完整地描述r.v的统计特性,但实际应用中并不都需要知 道分布函数,而只需知道rv的某些特征. 例如: 判断棉花质量时,既看纤维的平均长度又要看纤维长度与平均长度的偏离程度平均长度越长,偏离程度越小,质量就越好;

一、协方差 二、相关系数 三、课堂练习