概率论数理统计ChWord格式.docx
《概率论数理统计ChWord格式.docx》由会员分享,可在线阅读,更多相关《概率论数理统计ChWord格式.docx(21页珍藏版)》请在冰豆网上搜索。
![概率论数理统计ChWord格式.docx](https://file1.bdocx.com/fileroot1/2022-10/8/b3b4df7d-9f8a-4d86-8448-e9c9b18ac272/b3b4df7d-9f8a-4d86-8448-e9c9b18ac2721.gif)
的数学期望,或期望,或均值。
例4.1.1(0-1分布)设
的分布列为
,
则
例4.1.2(二项分布)设
服从二项分布
,其分布列为
其中
,
=
例4.1.3(泊松分布)设
服从泊松分布
,则
=
因而:
服从泊松分布的随机变量由它的数学期望所唯一确定。
对于连续型随机变量
定义4.1.2设
为具有密度函数
的随机变量,若
(4.1.3)
的数学期望。
例4.1.4(均匀分布)设
服从
上的均匀分布,密度函数为
例4.1.5(正态分布)设
,密度函数为
(令
)
二.随机变量的函数的数学期望
定理4.1.1设
是一个连续的实函数,
(1)若
为离散型随机变量,分布列为
且
则
(4.1.4)
(2)若
是连续型随机变量,密度函数为
(4.1.5)
(3)若
为离散型随机向量,联合分布列为
的数学期望
存在,并且
(4.1.6)
(4)若
为连续型随机向量,分布密度为
,且
(4.1.7)
(3),(4)可推广到
维随机向量的情形.
三.数学期望的性质
数学期望具有如下性质:
(1)
为常数;
(2)
,其中
存在,则
;
与
独立且
.
性质(3),(4)可推广到n个随机变量的情形.
其中性质(3)对计算期望很有用处,基本思想是:
当直接计算
的数学期望有困难时,可考虑将
分解成若干个随机变量的和,
而每个
的期望值是容易求出的。
然后利用性质(3)即可求出
。
例4.1.10设
件产品中含有
件次品,依次从中不返回抽取
件产品,试求抽出的
件产品中所含次品数
解设
表示第
次抽取产品取到的次品数,则抽出的
件产品中所含次品数为
不难看出,对所有
,可得
{抽到的第i件产品是次品}
{抽到的第i件产品不是次品}
即
从而
于是由性质(3)得
注意,这里
服从超几何分布
若直接用定义计算
的期望则显然要麻烦得多。
例4.1.11设对某目标连续射击,直到击中
次为止,各次射击独立,且每次击中目标的概率为
,试求子弹的平均消耗量。
次击中目标子弹的消耗量为
等于每次击中目标子弹消耗量之和。
若用
次击中至第
次击中目标所消耗的子弹数,那么
而
服从几何分布列
,并且
由性质(3)得
4.2方差和矩
一.方差的定义和性质
定义4.2.1设
是随机变量,若
存在,则称它为随机变量
的方差,记为
方差的算术根
称为标准差(或均方差,或根方差).
若已知随机变量
则由(4.1.4)知
(4.2.1)
的分布密度为
,则由(4.1.5)知
(4.2.2)
在计算
时,有时用下面的公式比较方便:
(4.2.3)
事实上,由数学期望的性质有
例4.2.1设
服从0-1分布,试求
解
利用(4.1.9),有
由前面知
,因此由(4.2.3)得
例4.2.2设
,试求DX.
同理可得
又
,因此得
由于二项分布由两参数
和
所决定(亦即,
给定后,二项分布唯一地确定),而由上面结论可知,当
的值给定后,
便唯一地确定。
故可知服从二项分布的随机变量的分布列,由它的数学期望和方差所唯一确定。
例4.2.3设
服从参数为
的泊松分布,试求
解由前已知
,又
故
由此可以看到,泊松分布中的参数既是数学期望又
是方差。
例4.2.4(均匀分布)设随机变量
的密度函数为
试求
解由前面知
例4.2.5设
,试求
,再由方差定义得
令
,并用分部积分法得
由此可知,正态分布中的参数
就是其方差。
这说明了参数
反映了随机变量取值与均值之间的离散程度。
下面讨论随机变量方差的性质,为简单起见,我们认为所涉及的随机变量的方差都存在。
方差具有如下的性质:
(其中C为任意常数)
(1)
(2)
(3)
(4)若
相互独立,则
(5)
二.矩
数学期望和方差是概率论中最重要的数字特征,而更一般的数字特征是矩,其中最常用的是原点矩和中心矩。
事实上,数学期望和方差都是某种矩,矩在概率论与数理统计中有着显著的地位。
定义4.2.2设
是随机变量,
是一正整数,若
存在,则称它为
的
阶原点矩,记为
若
阶绝对原点矩,记为
阶中心矩,记为
阶绝对中心矩,记为
三.常见不等式
定理4.2.1(马尔可夫不等式) 若随机变量
阶绝对矩
存在,则对任意
,有
(4.2.6)
证明仅证连续型情形,离散型情形类似.设
证毕
推论4.2.1(车贝晓夫不等式)若随机变量
的方差
(4.2.7)
或等价地
证明在(4.2.6)中,将
换成
,并取
即得。
推论4.2.2若
以概率1等于它的数学期望,即
定理4.2.2(柯西—许瓦兹不等式) 若随机变量
的二阶原点矩存在,则
(4.2.8)
其中等号成立的充要条件是,存在常数
,使得