数学期望(均值)、方差和协方差的定义与性质

数学期望(均值)、方差和协方差的定义与性质
数学期望(均值)、方差和协方差的定义与性质

均值、方差和协方差的定义和基本性质

1 数学期望(均值)的定义和性质

定义:设离散型随机变量X 的分布律为

{}, 1,2,k k P X x p k === 若级数

1k k k x

p ∞=∑

绝对收敛,则称级数1k k k x

p ∞=∑的和为随机变量X 的数学期望,记为()E X 。即

()1k k k E X x p ∞==∑。

设连续型随机变量X 的概率密度为()f x ,若积分

()xf x dx ∞?∞? 绝对收敛,则称积分

()xf x dx ∞?∞?的值为随机变量X 的数学期望,记为()E X 。即 ()()E X xf x dx ∞

?∞=? 数学期望简称期望,又称为均值。

性质:下面给出数学期望的几个重要的性质

(1)设C 是常数,则有()E C C =;

(2)设X 是一个随机变量,C 是常数,则有()()E CX CE X =;

(3)设X 和Y 是两个随机变量,则有()()()E X Y E X E Y +=+,这一性质可以推

广至任意有限个随机变量之和的情况;

(4)设X 和Y 是相互独立的随机变量,则有()()()E XY E X E Y =。

2 方差的定义和性质

定义:设X 是一个随机变量,若(){}2E X E X ?????存在,则称(){}2E X E X ?????为X

的方差,记为()D X 或()Var X ,即

性质:下面给出方差的几个重要性质

(1)设C 是常数,则有()0D C =;

(2)设X 是一个随机变量,C 是常数,则有

()()2D CX C D X =,()()D X C D X +=;

(3)设X 和Y 是两个随机变量,则有

()()()()()()(){}2D X Y D X D Y E X E X Y E Y +=++??

特别地,若X 和Y 相互独立,则有()()()D X Y D X D Y +=+ (4)()0D X =的充分必要条件是以概率1取常数()E X ,即(){}1P X E X ==。

3 协方差的定义和性质

定义:量()(){}

E X E X Y E Y ??????????称为随机变量X 与Y 的协方差。记为(),Cov X Y ,即

()()(){},Cov X Y E X E X Y E Y =?????????? 性质:下面给出协方差的几个重要性质

(1)()(),,Cov X Y Cov Y X =

(2)()(),Cov X X D X =

(3)()()()(),Cov X Y E XY E X E Y =?

(4)()(),,,,Cov aX bY abCov X Y a b =是常数

(5)()()()1212,,,Cov X X Y Cov X Y Cov X Y +=+ 参考文献

[1]概率论与数理统计(第四版),浙江大学

几何分布的定义以及期望与方差的证明

几何分布的定义以及期望与方差 几何分布(Geometric distribution )是离散型概率分布。其中一种定义为:在n 次伯努利试验中,试验k 次才得到第一次成功的机率。详细的说,是:前k-1次皆失败,第k 次成功的概率。 公式: 它分两种情况: 1. 得到1次成功而进行,n 次伯努利实验,n 的概率分布,取值范围为『1,2,3,...』; 2. m = n-1次失败,第n 次成功,m 的概率分布,取值范围为『0,1,2,3,...』. 由两种不同情况而得出的期望和方差如下: , ; , 。 概率为p 的事件A ,以X 记A 首次发生所进行的试验次数,则X 的分布列: , 具有这种分布列的随机变量X ,称为服从参数p 的几何分布,记为X ~Geo (p )。 几何分布的期望 ,方差 。 高中数学教科书新版第三册(选修II )比原来的修订本新增加随机变量的几何分布,但书中只给出了结论:(1)E p ξ= 1,(2)D p p ξ=-12,而未加以证明。本文给出证明,并用于解题。

(1 下面用倍差法(也称为错位相减法)求上式括号内的值。记 两式相减,得 91页阅读材料),推导如下: 相减,

(26页)。 对于上式括号中的式子,利用导数,关于q

利用上述两个结论,可以简化几何分布一类的计算问题。 例1. 一个口袋内装有5个白球和2个黑球,现从中每次摸取一个球,取出黑球就放回,取 解: 1,2,3,……, k -1次均取到黑球,而第k 次取到白球,因此 例2. 某射击运动员每次射击击中目标的概率为p (0

方差的性质

由方差的定义,可以得到方差的基本性质(假定所遇到的方差都存在, 其中c, k为常数). 性质1.D(c)=0; 性质2.D(cξ)=c2D(ξ); 特别地,当c =-1时D(-ξ)=D(ξ); 性质3.D(ξ+c)= D(ξ); 性质4.D(kξ+c)= k2D(ξ); 性质5.若ξ, η相互独立, 则 D(ξ+η)=D(ξ)+D(η). 注.若一个随机变量的取值不影响另一随机变量的取值,则称两个随机变量是相互独立的.本课程略去了关于随机变量相互独立的严格数学描述. 例3.5.13. 设离散型随机变量X具有概率分布律 X-2 -1 0 1 2 3 P(X=x k) 0.1 0.2 0.2 0.3 0.1 0.1 求E(X), D(X), D(2X+3). 解.由离散型随机变量的数学期望的定义得 E(X)=(-2)×0.1+(-1)×0.2+0×0.2+1×0.3+2×0.1+3×0.1 =0.4; E(X2)=(-2)2×0.1+(-1)2×0.2+02×0.2+12×0.3+22×0.1+32×0.1 =2.2; 再由方差计算公式 D(X)=E(X2)-(E(X))2 =2.2-0.42=2.04; ∴D(2X+3)=4D(X)=4×2.04=8.16 . 例3.5.14 设连续型随机变量X具有概率密度: 求(1)常数A;(2)D(-X-2). 解. (1)根据密度函数的性质

∴ 计算上述积分,可得A=e/2. (2)要求方差,首先要求数学期望. ∴D(X)=E(X2)-(E(X))2 =11/4-16/9=35/36 ; D(-X-2)=D(X)=35/36

数学期望与方差的运算性质

数学期望与方差的运算性质 教程 一:复习公式 离散随机变量(),(,)(,)(,)(,)i j ij i j ij i j P X Y a b p Eh X Y h a b p ==→=∑ 连续随机变量()()()2 ,~,(,)(,),R f x y Eg g x y f x y dxdy ξηξη→=?? 二:期望运算性质 ()E aX bY c aEX bEY c ++=++ 应用例题、袋中装有m 个不同色小球,有返回取球n 次,出现X 种不同颜色,求EX 解答:用i X ?=?? 1第i颜色球在n次取球中出现0第i颜色球在n次取球中没出现,则 m X X X ++= 1 由于()()1101,111,n n i i P X P X m m ????==-==-- ? ????? ()111/n i EX m =--, ()??????????? ??--==++=∑=n m i i m m m EX X X E EX 11111 三、协方差:若,EX EY θμ==,()()cov(,)X Y E X Y θμ=--????称为随机变量X 、Y 的协方差.covariance ()()cov(,)X Y E X Y θμ=--???? ()()()()() ()()()()()()EY EX XY E XY E XY E Y E X E XY E E Y E X E XY E Y X XY E ?-=-=+--=+--=+-+-+=+--=θμθμθμμθθμ θμθμθμθμθμ 例题:害虫一生产卵个数X 服从参数为λ的Poisson分布,若每个卵能孵化成下一代的概率都是p ,假定害虫后代个数为Y ,求cov(,)X Y 解答:(,)()()(1)!i i j j j i j i e P X i Y j P X i P Y j X i C p p i λλ-≥-=======-

随机变量的数学期望与方差

第9讲随机变量的数学期望与方差 教学目的:1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点: 1.随机变量的数学期望 For personal use only in study and research; not for commercial use 2.随机变量函数的数学期望 3.数学期望的性质 4.方差的定义 For personal use only in study and research; not for commercial use 5.方差的性质 教学难点:数学期望与方差的统计意义。 教学学时:2学时。 For personal use only in study and research; not for commercial use 教学过程: 第三章随机变量的数字特征 §3.1 数学期望 For personal use only in study and research; not for commercial use 在前面的课程中,我们讨论了随机变量及其分布,如果知道了随机变量X的概率分布,那么X的全部概率特征也就知道了。然而,在实际问题中,概率分布一般是较难确定的,而在一些实际应用中,人们并不需要知道随机变量的一切概率性质,只要知道它的某些数字特征就够了。因此,在对随机变量的研究中,确定其某些数字特征是重要的,而在这些数字特征中,最常用的是随机变量的数学期望和方差。

1.离散随机变量的数学期望 我们来看一个问题: 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变 量,如何定义X 取值的平均值呢? 若统计100天,32天没有出废品,30天每天出一件废品,17天每天出两件废品, 21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗? 可以想象,若另外统计100天,车工小张不出废品,出一件、二件、三件废品的 天数与前面的100天一般不会完全相同,这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ,若它全部可能取的值是 ,,21x x , 相应的概率为 ,,21P P , 则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是,如果试验次数 很大,出现k x 的频率会接近于K P ,于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量,它的概率函数是 ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛,定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙,其中只有一把能打开自己的家门,他随意地 试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去,求打开门时试开次数 的数学期望。

数学期望(均值)、方差和协方差的定义与性质

均值、方差和协方差的定义和基本性质 1 数学期望(均值)的定义和性质 定义:设离散型随机变量X 的分布律为 {}, 1,2,k k P X x p k === 若级数 1k k k x p ∞=∑ 绝对收敛,则称级数1k k k x p ∞=∑的和为随机变量X 的数学期望,记为()E X 。即 ()1k k k E X x p ∞==∑。 设连续型随机变量X 的概率密度为()f x ,若积分 ()xf x dx ∞?∞? 绝对收敛,则称积分 ()xf x dx ∞?∞?的值为随机变量X 的数学期望,记为()E X 。即 ()()E X xf x dx ∞ ?∞=? 数学期望简称期望,又称为均值。 性质:下面给出数学期望的几个重要的性质 (1)设C 是常数,则有()E C C =; (2)设X 是一个随机变量,C 是常数,则有()()E CX CE X =; (3)设X 和Y 是两个随机变量,则有()()()E X Y E X E Y +=+,这一性质可以推 广至任意有限个随机变量之和的情况; (4)设X 和Y 是相互独立的随机变量,则有()()()E XY E X E Y =。 2 方差的定义和性质 定义:设X 是一个随机变量,若(){}2E X E X ?????存在,则称(){}2E X E X ?????为X

的方差,记为()D X 或()Var X ,即 性质:下面给出方差的几个重要性质 (1)设C 是常数,则有()0D C =; (2)设X 是一个随机变量,C 是常数,则有 ()()2D CX C D X =,()()D X C D X +=; (3)设X 和Y 是两个随机变量,则有 ()()()()()()(){}2D X Y D X D Y E X E X Y E Y +=++?? 特别地,若X 和Y 相互独立,则有()()()D X Y D X D Y +=+ (4)()0D X =的充分必要条件是以概率1取常数()E X ,即(){}1P X E X ==。 3 协方差的定义和性质 定义:量()(){} E X E X Y E Y ??????????称为随机变量X 与Y 的协方差。记为(),Cov X Y ,即 ()()(){},Cov X Y E X E X Y E Y =?????????? 性质:下面给出协方差的几个重要性质 (1)()(),,Cov X Y Cov Y X = (2)()(),Cov X X D X = (3)()()()(),Cov X Y E XY E X E Y =? (4)()(),,,,Cov aX bY abCov X Y a b =是常数 (5)()()()1212,,,Cov X X Y Cov X Y Cov X Y +=+ 参考文献 [1]概率论与数理统计(第四版),浙江大学

正态分布的数学期望与方差

正态分布的数学期望与方差 正态分布: 密度函数为:分布函数为 的分布称为正态分布,记为N(a, σ2). 密度函数为: 或者 称为n元正态分布。其中B是n阶正定对称矩阵,a是任意实值行向量。 称N(0,1)的正态分布为标准正态分布。 (1)验证是概率函数(正值且积分为1) (2)基本性质: (3)二元正态分布: 其中, 二元正态分布的边际分布仍是正态分布: 二元正态分布的条件分布仍是正态分布:

即(其均值是x的线性函数) 其中r可证明是二元正态分布的相关系数。 (4)矩,对标准正态随机变量,有 (5)正态分布的特征函数 多元正态分布 (1)验证其符合概率函数要求(应用B为正定矩阵,L为非奇异阵,然后进行向量线性变换) (2)n元正态分布结论 a) 其特征函数为: b) 的任一子向量,m≤n 也服从正态分布,分布为其中,为保留B 的第,…行及列所得的m阶矩阵。 表明:多元正态分布的边际分布还是正态分布 c) a,B分别是随机向量的数学期望及协方差矩阵,即 表明:n元正态分布由它的前面二阶矩完全确定 d) 相互独立的充要条件是它们两两不相关 e) 若,为的子向量,其中是,的协方差矩阵,则是,相应分量的协方差构成的相互协方差矩阵。则相互独立的充要条件为=0 f) 服从n元正态分布N(a,b)的充要条件是它的任何一个线性组合服

从一元正态分布 表明:可以通过一元分布来研究多元正态分布 g) 服从n元正态分布N(a,b),C为任意的m×n阶矩阵,则服从m元正态分布 表明:正态变量在线性变换下还是正态变量,这个性质简称正态变量的线性变换不变性 推论:服从n元正态分布N(a,b),则存在一个正交变化U,使得是一个具有独立正态分布分量的随机向量,他的数学期望为Ua,而他的方差分量是B的特征值。 条件分布 若服从n元正态分布N(a,b),,则在给定下,的分布还是正态分布,其条件数学期望: (称为关于的回归) 其条件方差为: (与无关)

方差概念及计算公式

方差概念及计算公式 一.方差的概念与计算公式 例1两人的5次测验成绩如下: X:50,100,100,60,50 E(X )=72;Y:73,70,75,72,70 E(Y )=72。 平均成绩相同,但X不稳定,对平均值的偏离大。方差描述随机变量对于数学期望的偏离程度。 单个偏离是 消除符号影响 方差即偏离平方的均值,记为D(X ): 直接计算公式分离散型和连续型,具体为: 这里是一个数。推导另一种计算公式 得到:“方差等于平方的均值减去均值的平方”,即 , 其中

分别为离散型和连续型计算公式。称为标准差或均方差,方差描述波动程度。 二.方差的性质 1.设C为常数,则D(C) = 0(常数无波动); 2.D(CX )=C2D(X ) (常数平方提取); 证: 特别地D(-X ) = D(X ), D(-2X ) = 4D(X )(方差无负值) 3.若X、Y相互独立,则 证:记 则 前面两项恰为D(X )和D(Y ),第三项展开后为 当X、Y 相互独立时, , 故第三项为零。 特别地 独立前提的逐项求和,可推广到有限项。 三.常用分布的方差 1.两点分布

2.二项分布 X ~ B( n, p ) 引入随机变量X i(第i次试验中A出现的次数,服从两点分布) , 3.泊松分布(推导略) 4.均匀分布 另一计算过程为 5.指数分布(推导略) 6.正态分布(推导略) ~ 正态分布的后一参数反映它与均值的偏离程度,即波动程度(随机波动),这与图形的特征是相符的。 例2求上节例2的方差。 解根据上节例2给出的分布律,计算得到

求均方差。均方差的公式如下:(xi为第i个元素)。 S = ((x1-x的平均值)^2 + (x2-x的平均值)^2+(x3-x的平均值)^2+...+(xn-x的平均值)^2)/n)的平方根 大数定律表表明:事件发生的频率依概率收敛于事件的概率p,这个定理以严格的数学形式表达了频率的稳定性。就是说当n很大时,事件发生的频率于概率有较大偏差的可能性很小。由实际推断原理,在实际应用中,当试验次数很大时,便可以用事件发生的频率来代替事件的概率。 用matlab或c语言编写求导程序 已知电容电压uc,电容值 求电流i 公式为i=c(duc/dt) 怎样用matlab或c语言求解 函数的幂级数展开式

高考数学方差必考知识点总结

高考数学方差必考知识点总结 高考数学方差必考知识点总结 高中数学知识点之方差定义 方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。统计中的方差(样本方差)是各个数据分别与其平均数之差的平方的和的平均数。 高中数学知识点之方差性质 1.设C为常数,则D(C)=0(常数无波动); 2.D(CX)=C2D(X)(常数平方提取); 3.若X、Y相互独立,则前面两项恰为D(X)和D(Y),第三项展开后为 当X、Y相互独立时,,故第三项为零。 独立前提的逐项求和,可推广到有限项。 方差公式: 平均数:M=(x1+x2+x3+…+xn)/n (n表示这组数据个数,x1、x2、x3……xn表示这组数据具体数值) 高中数学知识点之方差的应用 计算下列一组数据的极差、方差及标准差(精确到0.01). 50,55,96,98,65,100,70,90,85,100. 答:极差为

100-50=50. 平均数为 2017年高考数学方差必考知识点 一.方差的概念与计算公式 例1两人的5次测验成绩如下: X:50,100,100,60,50E(X)=72; Y:73,70,75,72,70E(Y)=72. 平均成绩相同,但X不稳定,对平均值的偏离大。 方差描述随机变量对于数学期望的偏离程度。 单个偏离是 消除符号影响 方差即偏离平方的均值,记为D(X): 直接计算公式分离散型和连续型,具体为: 这里是一个数。推导另一种计算公式 得到:“方差等于平方的均值减去均值的`平方”。 其中,分别为离散型和连续型计算公式。称为标准差或均方差,方差描述波动 二.方差的性质 1.设C为常数,则D(C)=0(常数无波动); 2.D(CX)=C2D(X)(常数平方提取); 证: 特别地D(-X)=D(X),D(-2X)=4D(X)(方差无负值)

1方差的定义

第二节 方 差 1.方差的定义 数学期望描述了随机变量取值的“平均”.有时仅知道这个平均值还不够.例如,有A ,B 两名射手,他们每次射击命中的环数分别为X ,Y ,已知X ,Y 的分布律为: 表4-7 其他的因素.通常的想法是:在射击的平均环数相等的条件下进一步衡量谁的射击技术更稳定些.也就是看谁命中的环数比较集中于平均值的附近,通常人们会采用命中的环数X 与它的平均值E (X )之间的离差|X -E (X )|的均值E [|X -E (X )|]来度量,E [|X -E (X )|]愈小,表明X 的值愈集中于E (X )的附近,即技术稳定;E [|X -E (X )|]愈大,表明X 的值很分散,技术不稳定.但由于E [|X -E (X )|]带有绝对值,运算不便,故通常采用X 与E (X )的离差|X -E (X )|的平方平均值E [X -E (X )]2来度量随机变量X 取值的分散程度.此例中,由于 E [X -E (X )]2=0.23(8-9)2+0.63(9-9)2+0.2×(10-9)2=0.4, E [Y -E (Y )]2=0.13(8-9)2+0.83(9-9)2+0.1×(10-9)2=0.2. 由此可见B 的技术更稳定些. 定义4.2 设X 是一个随机变量,若E [X -E (X )]2存在,则称E [X -E (X )]2为X 的方差(Variance ),记为D (X ),即 D (X )= E [X -E (X )]2. (4.7) 称)(X D 为随机变量X 的标准差(Standard deviation )或均方差(Mean square deviation),记为σ(X ). 根据定义可知,随机变量X 的方差反映了随机变量的取值与其数学期望的偏离程度.若X 取值比较集中,则D (X )较小,反之,若X 取值比较分散,则D (X )较大. 由于方差是随机变量X 的函数g (X )=[X -E (X )]2的数学期望.若离散型随机变量X 的分布律为P {X =x k }=p k ,k =1,2,…,则 D (X )=k k k p X E x ∑∞ =-12)]([. (4.8) 若连续型随机变量X 的概率密度为f (x ),则 D (X )=?+∞ ∞--.)()]([2x x f X E x d (4.9) 由此可见,方差D (X )是一个常数,它由随机变量的分布惟一确定. 根据数学期望的性质可得: D (X )= E [X -E (X )]2=E [X 2-2X 2E (X )+[E (X )]2] =E (X 2)-2E (X )2E (X )+[E (X )]2=E (X 2)-[E (X )]2.

数学期望和方差的应用

2QQ2±:箜!塑工 -学术-理论现代衾案一 数学期望和方差的应用 陈奕宏张鑫 (武警广州指挥学院广东广州510440) 摘要:本文主要讨论随机变量的数学期望和方差的性质,利用随机变量的对称性可简化求数学期望和方差的计算过程: 关键词:对称性数学期望方差 在教学过程中,由于很多同学对概牢论巾的定义和性质认识不深刻,冈此对概率论巾的问题存在许多认识误区,进一步影响了计算、证明能力。 性质l对随机变量x和y,则有E(nn簟Ⅸ+Ey①性质2设随机变量x和y相互独立,贝咿育层陇n=Ex?Ey②定义l设X是一个随机变量,若EI肛删Iz存在,则称其为X的方差,记为Dx。即 Dx=坦Ix—Ex】2③显然可得:们,-ElX一以】2 =E瞄2—2xEX+(踊2] =麟z一(删):④性质3设随机变量x和y相互独立,则有层孵y:净E孵?Ey2⑤证明:设随机变量X和y的联合分布密度为m砂),|jl《为x和y相互独立,有 “r,y)=^(掌)。,r(y) .’.E(x2y2)=J一。J一。工2y2“r,j,)d膏咖 =eex2y2以(r)厂r(y)如咖 =Cx2^(工)如Cy2加)咖 :Ex2E】,2⑥性质4设随机变量x和l,,n和西为常数,则有E(口X2+6y2)=n露x2+6曰y2(D证明:设随机变量x和l,的联合分布密度为厂(x,j,),则有 E似x2+6y2)=J+。J一。(口工2+6j,2)“r,j,)d_咖 =e仁nx2flx,,Mxdy+e仁b矿fIx,yⅪxdy ,+∞,+∞r十o,+∞ =n\一。\一亭2fIx,如dxd,+b1.。1一。旷fIx,,Ⅺxdy =口f)2【e№j,)dy】dr拍ej,2【C“础)dx协 =口仁量2【e,(Ⅵ)dyJdx柏ej,2【C,(础)dx坳 =n尽2以(r)dy拍D2加)dy =口EX2+西Ey2 掣狮,=∥茗引m,=驴㈣’翟引 求E伍2+y2)。 解:E(x2+y2)=Ex2+Eyz(南公式⑦) =I:一4r3出+炒.12y2(1+y)咖《 性质5设随机变量x和y卡H互独立,则有 D(x的=Dx?Dy+(E幻2?Dl,+(层y)2?Dx⑧ 证明:ODⅨy)=层(xy)2一IE(xy)J2 =E(X2y2)一(EX)2(E】,)2 南公式⑤,所以 D(Xn=EX2Ey2一(EX)2(E”2 =曰x2El,2一(E的2EP+(E的2(El,)2一(E抑2僻y)2 =【层x2一(EX)2】EP+(Ex)2【(E】,)2一(日y)2】 矗剪陋妒+(雕净汗钮曙(联)辚苦帮 =n碰Iy+(EY)2Dy+(Ey)2蹦 显然,若随机变量x和y独立,则可得D(xn>Dx?Dy⑨例设随机变量x和l,相互独立,均服从Ⅳ(O,1)分布,f=x—y,叩=xy,试求1)D叩;2)p£。。 解:1)方法一 OX和y相互独立 .‘.D即=D(xy)=E(xl,)2一【层(x聊】2 =E(r—l,)2一(以E的2 =E舻EP(由公式⑤) =【脚“(E的2】【Dy;(E玢2】=1 方法二 0X和y相互独立 .?.Dq=D(x】,)=似Dy+(E柳2Dy+(目】,)2Dx=l(由公式⑧)2)op。:』业 q厩丽 又OcoV(f,'7)=层【(f—Ef)('7一露77)j =层(x2y)一E(xP)(把f=x—y,’7=xy代人) 曲(南x与r鹃对称性)综上所述,本文主要讨论连续型随机变量的数字特征的性质,结合对随机变量的对称性可解决存概率论巾一些常见的求数[字特征的问题。 参考文献: …盛骤等编概率论与数理统计高等教育出版社2001.12口 现代企业教育MODERNENTERPRISEEDUCATION117 万方数据

总结归纳方差的性质

总结归纳方差的性质 总结归纳方差的性质[1] 在中国古代,数学叫作算术,又称算学,最后才改为数学.以下是精品学习网为大家的高中数学方差公式,希望可以解决您所遇到的相关问题,加油,精品学习网一直陪伴您。 一.方差的概念与计算公式 例1两人的5次测验成绩如下: X:50,100,100,60,50E(X)=72; Y:73,70,75,72,70E(Y)=72。 平均成绩相同,但X不稳定,对平均值的偏离大。 方差描述随机变量对于数学期望的偏离程度。 单个偏离是 消除符号影响 方差即偏离平方的均值,记为D(X): 直接计算公式分离散型和连续型,具体为: 这里是一个数。推导另一种计算公式 得到:“方差等于平方的均值减去均值的平方”。 其中,分别为离散型和连续型计算公式。称为标准差或均方差,方差描述波动 二.方差的性质 1.设C为常数,则D(C)=0(常数无波动); 2.D(CX)=C2D(X)(常数平方提取);

证: 特别地D(-X)=D(X),D(-2X)=4D(X)(方差无负值) 特别地 独立前提的逐项求和,可推广到有限项。 方差公式: 平均数:M=(x1+x2+x3+…+xn)/n(n表示这组数据个数,x1、x2、x3……xn表示这组数据具体数值) 方差公式:S?=〈(M-x1)?+(M-x2)?+(M-x3)?+…+(M-xn)?〉╱n 三.常用分布的方差 1.两点分布 2.二项分布 X~B(n,p) 引入随机变量Xi(第i次试验中A出现的次数,服从两点分布), 3.泊松分布(推导略) 4.均匀分布 另一计算过程为 5.指数分布(推导略) 6.正态分布(推导略) 7.t分布:其中X~T(n),E(X)=0;D(X)=n/(n-2); 8.F分布:其中X~F(m,n),E(X)=n/(n-2); ~

期望-方差公式

期望与方差的相关公式 -、数学期望的来由 早在17世纪,有一个赌徒向法国著名数学家帕斯卡挑战,给他出了一道题目,题目是这样的:甲乙两个人赌博,他们两人获胜的机率相等,比赛规则是先胜三局者为赢家,赢家可以获得100法郎的奖励。当比赛进行到第三局的时候,甲胜了两局,乙胜了一局,这时由于某些原因中止了比赛,那么如何分配这100法郎才比较公平? 用概率论的知识,不难得知,甲获胜的概率为1/2+(1/2)*(1/2)=3/4,或者分析乙获胜的概率为(1/2)*(1/2)=1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎,乙的期望所得值为25法郎。 这个故事里出现了“期望”这个词,数学期望由此而来。 定义1 若离散型随机变量ξ可能取值为i a (i =1,2,3 ,…),其分布列为i p (i =1,2,3, …),则当i i i p a ∑∞ =1 <∞时,则称ξ存在数学期望,并且数学期望为E ξ=∑∞ =1 i i i p a , 如果i i i p a ∑∞ =1 =∞,则数学期望不存在。[]1 定义2 期望:若离散型随机变量ξ,当ξ=x i 的概率为P (ξ=x i )=P i (i =1,2,…,n ,…),则称E ξ=∑x i p i 为ξ的数学期望,反映了ξ的平均值. 期望是算术平均值概念的推广,是概率意义下的平均.E ξ由ξ的分布列唯一确定. 二、数学期望的性质 (1)设C 是常数,则E(C )=C 。 (2)若k 是常数,则E (kX )=kE (X )。 (3))E(X )E(X )X E(X 2121+=+。 三、 方差的定义 前面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,

概率、期望与方差的计算和性质

概率与统计 知识点一:常见的概率类型与概率计算公式; 类型一:古典概型; 1、 古典概型的基本特点: (1) 基本事件数有限多个; (2) 每个基本事件之间互斥且等可能; 2、 概率计算公式: A 事件发生的概率()A P A = 事件所包含的基本事件数 总的基本事件数 ; 类型二:几何概型; 1、 几何概型的基本特点: (1) 基本事件数有无限多个; (2) 每个基本事件之间互斥且等可能; 2、 概率计算公式: A 事件发生的概率()A P A = 构成事件的区域长度(或面积或体积或角度) 总的区域长度(或面积或体积或角度) ; 注意: (1) 究竟是长度比还是面积比还是体积比,关键是看表达该概率问题需要几个变量,如 果需要一个变量,则应该是长度比或者角度比;若需要两个变量则应该是面积比;当然如果是必须要三个变量则必为体积比; (2) 如果是用一个变量,到底是角度问题还是长度问题,关键是看谁是变化的主体,哪 一个是等可能的; 例如:等腰ABC ?中,角C= 23 π ,则: (1) 若点M 是线段AB 上一点,求使得AM AC ≤的概率; (2) 若射线CA 绕着点C 向射线CB 旋转,且射线CA 与线段AB 始终相交且交点是M ,求 使得AM AC ≤的概率; 解析:第一问中明确M 为AB 上动点,即点M 是在AB 上均匀分布,所以这一问应该是长度 之比,所求概率: 13P =; 而第二问中真正变化的主体是射线的转动,所以角度的变化是均匀的,所以这一问应该是角度之比的问题,所以所求的概率:2755 = =1208 P ?; 知识点二:常见的概率计算性质; 类型一:事件间的关系与运算; A+B (和事件):表示A 、B 两个事件至少有一个发生; A B ?(积事件) :表示A 、B 两个事件同时发生; A (对立事件) :表示事件A 的对立事件;

二项分布及超几何分布期望与方差

二项分布、超几何分布数学期望与方差公式的推导 高中教材中对二项分布和超几何分布数学期望与方差公式没有给出推导公式,现笔者给出一推导过程仅供参考。 预备公式一 11--=k n k n nC kC (1≥n ) ,利用组合数计算公式即可证明。 预备公式二 []2 2)()()(ξξξE E D -=,证明过程可见教材。 预备公式三 2 2)1()1(---=-k n k n C n n C k k (2,2≥≥k n ) ,利用组合数计算公式即可证明。 预备公式四 ),,,,(022110n k m k N k n m C C C C C C C C C k n m m k n k m n k m n k m n ≤≤∈=++++++-- ,利用恒等 式m n n m x x x )1()1() 1(++=++的二项展开式中k x 的系数相等可证。 一、二项分布 在n 次独立重复试验中,每次试验中事件A 发生的概率为p (10<

11、样本方差与随机变量数字特征中的方差的定义不同在 …

会计专业《职业技能实训》 基础会计题目及答案 第1题: 按照账户的用途和结构分类,“固定资产”账户属于()。盘存账户 第2题: 用以记录和证明经济业务的发生或完成情况,明确经济责任,并作为记账依据的会计凭证是( A )。原始凭证 第3题: “限额领料单”按其填制方法属于()。累计凭证 第4题: 当经济业务只涉及货币资金相互间的收付时,一般填制()。付款凭证 第5题: 销售商品一批,部分货款已收回并存入银行,另有部分货款尚未收回,应填制()。收款凭证和转账凭证 第6题: 下列单据中属于自制原始凭证的是()。工资计算单 第7题: 明细账从账簿的外表形式上看一般采用()账簿。活页式 第8题: 在结账以前,如发现账簿记录有文字或数字错误,而记账凭证没错,应采用()进行错账更正。划线更正法 第9题: 记账以后,如发现记账凭证和账簿记录的金额有错误(所记金额小于应记的正确金额),而应借、应贷的会计科目没有错误,应采用()进行错账更正。补充登记法 第10题: 对现金清查所采用的基本方法是()。实地盘点法 第11题: 清查银行存款所采用的方法一般是()。对账单法 第12题: 在实地盘存制下,平时在账簿中对财产物资()。只记增加数不记减少数 第13题: “未达账项”是指单位与银行之间由于结算凭证传递的时间不同而造成的()。一方已经入账,而另一方尚未登记入账的账顶 第14题: 结算往来款项的清查一般采用()。函证核对法 第15题: “待处理财产损溢”是一个()双重性质的账户 第16题: 对财产清查中发现的财产物资盘亏,若属于定额内的自然损耗,应按规定转作()。管理费用 第17题: 财产物资的盘存制度有()。永续盘存制实地盘存制 第18题: 下列不属于对外会计报表的是()。产品生产成品表 第19题: 下列属于静态报表的是()。资产负债表 第20题: 汇总会计报表与单位会计报表是会计报表按照()进行的分类。编制单位

数学期望与方差的关系_理解数学期望与方差之间的群关系

数学期望与方差的关系_理解数学期望与 方差之间的群关系 随机变量的数学期望与方差是高考的重要考点, 也是学习数学的难点。你知道两者之间的关系吗?下面就由和你说说吧。 数学期望与方差的关系方差指一组数据中每个元素间的离散程度,方差小则离散程度小,反之则大. 期望值指一个人对某目标能够实现的概率估计,即:一个人对目标估计可以实现,这时概率为最大(P=1);反之,估计完全不可能实现,这时概率为最小(p=0).因此,期望(值)也可以叫做期望概率.一个人对目标实现可能性估计的依据是过去的经验,以判断一定行为能够导致某种结果或满足某种需要的概率. 什么是数学期望在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和。是最基本的数学特征之一。它反映随机变量平均取值的大小。 需要注意的是,期望值并不一定等同于常识中的“期望”;;“期望值”也许与每一个结果都不相等。(换句话说,期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。) 公式 X1,X2,X3,……,Xn为这离散型随机变量,p(X1),p(X2),p(X3),……p(Xn)为这几个数据的概率函

数。在随机出现的几个数据中p(X1),p(X2),p(X3),……p(Xn)概率函数就理解为数据X1,X2,X3,……,Xn出现的频率f(Xi).则: E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn) = X1*f1(X1) + X2*f2(X2) + …… + Xn*fn(Xn) 什么是方差方差的概念与计算公式,例1 两人的5次测验成绩如下:X:50,100,100,60,50 E(X)=72;Y:73,70,75,72,70 E(Y)=72。平均成绩相同,但X 不稳定,对平均值的偏离大。方差描述随机变量对于数学期望的偏离程度。单个偏离是消除符号影响方差即偏离平方的均值,记为D(X):直接计算公式分离散型和连续型,具体为:这里是一个数。推导另一种计算公式得到:“方差等于平方的均值减去均值的平方”。其中,分别为离散型和连续型计算公式。称为标准差或均方差,方差描述波动程度。 方差的性质 1.设C为常数,则D(C) = 0(常数无波动); 2.D(CX)=C2 D(X) (常数平方提取); 证: 特别地D(-X) = D(X), D(-2X ) = 4D(X)(方差无负值) 3.若X 、Y 相互独立,则证:记则 前面两项恰为D(X)和D(Y),第三项展开后为 当X、Y 相互独立时, 故第三项为零。

数学期望与方差

1.同时抛掷5枚均匀的硬币80次,设5枚硬币正好出现2枚正面向上,3枚反面向上的次数为ξ,则ξ的数学期望是( ) A .20 B .25 C .30 D .40 2.设随机变量(,)X B n p ,若X 的数学期望()2E X =,方差4 ()3 D X = ,则(2)P X ==( ) A.1316 B.4243 C.13243 D.80243 3.已知随机变量1 ~(5,)3 B ξ,随机变量21ηξ=-,则()E η= . 4.一只不透明的布袋中装有编号为1、2、3、4、5的五个大小形状完全一样的小球,现从袋中同时摸出只小球,用随机变量表示摸出的只球中的最大号码数,则随机变量的数学期望 . 5.一个盒中有9个正品和3个废品,每次取一个产品,取出后不在放回,在取得正品前已取出的废品数ξ的数学期望ξE =_________________. 6.在一个圆锥体的培养房内培有20只蜜蜂,过圆锥高的中点有一个不计算厚度且平行于圆锥底面的平面把培养房分成两个实验区,其中小锥体叫第一实验区,圆台体叫做第二实验区,且两个实验区是互通的,假设蜜蜂落入培养房内任何位置是等可能的,且蜜蜂落入哪个位置相互之间是不受影响的. (1)求蜜蜂甲落入第二实验区的概率; (2)若其中有3只蜜蜂被染上了红色,求恰有一只红色蜜蜂落入第二实验区的概率; (3)记X 为落入第一实验区的蜜蜂数,求随机变量X 的数学期望()E X 和方差 ()D X . 7.有三位环保专家从四个城市中每人随机选取一个城市完成一项雾霾天气调查报告,三位专家选取的城市可以相同,也可以不同. (1)求三位环保专家选取的城市各不相同的概率; (2)设选取某一城市的环保专家有ξ人,求ξ的分布列及数学期望. 8.从0,1,2,3,4这五个数中任选三个不同的数组成一个三位数,记X 为所组成的三位数各位数字之和. (1)求X 是奇数的概率; (2)求X 的概率分布列及数学期望. 9.有两枚均匀的硬币和一枚不均匀的硬币,其中不均匀的硬币抛掷后出现正面的概率为 3 2 .小华先抛掷这三枚硬币,然后小红再抛掷这三枚硬币. (1)求小华抛得一个正面两个反面且小红抛得两个正面一个反面的概率; 3x 3x =Ex

方差的定义

方差的定义: 设一组数据x1,x2,x3……x n中,各组数据与它们的平均数x(拔)的差的平方分别是(x1-x拔)2,(x2-x拔)2……(x n-x拔)2,那么我们用他们的平均数s2=1/n【(x1-x 拔)2+(x2-x拔)2+……(x n-x拔)2】来衡量这组数据的波动大小,并把它叫做这组数据的方差。 总之,方差越小就越稳定 方差等于平方的均值减去均值的平方”。 方差公式: 平均数:M=(x1+x2+x3+…+x n)/n (n表示这组数据个数,x1、x2、x3……x n表示这组数据具体数值) 方差公式:S2=〈(M-x1)2+(M-x2)2+(M-x3)2+…+(M-x n)2〉╱n 方差和标准差: 样本中各数据与样本平均数的差的平方和的平均数叫做样本方差;样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量,样本方差或样本标准差越大,样本数据的波动就越大。 数学上一般用E{[X-E(X)]2}来度量随机变量X与其均值E(X)的偏离程度,称为X的方差。定义 设X是一个随机变量,若E{[X-E(X)]2}存在,则称E{[X-E(X)]2}为X的方差,记为D(X)或DX。即D(X)=E{[X-E(X)]2},而σ(X)=D(X)0.5(与X有相同的量纲)称为标准差或均方差。 由方差的定义可以得到以下常用计算公式: D(X)=E(X2)-[E(X)]2 方差的几个重要性质(设一下各个方差均存在)。 (1)设c是常数,则D(c)=0。 (2)设X是随机变量,c是常数,则有D(cX)=(c2)D(X)。 (3)设X,Y是两个相互独立的随机变量,则D(X+Y)=D(X)+D(Y)。 (4)D(X)=0的充分必要条件是X以概率为1取常数值c,即P{X=c}=1,其中E(X)=c。

(完整版)随机变量的数学期望与方差

第9讲 随机变量的数学期望与方差 教学目的:1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点: 1.随机变量的数学期望 2.随机变量函数的数学期望 3.数学期望的性质 4.方差的定义 5.方差的性质 教学难点:数学期望与方差的统计意义。 教学学时:2学时。 教学过程: 第三章 随机变量的数字特征 §3.1 数学期望 在前面的课程中,我们讨论了随机变量及其分布,如果知道了随机变量X 的概率分布,那么X 的全部概率特征也就知道了。然而,在实际问题中,概率分布一般是较难确定的,而在一些实际应用中,人们并不需要知道随机变量的一切概率性质,只要知道它的某些数字特征就够了。因此,在对随机变量的研究中,确定其某些数字特征是重要的,而在这些数字特征中,最常用的是随机变量的数学期望和方差。 1.离散随机变量的数学期望 我们来看一个问题: 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变量,如何定义X 取值的平均值呢? 若统计100天,32天没有出废品,30天每天出一件废品,17天每天出两件废品,21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗?

可以想象,若另外统计100天,车工小张不出废品,出一件、二件、三件废品的天数与前面的100天一般不会完全相同,这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ,若它全部可能取的值是Λ,,21x x , 相应的概率为 Λ,,21P P ,则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是,如果试验次数很大,出现k x 的频率会接近于K P ,于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量,它的概率函数是 Λ ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛,定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙,其中只有一把能打开自己的家门,他随意地试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去,求打开门时试开次数的数学期望。 解 设试开次数为X ,则 n k X p 1)(==,n , ,2 ,1Λ=k 于是 ∑=? =n k n k X E 11)(2)1(1n n n +?=2 1+=n 2. 连续随机变量的数学期望 为了引入连续随机变量数学期望的定义,我们设X 是连续随机变量,其密度函数为)(x f ,把区间) , (∞+-∞分成若干个长度非常小的小区间,考虑随机变量X 落在任意小区间] , (dx x x +内的概率,则有

相关文档
最新文档