概率论与数理统计(浙大版)第四章课件.ppt
- 文档编号:1090838
- 上传时间:2022-10-16
- 格式:PPT
- 页数:84
- 大小:2.64MB
概率论与数理统计(浙大版)第四章课件.ppt
《概率论与数理统计(浙大版)第四章课件.ppt》由会员分享,可在线阅读,更多相关《概率论与数理统计(浙大版)第四章课件.ppt(84页珍藏版)》请在冰豆网上搜索。
关键词:
数学期望方差协方差相关系数,第四章随机变量的数字特征,问题的提出:
在一些实际问题中,我们需要了解随机变量的分布函数外,更关心的是随机变量的某些特征。
例:
在评定某地区粮食产量的水平时,最关心的是平均产量;在检查一批棉花的质量时,既需要注意纤维的平均长度,又需要注意纤维长度与平均长度的偏离程度;考察临沂市区居民的家庭收入情况,我们既知家庭的年平均收入,又要研究贫富之间的差异程度;,1数学期望,例1:
甲、乙两人射击比赛,各射击100次,其中甲、乙的成绩如下:
评定他们的成绩好坏。
解:
计算甲的平均成绩:
计算乙的平均成绩:
所以甲的成绩好于乙的成绩。
定义:
定义:
数学期望简称期望,又称均值。
例2:
有2个相互独立工作的电子装置,它们的寿命服从同一指数分布,其概率密度为:
若将这2个电子装置串联联接组成整机,求整机寿命N(以小时计)的数学期望。
解:
问题:
将2个电子装置并联联接组成整机,整机的平均寿命又该如何计算?
根据N的概率密度fmin(x),可得到E(N).,例3:
设有10个同种电子元件,其中2个废品。
装配仪器时,从这10个中任取1个,若是废品,扔掉后重取1只,求在取到正品之前已取出的废品数X的期望。
解:
X的分布律为:
例4:
设一台机器一天内发生故障的概率为0.2,机器发生故障时全天停工。
若一周5个工作日里无故障,可获利10万元;发生一次故障获利5万元;发生2次故障获利0元,发生3次或以上故障亏损2万元,求一周内期望利润是多少?
解:
设X表示一周5天内机器发生故障天数,,设Y表示一周内所获利润,则,例5:
例6:
10,几种重要分布的数学期望,例7:
已知某零件的横截面是个圆,对横截面的直径X进行测量,其值在区间(1,2)上均匀分布,求横截面面积S的数学期望。
例8:
例9:
设随机变量(X,Y)的概率密度为:
数学期望的特性:
这一性质可以推广到任意有限个随机变量线性组合的情况,证明:
下面仅对连续型随机变量给予证明:
19,20,例11:
一民航送客车载有20位旅客自机场出发,旅客有10个车站可以下车,如到达一个车站没有旅客下车就不停车,以X表示停车的次数,求(设每位旅客在各个车站下车是等可能的,并设各旅客是否下车相互独立),本题是将X分解成数个随机变量之和,然后利用随机变量和的数学期望等于随机变量数学期望之和来求数学期望,这种处理方法具有一定的普遍意义。
解:
引入随机变量:
例12:
23,总结数学期望的计算方法,数学期望的定义数学期望的性质随机变量函数的数学期望例11的方法:
“X分解成数个随机变量之和,利用E(X)=E(X1+X2+Xn)=E(X1)+E(X2)+E(Xn)”根据题型,以上方法可能独立使用,也可能结合使用。
24,定义:
定义:
数学期望简称期望,又称均值。
25,26,27,几种重要分布的数学期望,28,数学期望的特性:
这一性质可以推广到任意有限个随机变量线性组合的情况,2方差,设有一批灯泡寿命为:
一半约950小时,另一半约1050小时平均寿命为1000小时;另一批灯泡寿命为:
一半约1300小时,另一半约700小时平均寿命为1000小时;问题:
哪批灯泡的质量更好?
(质量更稳定),单从平均寿命这一指标无法判断,进一步考察灯泡寿命X与均值1000小时的偏离程度。
30,我们需要引进一个量来描述r.v.X的取值分散程度,即X的取值与E(X)的偏离程度,偏离的度量:
平均偏离:
绝对值(不好研究),31,定义设X是一随机变量,,为标准差或均方差。
存在,则称之为X的方差。
记为D(X)或Var(X),即,方差实际上是一个特殊的函数g(X)=(X-E(X)2的期望,对于离散型随机变量X,,对于连续型随机变量X,,此外,利用数学期望的性质,可得方差得计算公式(常用):
例1:
设随机变量X具有数学期望,例2:
设随机变量X具有0-1分布,其分布律为:
解:
例3:
解:
例4:
解:
X的概率密度为:
例5:
设随机变量X服从指数分布,其概率密度为:
即对指数分布而言,方差是均值的平方,而均值恰为参数,方差的性质:
证明:
40,X与Y相互独立:
已知EX=3;DX=1;EY=2;DY=3。
E(X-2Y);D(X-2Y)。
解:
由数学期望和方差的性质,例6:
例7:
解:
例8:
设活塞的直径(以cm计)汽缸的直径X,Y相互独立,任取一只活塞,任取一只汽缸,求活塞能装入汽缸的概率。
表1几种常见分布的均值与方差,数学期望方差,分布率或密度函数,分布,46,几个与期望及方差有关的练习题,1、设X的数学期望E(X)=2,方差D(X)=4,则E(X2)=;,2、设XB(n,p),已知E(X)=1.6,D(X)=1.28,则n=;P=;,3、设XP(),且P(X=1)=P(X=2),则E(X)=,D(X)=;,47,总结方差的计算方法,定义法:
函数的数学期望方差的性质常用公式:
D(X)=E(X2)-E(X)2X分解成数个相互独立的随机变量之和,利用D(X)=D(X1+X2+Xn)=D(X1)+D(X2)+D(Xn)”根据题型,以上方法可能独立使用,也可能结合使用。
48,作业题,P94:
1,7,3协方差及相关系数,对于二维随机变量(X,Y),除了讨论X与Y的数学期望和方差外,还需讨论描述X与Y之间相互关系的数字特征。
这就是本节的内容。
定义:
50,协方差的计算,证
(2):
注:
X,Y相互独立,协方差的性质:
52,证明4):
利用,53,例1、设(X,Y)的分布律为:
求COV(X,Y).,54,55,易知:
E(X)=PE(Y)=P,56,例2:
设(X,Y)的概率密度为:
57,X,Y,1,1,D,0,58,59,相关系数的性质,线性关系,60,证明
(1),61,62,相关系数的意义相关系数是描述了X与Y线性相关程度,X,Y不相关(弱),X,Y相互独立(强),(没有线性关系),(没有任何关系),可能会有别的关系,如二次关系。
63,复习公式,64,实用的相关系数计算公式,65,66,Variable1,Variable2,DataCorrelations,67,Variable1,Variable2,DataCorrelations,68,Variable1,Variable2,DataCorrelations,%Computesamplecorrelationr=corrcoef(var1,var2),69,Variable1,Variable2,DataCorrelations,%Computesamplecorrelationr=corrcoef(var1,var2)r=1.00000.70510.70511.0000,70,练习题,计算文档testdata2.txt中数据的相关系数步骤:
1、用textread函数读取文档testdata2.txt中的数据2、用corrcoef函数计算读取的两个随机变量数据的相关系数,71,Solution,%readdatavar1,var2=textread(testdata2.txt,%f%f,headerlines,1)%Computesamplecorrelationr=corrcoef(var1,var2)%Plotdatapointsfigure
(1)plot(var1,var2,ro),Variable2,Variable1,72,程序运行结果,r=1.000000000000000.594792457879950.594792457879951.00000000000000所以相关系数等于:
0.59479245787995,73,相关系数等于:
0.59479245787995,74,应用1:
缺陷检测,例1:
设X,Y服从同一分布,其分布律为:
X-101P1/41/21/4已知P(|X|=|Y|)=0,判断X和Y是否不相关?
是否不独立?
续,例2,续,例3:
设X,Y相互独立服从同一分布,记U=X-Y,V=X+Y,则随机变量U与V是否一定不相关,是否一定独立?
4矩、协方差矩阵,显然,数学期望是一阶原点矩,方差是二阶中心矩,协方差是二阶混合中心矩。
83,n维正态变量具有以下四条重要性质:
84,常见分布的期望与方差函数,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 概率论 数理统计 浙大 第四 课件