《概率论与数理统计》课程教学课件(讲稿)第四章 随机变量的数字特征 第二节 方差

方差第二节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
第二节 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

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:X- E(X)平均偏离:E(X-E(X))绝对值(不好研究)
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: X E(X) 平均偏离: E X E(X) 绝对值(不好研究)

一、方差的概念(大)平方 (大)但是,绝对值所以我们研究方差E(X - E(X))定义1设X是一随机变量,若E(X-E(X))存在,则称之为X的方差。记为D(X)或Var(X):即D(X)= E(X - E(X)称α(X)=/D(X)为标准差或均方差。方差实际上是一个特殊的函数g(X) =(X-E(X))2 的期望
但是,绝对值(大 ) 平方(大) 所以我们研究 2 E X E X ( ( )) 方差 定义1 设X是一随机变量, 2 D X E X E X ( ) ( ( )) 称(X) D(X) 为标准差或均方差。 2 若 E X E X ( ( )) 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 一、方差的概念

对于离散型随机变量X,其分布律为:P(X=xk)=Pkk=1,2,D(X) =Z[x- E(X)}° pk对于连续型随机变量X,其概率密度为f(x)D(X)= ([x-E(X)}’ f(x)dx此外,利用数学期望的性质,可得方差得计算公式(常用):D(X)= E(X2)-[E(X))事实上, D(X)= E[X -E(X)P} =E(X? -2XE(X)+[E(X)}P)= E(X)-2E(X)E(X)+[E(X)} = E(X2)-[E(X)]
对于离散型随机变量X, ( ) 1,2, 其分布律为:P X x p k k k 2 1 ( ) [ ( )] k k k D X x E X p 其概率密度为f x( ), 2 事实上, ( ) [ ( )] D X E X E X 2 D X x E X f x dx ( ) [ ( )] ( ) 2 2 D X E X E X ( ) ( ) [ ( )] 2 2 E X XE X E X 2 ( ) [ ( )] 2 2 E X E X E X E X ( ) 2 ( ) ( ) [ ( )] 2 2 E X E 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E(X)=μ方差D(X)=α2 0, 记x"_X-μa证明:E(X*)=0,D(X*)=1,称X*为X的标准化变量证: E(X*)=1 E(X-μ)=[E(X)-μ]=0D(X*)= E(X*)-[E(X")]X-")] = E[(X -μ)]= E[(-PO
例1:设随机变量X具有数学期望 E X( ) * * * 证明: , ,称 为 的标准化变量 E X D X X X ( ) 0 ( ) 1 * 1 E X E X ( ) ( ) 证: 2 * ( ) 0 X D X X 方差 ,记 1 [ ( ) ] 0 E X 2 * * * 2 ( ) ( ) [ ( )] D X E X E X 2 2 1 E X[( ) ] 2 [( ) ] X E 2 2 1

例2:设随机变量X具有0-1分布,其分布律为:P(X =0)=1-p, P(X =1)= p, 求D(X)解: E(X)=0.(1-p)+1·p=pE(X2) =0? .(1-p)+1 · p= p所以 D(X) = E(X)-[E(X)]= p- p2 = p(1-p)
例2:设随机变量X具有0-1分布,其分布律为: P X p P X p D X ( 0) 1 ( 1) ( ) , ,求 。 解:E X p p p ( ) 0 (1 ) 1 2 E X( ) 2 2 0 (1 ) 1 p p p 所以 D X( ) 2 2 E X E X ( ) [ ( )] 2 p p p p (1 )

例3:设X ~ P(2), 求 D(X)解:X的分布律为: P(X=k)=2e=k =1,2,... ^>0k!由上节例5已算得E(X)=α而 E(X) = E[X(X -1)+ X|=E[X(X-1)+E(X)12=k(k-1)+ =e~C>+1k!(k-2)!=e-e~+=?+a所以 D(X)=E(X)-[E(X)P = 即泊松分布的均值与方差相等,都等于参数入
例3: 解: ( ) 1,2, >0 ! k e X P X k k k 的分布律为: 由上节例5已算得E X( ) 2 而 ( ) E X 2 2 ( ) ( ) [ ( )] D X E X E X 所以 即泊松分布的均值与方差相等,都等于参数 E X X X ( 1) E X X E X [ ( 1)] ( ) 2 2 2 ( 2)! k k e k 0 ( 1) ! k k e k k k 2 2 e e 设X P D X ( ) ( ) ,求

设X ~U(a,b), 求D(X)例4:a<x<b解:X的概率密度为: f(x)=b-a其他0上节例6已算得:E(X)=a+b2b3-a3E(X3)=Jx°f(x)dx =['x?dx3(b-a)h-aa'+b'+ab3D(X)=E(X2)-[E(X)α+b?+ab-α?+b?+2ab-(b-a)23412
例4: 设X U a b D X ~ ( , ) ( ) ,求 。 2 2 E X x f x dx ( ) ( ) 2 2 D X E X E X ( ) ( ) [ ( )] 1 ( ) 0 a x b f x b a 其他 ( ) 2 a b E X 上节例6已算得: 2 1 b a x dx b a 3 3 3( ) b a b a 2 2 3 a b ab 2 2 2 2 2 3 4 a b ab a b ab 2 ( ) 12 b a 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:音x>0Oe0 >0, 求E(X),D(X)f(x)=30x≤0o1dx解: E(X)= xf(x)dxxO00x-o4+10dxe-xe十Joxf0010E(X)= (x2 f(x)dx =dxe0x-0x2xe 0 dx = 202eJO于是 D(X)= E(X2)-[E(X)]2 =202-0=02即对指数分布而言,方差是均值的平方,而均值恰为参数e
例5:设随机变量X服从指数分布,其概率密度 为: 1 0 ( ) 0 ( ), ( ) 0 0 x e x f x E X D X x ,求 。 E X xf x dx ( ) ( ) 解: 即对指数分布而言,方差是均值的平方,而均值恰为参数θ 0 1 x x e dx 0 0 | x x xe e dx 2 2 E X x f x dx ( ) ( ) 2 0 1 x x e dx 2 2 0 0 | 2 2 x x x e xe dx 2 2 于是 D X E X E X ( ) ( ) [ ( )] 2 2 2 2

二、几种常见分布的方差1. 设X ~ b(1, p),则D(X)= pq2. 设X ~ b(n, p),则D(X)= npq3. 设X ~ P(a),则D(X)= (b-a)4. 设X ~ U(a,b),则D(X)125. 设X ~ N(u,α2),则D(X) =α216.设X ~ E(a),则D(X)=元
二、几种常见分布的方差 2 2 2 2 1. ~ (1, ), ( ) 2. ~ ( , ), ( ) 3. ~ ( ), ( ) ( ) 4. ~ ( , ), ( ) 12 5. ~ ( , ), ( ) 1 6. ~ ( ), ( ) X b p D X pq X b n p D X npq X P D X b a X U a b D X X N D X X E D X 设 则 设 则 设 则 设 则 设 则 设 则
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 《概率论与数理统计》课程教学课件(讲稿)第四章 随机变量的数字特征 第一节 数学期望.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第三章 多维随机变量及其分布 第五节 两个随机变量函数的分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第三章 多维随机变量及其分布 第四节 随机变量的独立性.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第三章 多维随机变量及其分布 第三节 条件分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第三章 多维随机变量及其分布 第二节 边缘(边际)分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第三章 多维随机变量及其分布 第一节 二维随机变量及其联合分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第二章 一维随机变量及其分布 第四节 随机变量的函数的分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第二章 一维随机变量及其分布 第三节 连续型随机变量及其分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第二章 一维随机变量及其分布 第二节 离散型随机变量及其分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第二章 一维随机变量及其分布 第一节 随机变量及其分布函数.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第一章 随机事件与概率 第七节 伯努利概型.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第一章 随机事件与概率 第六节 事件的独立性.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第一章 随机事件与概率 第五节 条件概率.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第一章 随机事件与概率 第四节 几何概型.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第一章 随机事件与概率 第三节 概率的公理化定义及其性质.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第一章 随机事件与概率 第二节 古典概型(等可能概型).pdf
- 《概率论与数理统计》课程教学课件(讲稿)第一章 随机事件与概率 第一节 随机事件与概率.pdf
- 《概率论与数理统计》课程教学课件(讲稿)绪言 Probability Theory and Mathematical Statistics.pdf
- 《概率论与数理统计》课程教学大纲(金融数学专业).pdf
- 《高等数学》课程教学资源(教案讲义)第9章 无穷级数.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第四章 随机变量的数字特征 第三节 协方差及相关系数.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第五章 大数定律与中心极限定理 第一节 大数定律.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第五章 大数定律与中心极限定理 第二节 中心极限定理.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第六章 数理统计的基本概念 第一节 基本概念.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第六章 数理统计的基本概念 第二节 抽样分布.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第六章 数理统计的基本概念 第三节 未知分布的估计.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第七章 参数估计 第一节 参数估计的意义.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第七章 参数估计 第二节 参数的矩法估计.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第七章 参数估计 第三节 极大似然估计.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第七章 参数估计 第四节 估计量的评价标准.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第七章 参数估计 第五节 参数的区间估计.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第八章 假设检验 第一节 假设检验的基本概念与思想.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第八章 假设检验 第二节 正态总体均值的假设检验.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第八章 假设检验 第三节 正态总体方差的假设检验.pdf
- 《概率论与数理统计》课程教学课件(讲稿)第八章 假设检验 第四节 总体分布的假设检验(χ2拟合优度检验法).pdf
- 《高等代数》课程教学大纲(数学与应用数学专业).pdf
- 《高等代数》课程教学资源(书籍文献)高等代数方法选讲.pdf
- 《高等代数》课程教学资源(书籍文献)高等代数解题技巧与方法.pdf
- 《高等代数》课程教学资源(书籍文献)高等代数解题方法与技巧.pdf
- 《高等代数》课程教学资源(试卷习题)高等代数各章知识点讲义(含习题集,无答案).pdf