考研数学辅导数字特征PPT课件
合集下载
5.1.2 数据的数字特征 课件2

小明得分 30 15 23 33 17 8
小张得分 22 20 31 10 34 9
则下列说法正确的是( )
78
乙
83
75
80
80
90
85
92
95
(1)请你计算这两组数据的平均数、中位数;
(2)现要从中选派一人参加操作技能比赛,从统计学的角度考虑,你认为选派哪名工人
参加合适?请说明理由. 解:(1) -x 甲=1(95+82+88+81+93+79+84+78)=85(分), 8
-x 乙=1(83+75+80+80+90+85+92+95)=85(分). 8
【课堂探究】
探究点一 利用平均数、众数、中位数解决问题
例1--1某学校抽查了某班级某月5天的用电量,数据如下表(单位:度):
度数
9
10
11
天数
3
1
1
(1)求这5天用电量的平均数; (2)求这5天用电量的众数、中位数; (3)学校共有36个班级,若该月按22天计,试估计该校该月的总用电量.
解:(1)因为(9×3+10×1+11×1)÷5=9.6, 所以这个班级5天用电量的平均数为9.6度.
5 由于 s2乙<s2甲,所以上述判断正确. ②因为两人成绩的平均水平(平均数)相同,根据方差得出乙的成绩比甲稳定,所以乙将 被选中.
例 2--2 某工厂甲、乙两名工人参加操作技能培训.现分别从他们在培训期间参加的若干
次测试成绩中随机抽取 8 次,数据如下(单位:分):
甲
95
82
88
81
93
79
84
测试成绩
பைடு நூலகம்
甲
乙
丙
教学能力
[考研数学]概率论和数理统计第四章 随机变量的数字特征课件全面版
![[考研数学]概率论和数理统计第四章 随机变量的数字特征课件全面版](https://img.taocdn.com/s3/m/60b65256fd0a79563d1e7266.png)
为随机变量X的数学期望,简称期望,记为E(X),即
E(X) xk pk
k1
设 连 续 型 随 X具机 有变 概量 率 f(x), 密 度
若xf(x)d绝 x 对 收 ,则敛 称 积 x分 f(x)d为 xX的
数
学
期
望E(, X), 记即 E为 (X)
xf(x)dx
上一页 下一页 返回
E(X)是一个实数,形式上是X的可能值的加权 平均数,实质上它体现了X取值的真正平均。又称 E(X)为X的平均值,简称均值。它完全由X的分布 所决定,又称为分布的均值.
上一页 下一页 返回
例1: 某种产品即将投放市场,根据市场调查估计每件 产品有60%的把握按定价售出,20%的把握打折售出 及20%的可能性低价甩出。上述三种情况下每件产品 的利润分别为5元,2元和-4元。问厂家对每件产品可 期望获利多少?
解: 设X表示一件产品的利润(单位:元),X的分布
率为
X 5 2 -4
E (X ) k e ee 2 -4
k ! (k 1 )! 随机变量函数的数学期k 望 :0
k 1
k 0
设n维随机变量(X1,X2,···Xn) 的1+1阶混合中心矩
6第元四,E 章还(是随X 有机利变2可量)图的的 数。字E 特征[X(X1)X]E[X(X1)]E(X)
例7: 设圆的直径X~U(a,b),求圆的面积的期望。
P X k 2 -4
第四节 矩、协方差矩阵 随机变量数学期望的性质:
k !
k0 ,1 ,2 , ,0
若(X,Y)为二维离散型随机变量,其联合分布律为
设n维随机变量(X1,X2,·· ·Xn) 的1+1阶k 混合 中心矩
ppt第四章_数字特征

E (Y ) E ( X ) x
2 2 x2 1 1 e 2 dx 1 。 2
13
第四章 数字特征
§ 4.1 数学期望
定理 4.1.2 设 ( X1, , X k ) 是一个 r.vec., g () 是一个已知的 k 元函数, Y g ( X1, , X k ) 。假 定 E (Y ) 存在,那么 (1) 若 ( X1, , X k ) 具有离散型分布,
例 4.1.4 (1) 设 X ~ N ( , 2 ), Y e X ~ LN ( , 2 ) ,则
E (Y ) E (e ) e
X x
2 ( x )2 1 2 e dx e 2 。 2
1
2
(2) 设 X ~ N (0,1), Y X 2 ~ 2 (1) ,则
(分赌注问题)甲乙两人各出赌注 50 法郎,用轮流掷一枚均匀硬币进行赌博。规则是 掷一次硬币算一局, 得正面算甲胜, 得反面算乙胜。 谁先胜三局就赢得全部 100 法郎赌注。 掷三次硬币后,甲胜两局乙胜一局,赌博因故中止。问这 100 法郎赌注该如何分配才算合 理?
3
第四章 数字特征
§ 4.1 数学期望
Total 1 1
30 其中 c 。X 的数学期望为 7
5
第四章 数字特征
§ 4.1 数学期望
E ( X ) 0 0.9669 5 2.648 102
2 106 4.912 107 1.6423 (元)。
如何理解这个数学期望值?它有什么用?
例 2.2.6 续 某人参加这样一个掷骰子的赌博游戏: 若押点数为 1, 则奖金与赌注之比为 4 :1 ; 若押点数为 3 或 5,则奖金与赌注之比为1.5:1;若押点数为 2,4 或 6,则奖金与赌注 之比为1:1 。设一轮赌博中此人拿出 8 元押 1 点、3 元押 3 或 5 点、2 元押 2,4,6 点。 求他在此轮赌博中赢得奖金 Y 的分布及 E (Y ) 。 解:记该轮赌博中骰子掷出的点数为 X。显然,Y 是 X 的函数,记为 Y g ( X ) ,其中
2 2 x2 1 1 e 2 dx 1 。 2
13
第四章 数字特征
§ 4.1 数学期望
定理 4.1.2 设 ( X1, , X k ) 是一个 r.vec., g () 是一个已知的 k 元函数, Y g ( X1, , X k ) 。假 定 E (Y ) 存在,那么 (1) 若 ( X1, , X k ) 具有离散型分布,
例 4.1.4 (1) 设 X ~ N ( , 2 ), Y e X ~ LN ( , 2 ) ,则
E (Y ) E (e ) e
X x
2 ( x )2 1 2 e dx e 2 。 2
1
2
(2) 设 X ~ N (0,1), Y X 2 ~ 2 (1) ,则
(分赌注问题)甲乙两人各出赌注 50 法郎,用轮流掷一枚均匀硬币进行赌博。规则是 掷一次硬币算一局, 得正面算甲胜, 得反面算乙胜。 谁先胜三局就赢得全部 100 法郎赌注。 掷三次硬币后,甲胜两局乙胜一局,赌博因故中止。问这 100 法郎赌注该如何分配才算合 理?
3
第四章 数字特征
§ 4.1 数学期望
Total 1 1
30 其中 c 。X 的数学期望为 7
5
第四章 数字特征
§ 4.1 数学期望
E ( X ) 0 0.9669 5 2.648 102
2 106 4.912 107 1.6423 (元)。
如何理解这个数学期望值?它有什么用?
例 2.2.6 续 某人参加这样一个掷骰子的赌博游戏: 若押点数为 1, 则奖金与赌注之比为 4 :1 ; 若押点数为 3 或 5,则奖金与赌注之比为1.5:1;若押点数为 2,4 或 6,则奖金与赌注 之比为1:1 。设一轮赌博中此人拿出 8 元押 1 点、3 元押 3 或 5 点、2 元押 2,4,6 点。 求他在此轮赌博中赢得奖金 Y 的分布及 E (Y ) 。 解:记该轮赌博中骰子掷出的点数为 X。显然,Y 是 X 的函数,记为 Y g ( X ) ,其中
第3章 数字特征(概率论与数理统计(东南大学课件)ppt)

k 1
(1.3)
(ii)X是 连 续 型 随 机 变 量 , 它的 概 率 密
度 为f (x), 若
-
g
(x)f
(x)dx
绝 对 收 敛 , 则有
E(Y) E g(X)
-
g
(x)f
(x)dx.
(1.4)
注: 1. 在已知Y是X的连续函数前提下,当我们求E(Y)时
不必知道Y的分布, 只需知道X的分布就可以了。
E(2.5Y)=2.5×E(Y)=2.5×10=25.
23
2. 方 差
方差描述了随机变量对其数学期望 的离散程度, 这在概率论和数理统计中 十分重要。
一、定义:
设X为 一 随 机 变 量, 若E X - E(X)2 存 在, 则 称
它 为X的 方 差, 记 作D(X)或Var(X) ,即
D(X) Var(X) E X - E(X)2 .
注: 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的数学期望之和来求解, 这个方法具有一定的普遍意义。
22
n
n
X Xi ,故 E(X) E(Xi ) np.
i 1
i 1
例6. 一次数学测验由40个单项选择题 构成,每个选择题有4个选项,每题选择 正确答案得2.5分,否则得0分,满分为 100分。学生甲选对任一题的概率为0.8,学生乙则每次 都从4个选项中任选一个。分别求学生甲和乙在这次数 学测验中的期望成绩。
(X)]
s
s1
[bx
-
(s
-
x)L]
s2
1
s1
dx
s2 s
sb
s2
1
s1
dx
(1.3)
(ii)X是 连 续 型 随 机 变 量 , 它的 概 率 密
度 为f (x), 若
-
g
(x)f
(x)dx
绝 对 收 敛 , 则有
E(Y) E g(X)
-
g
(x)f
(x)dx.
(1.4)
注: 1. 在已知Y是X的连续函数前提下,当我们求E(Y)时
不必知道Y的分布, 只需知道X的分布就可以了。
E(2.5Y)=2.5×E(Y)=2.5×10=25.
23
2. 方 差
方差描述了随机变量对其数学期望 的离散程度, 这在概率论和数理统计中 十分重要。
一、定义:
设X为 一 随 机 变 量, 若E X - E(X)2 存 在, 则 称
它 为X的 方 差, 记 作D(X)或Var(X) ,即
D(X) Var(X) E X - E(X)2 .
注: 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的数学期望之和来求解, 这个方法具有一定的普遍意义。
22
n
n
X Xi ,故 E(X) E(Xi ) np.
i 1
i 1
例6. 一次数学测验由40个单项选择题 构成,每个选择题有4个选项,每题选择 正确答案得2.5分,否则得0分,满分为 100分。学生甲选对任一题的概率为0.8,学生乙则每次 都从4个选项中任选一个。分别求学生甲和乙在这次数 学测验中的期望成绩。
(X)]
s
s1
[bx
-
(s
-
x)L]
s2
1
s1
dx
s2 s
sb
s2
1
s1
dx
第四章-随机变量的数字特征PPT课件

k 1
k 1
变量X的数学期望,记为E(X),即
EX xk pk k1
§4.1 数学期望
关于定义的几点说明 (1) E(X)是一个实数,而非变量,它是一种加权平均,与
一般的算术平均值不同 , 它从本质上体现了随机变量 X 取可能值的真正的平均值, 也称均值.
(2) 级数的绝对收敛性保证了级数的和不随级数各 项次序的改变而改变 , 之所以这样要求是因为数学期望 是反映随机变量X 取可能值的平均值,它不应随可能值的 排列次序而改变.
❖ 例3:设 X(),求 E (X)。
解 : X 的 分 布 律 为 : P ( X k ) k e k 0 , 1 , 0 k ! X的 数 学 期 望 为 :
E(X) k ke
k0 k!
e
k1
k1
(k 1)!
ee
即E(X)
§4.1 数学期望
三、连续型随机变量的数学期望
设连续型随机变量X 的概率密度为f ( x), 若积分
§4.2 方差
(2) 利用公式计算
D (X ) E (X 2 ) [E (X )2 .] 证明 D (X ) E {X [ E (X )2 } ]
E { X 2 2 X ( X ) E [ E ( X )2 } ] E ( X 2 ) 2 E ( X ) E ( X ) [ E ( X )2] E (X 2)[E (X )2] E (X2)E 2(X).
§4.1 数学期望
❖ 例2:某车站每天8:00—9:00,9:00—10:00都恰有一 辆客车到站,但到站的时刻是随机的,且两者到站的时间 相互独立。其规律为
8:10 8:30 8:50
到站时刻
9:10 9:30 9:50
02 教学课件_ 数据的数字特征

【互动探究】
【例1】为了了解市民的环保意识,某校高一(1)班50名学生在6月5日(世 界环境日)这一天调查了各自家庭丢弃旧塑料袋的情况,有关数据如下表:
每户丢弃旧塑料袋个数
2
3
4
5
户数
6
16
15
13
求这 50 户居民每天丢弃的旧塑料袋的平均数、众数. 解 平均数-x =510×(2×6+3×16+4×15+5×13)=15805=3.7.众数是 3.
[方法总结] 1.确定众数的关键是统计各数据出现的频数,频数最大的数据就是众 数,当一组数据中有不少数据多次重复出现时,众数往往更能反映数 据的集中趋势.
2.平均数与每一个样本数据都有关,受个别极端数据(比其他数据大 很多或小很多的数据)的影响较大,因此若在数据中存在少量极端数据, 平均数对总体估计的可靠性较差,这时往往用众数或中位数去估计总 体,有时也采用剔除最大值与最小值后所得的平均数去估计总体.
解 将上述数据按从小到大排序,可得 48 49 50 51 52 52 53 53 54 54 54 55 55 55 56 56 56 56 56 56 57 57 57 58 58 59 59 59 60 62 (1)由 25%×30=7.5,75%×30=22.5,可知它们的 25%,75%分位数是 第 8, 23 项数据,分别为 53,57. (2)由 80%×30=24,可知第 80 百分位数为第 24 项与第 25 项数据的 平均数,即12(58+58)=58. 据此可以估计本校高一男生体重的第 80 百分位数为 58.
探究三 方差与标准差 【例 3】甲、乙两机床同时加工直径为 100 cm 的零件,为检验质量, 从中抽取 6 件测量数据为: 甲:99 100 98 100 100 103 乙:99 100 102 99 100 100 分别计算两组数据的极差、平均数及方差.
课件4:5.1.2 数据的数字特征

s2乙=16×[(99-100)2+(100-100)2+(102-100)2+(99-100)2 +(100-100)2+(100-100)2]=1. (2)由(1)知 x 甲= x 乙,比较它们的方差,∵s2甲>s乙2 , 故乙机床加工零件的质量更稳定.
【规律方法】 1.在实际问题中,仅靠平均数不能完全反映问题,还要研究其 偏离平均值的离散程度(即方差或标准差),方差大说明取值分散 性大,方差小说明取值分散性小或者取值集中、稳定.
类型三 样本的数字特征的意义及综合应用 [探究问题] 1.平均数、中位数、众数中,哪一个量与样本的每一个数据都有关, 它的缺点是什么? [提示] 平均数与样本的每一个数据有关,它可以反映出更多的关于 样本数据总体的信息,但它的缺点是受数据中极端值的影响较大.
2.在电视大奖赛中,计算评委打分的平均值时,为什么要去 掉一个最高分和一个最低分? [提示] 为了避免平均值受数据中个别极端值的影响,增大它 在估计总体时的可靠性.
33 ≈5 333 元. 由数字知,中位数更能反映该公司员工的工资水平,平均数受少数人工资 额的影响较大,不能反映这个公司员工的工资水平.]
【规律方法】 因为平均数与每一个样本数据有关,所以任何一个样本数据的改变都 会引起平均数的改变,这是众数、中位数不具有的性质,也正因为这 个原因,与众数、中位数比较起来,平均数可以反映出更多的关于全 体样本数据的信息.但平均数受数据的极端值的影响较大,使平均数 在估计总体时可靠性降低.
类型二 方差和标准差的计算及应用 【例 2】 甲、乙两机床同时加工直径为 100 cm 的零件,为 检验质量,从中抽取 6 件测量数据为: 甲:99 100 98 100 100 103 乙:99 100 102 99 100 100 (1)分别计算两组数据的平均数及方差; (2)根据计算说明哪台机床加工零件的质量更稳定.
课件3:5.1.2 数据的数字特征

5 500+5 000+3 500×2+3 000+2 500×5+2 000×3+1 500×20 33
≈2 091(元), 中位数是 1 500 元,众数是 1 500 元.
(2)新的平均数是 x ′=
30 000+20 000+3 500×2+3 000+2 500×5+2 000×3+1 500×20 33
知识点二 百分位数 一般地,一组数据的第 p 百分位数是这样一个值,它使得这组数据中 至少有 p%的数据小于或等于这个值,且至少有(100-p)%的数据大 于或等于这个值.
状元随笔 可以通过下面的步骤计算一组 n 个数据的第 p 百分位数: 第 1 步,按从小到大排列原始数据. 第 2 步,计算 i=n×p%. 第 3 步,若 i 不是整数,而大于 i 的比邻整数为 j,则第 p 百分位数 为第 j 项数据;若 i 是整数,则第 p 百分位数为第 i 项与第(i+1)项数 据的平均数.
号
甲 1 2 2 2 2 3 3 3 5 5 6 6 8 8 9 10 10 12 13 13
组
乙 0 0 0 0 1 1 2 3 4 5 6 6 7 7 10 14 14 14 14 15
组
【解】 因为数据个数为 20,而且 20×25%=5,20×75%=15. 因此,甲组数的 25%分位数为x5+2 x6=2+2 3=2.5; 甲组数的 75%分位数为x15+2 x16=9+210=9.5. 乙组数的 25%分位数为x5+2 x6=1+2 1=1; 乙组数的 75%分位数为x15+2 x16=10+2 14=12.
教材反思 求总体百分位数的估计,首先要从小到大排列数据,频率直 方图看作数据均匀分布在直方图上,然后计算出 i=n×p%, 当 i 不是整数要取整,频率直方图要计算出比例值.
≈2 091(元), 中位数是 1 500 元,众数是 1 500 元.
(2)新的平均数是 x ′=
30 000+20 000+3 500×2+3 000+2 500×5+2 000×3+1 500×20 33
知识点二 百分位数 一般地,一组数据的第 p 百分位数是这样一个值,它使得这组数据中 至少有 p%的数据小于或等于这个值,且至少有(100-p)%的数据大 于或等于这个值.
状元随笔 可以通过下面的步骤计算一组 n 个数据的第 p 百分位数: 第 1 步,按从小到大排列原始数据. 第 2 步,计算 i=n×p%. 第 3 步,若 i 不是整数,而大于 i 的比邻整数为 j,则第 p 百分位数 为第 j 项数据;若 i 是整数,则第 p 百分位数为第 i 项与第(i+1)项数 据的平均数.
号
甲 1 2 2 2 2 3 3 3 5 5 6 6 8 8 9 10 10 12 13 13
组
乙 0 0 0 0 1 1 2 3 4 5 6 6 7 7 10 14 14 14 14 15
组
【解】 因为数据个数为 20,而且 20×25%=5,20×75%=15. 因此,甲组数的 25%分位数为x5+2 x6=2+2 3=2.5; 甲组数的 75%分位数为x15+2 x16=9+210=9.5. 乙组数的 25%分位数为x5+2 x6=1+2 1=1; 乙组数的 75%分位数为x15+2 x16=10+2 14=12.
教材反思 求总体百分位数的估计,首先要从小到大排列数据,频率直 方图看作数据均匀分布在直方图上,然后计算出 i=n×p%, 当 i 不是整数要取整,频率直方图要计算出比例值.
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
C
nk NM
C
n N
,
E( X ) n M , D( X ) n M (1 M ) N n ; (n M )
N
N N N 1
(5)几何分布: X ~ G( p) ,
pk PX k (1 p)k1 p , k 1,2,,.
E(X) 1 ,
p
D( X ) 1 p ;
p2
(6)均匀分布: X ~ U(a,b) ,
i
连续型: X ~ f (x)
E(Y ) g( x) f ( x)dx
2、二维的情形 Z g( X ,Y )
离散型 ( X ,Y ) ~ PX xi ,Y yi pij ,
E(Z)
g( xi , y j ) pij
i
j
连续型 ( X ,Y ) ~ f ( x, y) ,
E(Z )
件是相互独立的,其概率均为 2 ,求途
5
中遇到红灯次数的数学期望.
例 2 、 设 X ~ P(2) , 即 : PX k 2k e2 ,
k! k 0,1,2,
求 Z 3X 2的数学期望.
例3、 设有超几何分布
P(X
i)
C
i M
C
ni NM
C
n N
,(i
0,1,2,, n
N,i
M),
求随பைடு நூலகம்变量 X 的数学期望.
3.了解切比雪夫不等式.
4.了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律(独 立同分布随机变量的大数定律)
5.了解棣莫弗—拉普拉斯定理(二项分布以正态分布为极限分布) 和列维—林德伯格定理(独立同分布的中心极限定理);(经济类还要 求)会用相关定理近似计算有关随机事件的概率
一、 数学期望与方差(标准差)
E(X) a b ,
2
D( X ) (b a)2 ;
12
(7)指数分布: X ~ E( ),
e x
f (x) 0
x 0,
x0
E(X) 1 ,
D( X ) 1 ;
2
(8)正态分布: X ~ N (, 2 ) ,
E(X) ,
D( X ) 2 ;
例1、 从学校乘汽车到火车站的途中有三个 交通岗,设在各个交通岗遇到红灯的事
1. 定义(计算公式)
离散 PX xi pi , E( X ) xi pi
i
连续 X ~ f ( x) ,
E( X ) xf ( x)dx
方差: D( X ) E( X E( X ))2 E( X 2 ) E( X )2
标准差: D(X ) ,
2. 期望的性质:
1° E(C) C, E(E( X )) E( X ) 2° E(C1 X C2Y ) C1E( X ) C2E(Y )
D( X ) p(1 p) ;
(2)二项分布: X ~ B(n, p) ,
E( X ) np , D( X ) np(1 p) ;
(3)Poisson 分布: X ~ P() ,
E( X ) , D( X ) ;
(4)超几何分布:
X
~
H(N , M, n) ,
pk
PX
k
C
k M
例 10、设 X ~ N (1,2),Y ~ P(3) 且它们相互独 立,求 D( XY ) .
三、协方差,相关系数与随机变量的矩 1、重要公式与概念:
协方差 Cov(X,Y) E(X E(X)(Y E(Y))
相关系数 XY Cov(X,Y)
D(X ) D(Y )
k阶原点矩 E( X k )
g( x, y) f ( x, y)dxdy
例 7、对圆的直径作近似测量,其值均匀 地分布在[a, b] 内,求圆面积的数学期望.
例 8、 设 X 与 Y 独立且均服从 N (0,1), 求 Z= X 2 Y 2 的数学期望与方差.
例 9、假设公共汽车起点站于每时的10分, 30 分,50 分发车,某乘客不知发车的时间, 在每小时内任一时刻到达车站是随机的, 求乘客到车站后等车时间的数学期望.
例 6、 设有 20 人在某 11 层楼的底层 乘电梯上楼, 电梯在中途只下不上, 每个乘客在哪一层(2-11 层)下是等 可能的, 且乘客之间相互独立, 试求 电梯须停次数的数学期望.
二、随机变量函数的期望(或方差)
1、一维的情形 Y g(X)
离散型: P{ X xi } pi , E(Y ) g( xi ) pi
k阶中心矩 E (X E(X ))k
2 性质:
1° Cov(X,Y) Cov(Y, X )
2° Cov(aX ,bY) abCov(X ,Y)
例 4、(03)已知甲、乙两箱中装有同种产 品。其中甲箱中装有 3 件合格品和 3 件次 品;乙箱中仅装有 3 件合格品。从甲箱中 任取 3 件产品放入乙箱后, 求:(1)乙箱中次品件数 X 的数学期望;
(2)从乙箱中任取一件产品是次品的 概率.
例5、 n 片钥匙中只有一片能打开房门, 现从
中任取一片去试开房门, 直到打开为止. 试在下列两种情况下分别求试开次数的 数学期望与方差: (1) 试开过的钥匙即被除去; (2) 试开过的钥匙重新放回.
3° 若X与Y独立, 则E(XY ) E( X )E(Y ) 4° E( XY )2 ≤E( X 2 )E(Y 2 )
3. 方差的性质:
1° D(C) 0, D(E( X )) 0, D(D( X )) 0
2° X与Y相互独立,则 D( X Y ) D( X ) D(Y )
3° D(C1 X C2 ) C12 D( X )
4° 一般有 D( X Y ) D( X ) D(Y ) 2Cov(X ,Y )
D(X ) D(Y ) 2 D(X ) D(Y ) 5° D( X ) E( X C)2 , C E( X )
4、常见分布的期望与方差
(1)两点分布: X ~ (0 1) , 0 p 1 ,
E(X) p ,
第四讲 数字特征与极限定理
考试要求
1.理解随机变量数字特征(数学期望、方差、标准差、矩、协方差、 相关系数)的概念, 会运用数字特征的基本性质, 并掌握常用分布的数 字特征.
2.会根据随机变量 X 的概率分布求其函数 g(X ) 的数学期望 Eg( X ) ;会根据随机变量 X 和Y 的联合概率分布求其函数 g(X,Y ) 的数学 期望 Eg( X ,Y ) .