数字特征
数学期望
离散型的数学期望
引例:
有n个工人生产同样的零件,考察某一天的产量,得到:生产a1件有n1个人生产,生产a2件有n2个人生产,生产a3件有n3个人生产,。。。
生产ak件有nk个人生产,这一天的平均每人生产多少产品。
若以X表示每个人的产量,则X是一个随机变量,他的可能值为a1,a2,…ak,而n1/n是事件(X=ai,i=1,2,…k)的频率。则有:
离散数学期望的定义
例子:
X | -1 | 0 | 1 |
---|---|---|---|
P | 0.35 | 0.2 | 0.45 |
- 常见的分布期望
- 二点分布:EX = p
- 二项分布:EX = np
- 泊松分布:EX = r
连续型的数学期望
p(x)为概率密度,可能值为为x和p(x)dx,分别对应于离散随机变量情况下的"xi"和“pi”,因此,数学期望的定义如下:
若X为连续型随机变量,p(x)为概率密度,则有:
- 常见连续的分布期望
- 均匀分布:EX = (a+b)2
- 指数分布:EX = 1 / r
- 正态分布:EX =u
数学期望的性质
方差
为了衡量随机变量的偏离程度,采用 |X-E(X)|的平均值 来衡量,但是这种运算不方便,故采用(X-E(X))^2来代替。
离散型方差
连续型方差
常利用如下公式计算:
证明:
方差的性质
协方差和相关系数
数字特征DX,DY,只反映了X与Y 的各自离开平均值的偏离程度,他们之间相互联系没有提供任何信息,自然我们也希望有一个数字特征能够在一定的程度上反映这种关系,如果X1和X2相互独立则有:
推导:
故协方差的定义可以为:
设(X,Y)是一个二维随机变量,如果,E(X-EX)(Y-EY)存在,则称他为X与Y的协方差,记做:
标准协方差(相关系数)定义:![在这里插入图片描述](https://img-blog.csdnimg.cn/20200708100043315.png)
极大似然估计
极大然估计是依据极大似然原理——一个实验有若干个可能结果A1,A2 ,。。。。如果在一次实验中,A1发生了,则认为A1的发生概率最大。
示例:
设总体X-N(u,r^2),使用样本X1,X2,…Xn求u,r的极大似然估计: