当前课程知识点:概率论与数理统计 > 第五周:随机变量函数的分布及随机变量的数字特征 > 随机变量的方差 > 5.3 随机变量的方差
方差刻画随机变量的分散程度
刻画分散程度
首先要选择一个基准
来刻画随机变量
相对于这个基准的分散程度
很自然选择期望 即平均值
作为基准是合理的
用随机变量相对于期望的
平均偏离程度
表达随机变量的分散程度
数学上给出的方差定义
即为X-E(X)的平方的期望
将方差的定义式展开计算
利用随机变量相加的期望
等于随机变量的期望相加的性质
将期望展开成三项期望求和
同时2倍的E(XE(X))
括号中的E(X)是常数可以提出
所以2倍的E(XE(X))
等于2倍的E(X)乘E(X)
所以得到随机变量X的方差
等于随机变量X的平方的期望
减去随机变量X的期望的平方
这个公式和方差的定义式
完全是等价的
对于方差的实际计算
这个公式使用起来往往更为方便
我们要给出的另一个方差的性质是
aX+b的方差等于a方乘X的方差
其中a,b均为常数
这个公式一方面说明
随机变量加、减一个常数
其方差不变
从直观上理解
随机变量加、减一个常数后
只是整体上做了一个平移
其分散程度并没有任何变化
所以方差应当保持不变
这个公式还说明
随机变量乘以一个常数后
方差改变常数的平方倍
这个平方关系是因为方差由
相对于期望的偏差平方而定义
所以方差的单位是X的单位的平方
要得到与X相同单位的量需要开平方
所以人们定义方差的平方根
为随机变量的标准差
用小写希腊字母σ表示
当同时考虑多个随机变量时
也常常给标准差加一个角标
比如σX特指随机变量X的标准差
以示区分
对于一般的随机变量X,Y
X+Y的方差不等于X和Y的方差和
这一点需要我们对多元随机变量
有所了解后才能加以进一步说明
方差的缩写符号Var
为英文varience的缩写
习惯上也常常用D(X)
表示随机变量X的方差
D为英文deviation的缩写
计算例5.2.1中
两个投资项目收益的方差
项目1 投资有60%的可能保本
40%的可能盈利5万元
设收益为随机变量X1
则X1服从分布律为取值0和5
概率分别为5分之3和
5分之2的离散分布
其期望等于2万元
项目2 投资有60%的可能亏损10万元
40%的可能盈利20万元
设收益为随机变量X2
则X2服从分布律为取值-10和20
概率分别为5分之3和
5分之2的离散分布
其期望等于2万元
X1平方的期望等于10
计算得X1的方差等于
X1平方的期望减去X1期望的平方
等于6
X2平方的期望等于220
计算得X2的方差等于X2平方的期望
减去X2期望的平方 等于216
两项投资的期望相等
均为2万元
但它们的方差一个是6
一个是216
差异非常大
期望刻画平均收益
而方差则刻画收益的波动
反映了投资的风险程度
-随机试验与随机事件
-古典概型
--1.2 古典概型
--第一周:古典概型
-事件间的关系与事件的运算
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-条件概率
--2.1 条件概率
--第二周:条件概率
-有关条件概率的三个重要计算公式
--第二周:有关条件概率的三个重要计算公式
-事件的独立性
--第二周:事件的独立性
-应用实例
--2.4 应用实例
--第二周:应用实例
-网球比赛胜率的计算
--Video
-讲义
-随机变量及分布函数
--第三周:随机变量及分布函数
-离散型与连续型随机变量
--第三周:离散型与连续型随机变量
-分布函数的性质与特殊的例子
--第三周:分布函数的性质与特殊的例子
-概率论所需微积分要点回顾
--第三周:概率论所需微积分要点回顾
-讲义
-二项分布与负二项分布
--第四周:二项分布与负二项分布
-泊松分布
--4.2 泊松分布
--第四周:泊松分布
-几何分布与指数分布
--第四周:几何分布与指数分布
-正态分布
--4.4 正态分布
--第四周:正态分布
-讲义
-随机变量函数的分布
--第五周:随机变量函数的分布
-随机变量的数学期望
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-原点矩与中心矩
--第五周:原点矩与中心矩
-期望和方差的一些补充性质
--第五周:期望和方差的一些补充性质
-讲义
-二项分布与泊松分布的期望与方差
--第六周:二项分布与泊松分布的期望与方差
-几何分布的期望与方差
--第六周:几何分布的期望与方差
-均匀、指数和正态分布的期望与方差
--第六周:均匀、指数和正态分布的期望与方差
-随机变量数学期望的应用实例
--第六周:随机变量数学期望的应用实例
-快速排序算法的平均计算量分析
--Video
-讲义
-多维随机变量
-第七周:多维随机变量
-常见多维随机变量举例
--第七周:常见多维随机变量举例
-随机变量的独立性
--第七周:随机变量的独立性
-独立随机变量期望和方差的性质
--第七周:独立随机变量期望和方差的性质
-讲义
-条件分布
--8.1条件分布
--第八周:条件分布
-条件期望
--8.2 条件期望
--第八周:条件期望
-全期望公式(上)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-随机变量函数的期望
--第九周:随机变量函数的期望
-协方差
--9.2 协方差
--第九周:协方差
-相关系数
-- 9.3 相关系数
--第九周:相关系数
-相关与独立
--第九周:相关与独立
-讲义
-独立随机变量和的分布
--第十周:独立随机变量和的分布
-独立正态分布和的分布
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-正态分布的相关与独立
--第十一周:正态分布的相关与独立
-边缘密度均为正态,联合分布不是二元正态的例子
--第十一周:边缘密度均为正态,联合分布不是二元正态的例子
-二项分布的正态近似
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-常用统计量
--第十三周:常用统计量
-三种重要的统计分布和分位数
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--第十四周:参数的极大似然估计
-参数点估计的无偏性和有效性
--第十四周:参数点估计的无偏性和有效性
-参数点估计应用实例
--第十四周:参数点估计应用实例
-讲义
-区间估计的基本思想
--第十五周:区间估计的基本思想
-区间估计的构造方法
--第十五周:区间估计的构造方法
-两个正态总体的区间估计
--第十五周:两个正态总体的区间估计
-大样本置信区间
--第十五周:大样本置信区间
-讲义
-假设检验问题的提示和标准步骤
--第十六周:假设检验问题的提示和标准步骤
-假设检验问题的两类错误和P值
--第十六周:假设检验问题的两类错误和P值
-单个正态总体参数的假设检验
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-利用条件概率计算网球比赛胜率
-利用期望的计算性质分析快速排序算法的平均计算量
-讲义
-事件
--事件
-分布函数
--分布函数
-正态
--正态
-指数与二项
--指数与二项
-随机变量函数的分布
-指数分布期望
--指数分布期望
-切比雪夫不等式
--切比雪夫
-二元离散
--二元离散
-协方差
--协方差
-二元特征
--二元特征
-统计量
--统计量
-无偏估计
--无偏估计
-点估计
--点估计
-假设检验
--假设检验
-选择
--选择
-填空
--填空
-大题
--大题