当前课程知识点:概率论与数理统计 > 第六周:常见随机变量的期望方差和应用实例 > 均匀、指数和正态分布的期望与方差 > 6.3 均匀、指数和正态分布的期望与方差
a,b区间上的均匀分布随机变量
其密度函数在a,b区间内为1/(b-a)
在a,b区间之外为0
X的期望为x乘以f(x)
从负无穷到正无穷积分
而f(x)只有在a,b区间上非零
所以这一积分等于x乘(b-a)分之1
在a,b区间积分
x的积分原函数为二分之x方
得到积分值为二分之(a+b)
这和经验值是一致的
一个区间上均匀分布的随机变量
其平均值在区间中点
X的方差等于X平方的期望
减去X期望的平方
X平方的期望
即等于x方乘以1/(b-a)
在a,b区间的积分
计算得到X的方差为
12分之(b-a)的平方
b-a越大
则随机变量取值越分散
其方差也越大
参数为λ的指数分布随机变量
其密度函数当x小于等于0时为0
当x大于0时等于
λ乘以e的负λx次幂
X的期望等于x乘以密度函数
从负无穷到正无穷积分
等于x乘以λ乘e的负λx次幂
从0到正无穷积分
其中λ乘e的负λx次幂dx
等于d(负e的负λx次幂)
利用分部积分
等于负(x)e的负λx次幂
在正无穷和0点的取值差
减去(负e的负λx次幂)dx 积分
等于加上e的负λx次幂
从0到正无穷积分
(负x)e的负λx次幂
在x趋于正无穷和0点均为0
而e的负λx次幂从0到正无穷积分
可写为λ分之1乘以λ乘
e的负λx次幂从0到无穷积分
而这个积分
就是指数分布随机变量密度函数
从0到无穷积分 等于1
所以X的期望等于λ分之1
X平方的期望
等于x平方乘以密度函数
从负无穷到正无穷积分
等于x平方乘以λ
乘e的负λx次幂
从0到正无穷积分
其中λ乘e的负λx次幂dx
等于d(负e的负λx次幂)
利用分部积分
等于负(x方)e的负λx次幂
在正无穷和0点的取值差
加上e的负λx次幂dx方
从0到正无穷积分
负(x方)e的负λx次幂
在x趋于正无穷和0点均为0
而e的负λx次幂dx方
等于2x乘e的负λx次幂
从0到正无穷积分
将这个积分写为λ分之2
乘以x乘随机变量X的密度函数
从0到无穷积分
等于λ分之2乘以X的期望
等于λ方分之2
X的方差等于X平方的期望
减去X的期望的平方
等于λ方分之1
下面我们计算标准正态分布
随机变量的期望和方差
标准正态分布的密度函数
为根号2 pi分之1
乘以e的负2分之x方次幂
x属于整个实数集合
X的期望等于x乘以密度函数
从负无穷到正无穷积分
因为x乘以e的负2分之x方次幂
为奇函数
且x乘以e的负2分之x方次幂
从0到正无穷积分有界
所以该积分等于0
即标准正态分布随机变量
X的期望等于0
X方的期望等于根号2 pi分之1
乘以x方乘以e的负2分之x方次幂
从负无穷到正无穷积分
x方e的负2分之x方次幂dx
等于负x d(e的负2分之x方次幂)
利用分部积分公式展开
其中(负x)乘e的负2分之x方次幂
当x趋于正无穷和负无穷是均为0
后一个积分式的被积函数
就是标准正态分布的密度函数
所以得到积分等于1
即X方的期望等于1
所以X的方差等于1
对于一般的参数为mu,sigma方的
正态分布随机变量X
对于一般的参数为mu,sigma方的
正态分布随机变量X
因为sigma分之(X减mu)
服从标准正态分布
所以有 sigma分之(X减mu)的期望等于0
推出X的期望等于mu
sigma分之(X减mu)的方差等于1
推出sigma方分之1乘以X-mu的方差等于1
因为随机变量加减一个常数其方差不变
所以sigma方分之1乘以X的方差等于1
推出X的方差等于sigma方
所以 正态分布的参数mu和sigma方
具有明确的概率意义
就是正态随机变量的期望和方差
-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