《随机过程与排队论03.ppt》由会员分享，可在线阅读，更多相关《随机过程与排队论03.ppt（39页珍藏版）》请在三一文库上搜索。
1、随机过程与排队论,计算机科学与工程学院 顾小丰 Email： 2019年9月4日星期三,2019/9/4,计算机科学与工程学院 顾小丰,392,上一讲内容回顾,随机变量及其分布程 随机变量、分布函数 离散型随机变量及其分布律 连续型随机变量及其概率密度 常见的随机变量及其分布 n维随机变量 随机变量函数的分布,2019/9/4,计算机科学与工程学院 顾小丰,393,本讲主要内容,随机变量的数字特征 数学期望 方差 k阶矩 协方差 条件数学期望 随机变量的特征函数,2019/9/4,计算机科学与工程学院 顾小丰,394,1.3 随机变量的数字特征,一、数学期望,若离散型R.V.X的分布律为pkP
2、X=Xk，k=1,2,，当 时，称,为R.V.X的数学期望(均值),若连续型R.V.X的概率密度函数为f(x),x(-,+)，当 时，称,为R.V.X的数学期望(均值),2019/9/4,计算机科学与工程学院 顾小丰,395,定理,设Yg(X)，g(x)是连续函数,若X是离散型R.V.，分布律为pkPX=Xk，k=1,2,，当 时，则有,若X是连续型R.V.，概率密度函数为f(x)，x (-,+)，当 时，则有,2019/9/4,计算机科学与工程学院 顾小丰,396,定理,设Zg(X,Y)，g(x,y)是连续函数,当(X,Y)是离散型R.V.,联合分布律为pij=PX=Xi,Y=Yj，i,j=
3、1,2,，若 则有,若(X,Y)是连续型R.V.，概率密度函数为f(x,y)，x（-,+)，当 时，则有,2019/9/4,计算机科学与工程学院 顾小丰,397,二、方差,设X是随机变量，若EX-E(X)2存在，称 D(X)EX-E(X)2 为R.V.X的方差(或记为Var(X)，称 为R.V.X的均方差或标准差。,事实上有： D(X)EX-E(X)2 E(X22XE(X) E2(X) E(X2)-E2(X),2019/9/4,计算机科学与工程学院 顾小丰,398,常见随机变量的数学期望和方差,分布：E(X)p，D(X)pq； 二项分布XB(n,p)：E(X)np，D(X)npq； 泊松分布X
4、()：E(X)D(X)； 均匀分布XU(a,b)： E(X)(a+b)/2，D(X)(b-a)2/12； (负)指数分布：E(X)1/，D(X)1/2； 正态分布XN(,2)：E(X)，D(X)2； -分布X(,)： E(X)/，D(X)/2； 2-分布X2(n)：E(X)n，D(X)2n； 爱尔朗分布XEk：E(X)k/，D(X)k/2。,2019/9/4,计算机科学与工程学院 顾小丰,399,例,泊松分布X()：,泰勒展开式：,2019/9/4,计算机科学与工程学院 顾小丰,3910,例,(负)指数分布：E(X)1/，D(X)1/2；,2019/9/4,计算机科学与工程学院 顾小丰,391
5、1,三、k阶矩,设R.V.X有E(|X|k)+，E|X-E(X)|k +，则 称kE(Xk)为X的k阶原点矩； 称kE(|X|k)为X的k阶绝对矩； 称kEX-E(X)k为X的k阶中心矩； 称kE|X-E(X)|k为X的k阶绝对中心矩。,2019/9/4,计算机科学与工程学院 顾小丰,3912,四、协方差,若EX-E(X)Y-E(Y)，称 cov(X,Y)EX-E(X)Y-E(Y) E(XY)-E(X)E(Y) 为随机变量X和Y的协方差，称,为随机变量X和Y的相关系数，称 XY0 为随机变量X和Y不相关。,2019/9/4,计算机科学与工程学院 顾小丰,3913,协方差矩阵,设n维R.V.(X
6、1,X2,Xn)，若 cijcov(Xi,Xj)EXi-E(Xi)Xj-E(Xj) i,j1,2,n存在，则称,为n维随机变量(X1,X2,Xn)的协方差矩阵。,2019/9/4,计算机科学与工程学院 顾小丰,3914,协方差矩阵,协方差矩阵中元素满足：,ciiD(Xi)，i=1,2,n； cijcji，i,j=1,2,n。,故协方差矩阵是对称矩阵。,特别地，二维随机变量(X,Y)的协方差矩阵为：,2019/9/4,计算机科学与工程学院 顾小丰,3915,五、随机变量数字特征的性质,E(aX+b)aE(X)+b，D(aX+b)a2D(X)，a,b为任意常数；,对任意常数ak，k=1,2,n，有
7、,|XY|1 许瓦兹不等式成立：,协方差的性质：(1)cov(X,Y)cov(Y,X) (2)cov(X1+X2,Y)cov(X1,Y)+cov(X2,Y) (3)cov(aX+bY,cX+dY)=acD(X)+bdD(Y)+(ad+bc)cov(X,Y),2019/9/4,计算机科学与工程学院 顾小丰,3916,随机变量数字特征的性质,方差的计算公式 D(X)E(X2)-E2(X) 0 特别地，当D(X)0的充分必要条件是PX=E(X)1。,Cov(X,Y)E(XY)E(X)E(Y) 特别地， Cov(X,X)D(X),2019/9/4,计算机科学与工程学院 顾小丰,3917,例,设二维R.
8、V.(X,Y)的联合概率密度为,求：(1).cov(X,Y)，XY和C；(2).讨论X与Y的独立性。,解：(1).,2019/9/4,计算机科学与工程学院 顾小丰,3918,例（续）,2019/9/4,计算机科学与工程学院 顾小丰,3919,例（续）,由于f(x,y) fX(x)fY(y)，故X与Y不独立。,2019/9/4,计算机科学与工程学院 顾小丰,3920,1.4 条件数学期望,设(X,Y)为离散型二维随机变量，其联合分布律为pij，i,j=1,2,，若,则称,为已知Y=yj的条件下，R.V.X的条件数学期望，称,为已知X=xi的条件下，R.V.Y的条件数学期望。,2019/9/4,计
9、算机科学与工程学院 顾小丰,3921,条件数学期望,设(X,Y)为连续型二维随机变量，其联合概率密度为f(x,y)，若,则称,为已知Y=y的条件下，R.V.X的条件数学期望，称,为已知X=x的条件下，R.V.Y的条件数学期望。,2019/9/4,计算机科学与工程学院 顾小丰,3922,定理,设g(x)为连续函数， (1)若,则,(2)若,则,2019/9/4,计算机科学与工程学院 顾小丰,3923,条件方差,称D(X|Y=y)EX-E(X|Y=y)2为Y=y条件下，随机变量X的条件方差。,2019/9/4,计算机科学与工程学院 顾小丰,3924,条件数学期望的性质,E(C|Y)C，C为常数；
10、E(aX+bY|Z)aE(X|Z)+bE(Y|Z)，a,b为常数； 如果X与Y独立，则E(X|Y)E(X)； E(X)EE(X|Y)； Eg(X)EEg(X)|Y； Eg(X)h(Y)|Xg(X)Eh(Y)|X； Eg(X)h(Y)|Yh(Y)Eg(X)|Y； Eg(X,Y)EEg(X,Y)|Y； EX-E(X|Y)2EX-E(Y)2。,设X,Y,Z为随机变量，g(.)和h(.)为连续函数，下列期望和条件期望均存在，则,2019/9/4,计算机科学与工程学院 顾小丰,3925,例,设在某一天内进入某商店的顾客数是数学期望为100的随机变量。又设这些顾客所花的钱为数学期望是50元的相互独立的随机
11、变量。再设一个顾客花钱数和进入商店的总人数相互独立。试问在给定一天内，顾客在该店所花的钱的期望值是多少？,解：设N表示进入某商店的顾客人数，Xi表示第i个顾客所花的钱数，则N个顾客所花钱的总数为 ，现在要求EY。,2019/9/4,计算机科学与工程学院 顾小丰,3926,例(续),由全期望公式： E(Y)EE(Y|N) 而,因为Xi与N相互独立，且E(Xi) E(X)，从而 E(Y|N)NE(X) E(Y)E(NE(X)E(N)E(X) 由假设，E(N)100，E(X)50，故E(Y)5000。由此得，顾客们花费在该商店的钱的数学期望值为5000元。,2019/9/4,计算机科学与工程学院 顾
12、小丰,3927,1.4 特征函数,随机变量X的特征函数定义为 X(u)=E(eiuX)，i,当R.V.X为离散型随机变量时，,当R.V.X为连续型随机变量时，,2019/9/4,计算机科学与工程学院 顾小丰,3928,例1 二项分布 XB(n,p),特征函数：,2019/9/4,计算机科学与工程学院 顾小丰,3929,例2 泊松分布 X(),特征函数：,2019/9/4,计算机科学与工程学院 顾小丰,3930,例3 (负)指数分布,特征函数：,2019/9/4,计算机科学与工程学院 顾小丰,3931,例4 k阶爱尔朗分布 XEk,特征函数：,2019/9/4,计算机科学与工程学院 顾小丰,39
13、32,特征函数的性质,X(0)1； X(u)X(0)； X(u)X(-u)；,如果R.V.X的k阶原点矩存在，则X的特征函数X(u)有n阶导数，且 E(Xk)(-i)kX(k)(0),设YaX+b，则Y(u)eiubX(au)； X(u)在(-,+)上一致连续； X(u)是非负定函数，即对任意的ui,zi，i=1,2,n，有,2019/9/4,计算机科学与工程学院 顾小丰,3933,特征函数的性质,(逆转公式或反演公式)设随机变量X的分布函数为F(x)，x1,x2是F(x)任意连续点，有,(唯一性定理)随机变量X的分布函数F(x)与特征函数X(u)是一一对应且相互唯一确定的。其相互关系如下：,
14、2019/9/4,计算机科学与工程学院 顾小丰,3934,二维随机变量的特征函数,二维随机变量(X,Y)的特征函数定义为 (u,v)=Eei(uX+vY)。,当R.V.(X,Y)为离散型随机变量时，,当R.V.(X,Y)为连续型随机变量时，,定理7：若R.V.X与Y相互独立，则 X+Y(u)X(u)Y(u)。,2019/9/4,计算机科学与工程学院 顾小丰,3935,例,设X1,X2,Xn,是相互独立、服从参数为的负指数分布,则 YkX1X2Xk, k1,2, 服从参数为的k阶爱尔朗分布。,2019/9/4,计算机科学与工程学院 顾小丰,3936,证明：,因为 Xi （i=1,2,）的特征函数
15、为：,由于X1,X2,Xn,是相互独立， 故YkX1X2Xk的特征函数为：,这正好是参数为的k阶爱尔朗分布的特征函数，故Yk服从参数为的k阶爱尔朗分布。,2019/9/4,计算机科学与工程学院 顾小丰,3937,本讲主要内容,随机变量的数字特征 数学期望 方差 k阶矩 协方差 条件数学期望 随机变量的特征函数,2019/9/4,计算机科学与工程学院 顾小丰,3938,下一讲内容预告,随机过程的基本概念 随机过程的定义 随机过程的分布 随机过程的数字特征 几种重要的随机过程 独立过程 独立增量过程,2019/9/4,计算机科学与工程学院 顾小丰,3939,习题一,15. 16. 25.,P4851,