[清华大学离散数学（第2版）]12.3-4.pptVIP

12.3 离散型随机变量 12.3.1 离散型随机变量及其分布律 12.3.2 常用分布 0-1分布, 二项分布, 泊松分布, 超几何分布 几何分布, 巴斯卡分布, 负二项分布 12.3.3 数学期望 12.3.4 方差 切比雪夫不等式 随机变量 随机试验结果的数字化. 例如, 掷硬币试验, 令 定义12.5 设随机试验的样本空间为?, 称定义在?上的实值 函数X:?→R为随机变量. 通常把X(?)简记作X. 只可能取到有穷个或可数无穷个值(即?为离散样本空间) 的随机变量称作离散型随机变量 离散型随机变量的分布律 实例 例1 套圈游戏. 某人反复套同一个目标, 直到套中为止, 把 套中目标所用的次数记作X. 设他每次套中目标的概率为 p(0p1)且是否套中是相互独立的, 试给出X的分布律. 随机变量的独立性 常用分布 常用分布(续) 常用分布(续) 数学期望 实例 例3 某甲练习打靶, 对一个靶标射击直到击中为止, 然后转 向下一个靶标.设甲的命中率为p(0p1), 求甲击中一个靶 标所需的平均射击次数. 随机变量函数期望的计算公式 期望的性质 性质12.3.1 E(C)=C. 性质12.3.2 E(CX)=CE(X). 性质12.3.3 E(X±Y)=E(X)±E(Y). 更一般地, E(X1±X2±…±Xn)=E(X1)±E(X2)±…±E(Xn). 性质12.3.4 如果X与Y相互独立, 则E(XY)=E(X)E(Y). 更一般地, 如果X1,X2,…,Xn相互独立, 则 E(X1X2…Xn)=E(X1)E(X2)…E(Xn). 性质12.3.5 施瓦兹(Schwarz)不等式 [E(XY)]2≤E(X2)E(Y2). 实例 例4 二项分布的数学期望 解 设X~B(n,p),把X看作n次伯努利试验中事件A发生的次 数, 令 则 X=X1+ X2+…+Xn. 于是, E(X)= E(X1)+ E(X2)+…+ E(Xn)=np. 方差 定义12.8 如果E[(X?EX)2]存在, 则称它为随机变量X的方差, 记作D(X)或DX, 即 D(X)=E[(X?EX)2]. 设X的分布律为 P{X=ak}=pk, k=1,2,…, 则 方差的计算公式 D(X)=E(X2)?(EX)2 证 D(X)=E[(X?EX)2] =E[X2?2XEX+(EX)2] =E(X2)?E(2XEX)+E[(EX)2] =E(X2)?2(EX)(EX)+(EX)2 =E(X2)?(EX)2. 例5 0-1分布的方差 解 EX=p, E(X2)=02×q +12×p=p, DX=p?p2=pq 方差的性质 性质12.3.6 D(C)=0. 性质12.3.7 D(CX)= C2D(X) 性质12.3.8 如果X与Y相互独立, 则D(X±Y)=D(X)+D(Y). 更一般地, 如果X1,X2,…,Xn相互独立, 则 D(X1±X2±…±Xn)=D(X1)+D(X2)+…+D(Xn). 例6 二项分布的方差 解 设X~B(n,p), 则X=X1+X2+…+ Xn, 其中X1,X2,…,Xn相互 独立且都服从参数为p的0-1分布. 于是, D(X)=D(X1)+D(X2)+…+D(Xn)=npq, 其中q=1?p. 切比雪夫不等式 k阶原点矩 12.4 概率母函数 概率母函数 概率母函数的性质 概率母函数的应用 概率母函数 母函数的性质 性质12.4.1 (线性性质) ?aX+b(s)= sb?X(sa), 其中a,b是非负整数. 性质12.4.2 有限个独立随机变量和的母函数等于各个随机 变量母函数的乘积. 即, 设X1,X2,…,Xn相互独立, 母函数依 次为 ?1(s),?2(s),…, ?n(s). 又Y=X1+X2+…+Xn, 则 ?Y(s)=?1(s)?2(s)…?n(s) 性质12.4.3 设E(X2)存在, 则 E(X)= ? ?(1), E(X2)= ? ??(1)+? ?(1), D(X)= ? ??(1)+ ? ?(1)?[? ?(1)]2. 性质12.4.3的证明 已知E(X2)=?k2pk存在, 当?1? s ?1时,