第十一讲随机变量的数字特征(数学期望).docVIP

第十一讲 随机变量的数字特征 随机变量的概率特性：分布函数、密度函数以及分布律等，在描述随机变量时具有全面、完整、详细的特点，但分析过程比较复杂，且重点不够突出。 如, 在评价一批棉花的质量时, 人们关心的往往不是纤维长度的具体分布，而是纤维的平均长度和纤维长度与平均长度之间的偏离程度。平均长度较大, 偏离程度较小,质量就好。 1. 数学期望——描述随机变量的平均值 引例 一射手进行打靶练习，射手一次射击得分数X是一个随机变量。设X的分布律为 P{X=k}=,k=0,1,2. 现在射击N次，其中得0分的有次，得1分的有次，得2分的有次. ++= N. 他射击N次得分的总和为++ 。于是平均一次射击的得分数为 射击的平均得分数描述了射手的射击水平。 这里是事件｛X=k｝的频率。当N足够大时，在一定意义下接近于事件｛X=k｝的概率，也就是说，随机变量X的观察值的算术平均在一定意义下接近于。我们称为随机变量X的数学期望或均值。 定义 设离散型随机变量的分布律为 若级数绝对收敛, 则称级数的和为随机变量的数学期望，记为，即 （1.1） 定义 设连续型随机变量的概率密度为,若积分 绝对收敛, 则称积分的值为随机变量的数学期望，记为，即 （1.2） 数学期望简称期望，又称为均值。若X服从某一分布，也称为这一分布的数学期望。 例１　甲, 乙两人进行