随机变量的数字特征与特征函数.pptVIP

例4(p139):设X~B(n,p)，求E(X). 解： 如果求和中没有k，则求和结果为1（概率的归一性）。希望把k取掉。先具体化组合数 求和结果为1(概率归一性) 也可用另一法求得此结果，见p150例6 例2(p138):设X~π(λ),试求E(X). 解：X的分布律 后面还可利用特征函数的性质来求得此EX，见p171例6. 例8 随机变量X的分布律如下， 解： 解： 用分部积分法 例10 假设市场上每年对我国某种出口商品的需求量是随机变量X(单位为吨)，它在[2000,4000]内服从均匀分布，又设每售出这种商品1吨可为国家挣得外汇3万元，但若销售部出去而囤积于仓库，则每吨需浪费保养费1万元。问应组织多少货源才能使国家平均收益最大？ 解：以μ代表某年准备出口此种产品的数量，Y为国家收益，则 X的概率密度为： 在准备货源为X吨时，国家平均收益为： * 4.1，4.2：是关于一维随机变量的数字特征 4.3：关于二维随机变量的数字特征 4.4：条件数学期望（略去不讲，留待自习） 4.5：特征函数 设随机变量X的分布已知，需要计算的量并非X的期望，而是X的某个函数的期望，比如说是 g(X) 的期望。 那么如何计算呢？ 一种方法是：因为g(X)也是随机变量，故应有概率分布，它的分布可以由X的分布求出。一旦知道了g(X)的分布，就可以按照期望的定义把 E[g(X)] 计算出来。 但使用这种方法, 必须先求出随机变量函数g(X)的分布。一般说来, 这是比较复杂的事。 那么, 可否不先求g(X)的分布，而只根据X的分布求 E[g(X)] 呢？ 答案是肯定的。且有如下公式 随机变量取值水平由数学期望来反映，而随机变量取值稳定性是随机现象性质的另一重要指标，将由方差来体现。 显然，当ρXY=0，X和Y不相关。 第四章 随机变量的数字特征与特征函数 前面讨论了随机变量及其分布. 如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. 在实际问题中，概率分布是较难确定的. 在实际应用中，有时并不需要知道随机变量的所有性质，只要知道它的某些数字特征就够了.更重要的是一些分布可以由它的某些数字特征完全刻画. 因此，在对随机变量的研究中，确定随机变量的某些数字特征是非常重要的. 最常用的数字特征是数学期望和方差。 4.1数学期望→ 4.1 数学期望 一、离散型随机变量的数学期望 平均值是日常生活中最常用的一个数学特征，它对评判事物、做出决策等具有重要作用。 P138例1 定义：设X为离散型随机变量，其分布律为 或均值，记为E(X)或EX.即： 例：产品价值的评判 连续型r.v.的数学期望→ X~B(n,p),E(X)=? X~π(λ),E(X)=? 二、连续型随机变量的数学期望 设X是连续型随机变量，其密度函数为f(x), 在数轴上取很密的点x0x1x2…, 则X落在小区间[xi, xi+1)的概率是 在小区间 [xi, xi+1)上 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可用 xi 来近似地替代.因此, X与以概率 取值 x i 的离散型r . v.近似，该离散型r . v.的数学期望为： 受此启发，定义→ 这正是 的渐近和式. 定义 设X是连续型随机变量，其密度函数为 f (x), 如果 收敛，则称 为随机变量X的数学期望或均值，记为E(X)或 EX,即 函数的数学期望→ 可见，X~N(μ,σ2),则其数学期望为μ。后面例题的计算使用了这一结论。 定理4.1.1 (1)设离散型随机变量X的分布律为 P141例8 三、随机变量函数的数学期望 要确定Y=g(X)的数学期望，因Y也是随机变量，可先确定Y的分布再求Y的均值，但Y的分布确定比较复杂。可否直接用X的分布来求Y=g(X)的均值？ (2)设连续型随机变量X的概率密度为f (x),又Y = g (X),若 P142例9 P142例10 性质3，4→ (3)设(X,Y)的分布律为 (4)设(X,Y)的概率密度为f (x , y),又Z= g(X,Y)，若 P143例11 数学期望的性质→ 四、数学期望的性质 性质5，6为不等式→ 注：性质3和4可推广到任意有限个随机变量的场合。 P144例12 利用性质求 X~B(n,p), E(X)=? 柯西-许瓦兹不不等式 方差和矩→ 4.2 方差与矩 数学期望反映了随机变量的取值水平，衡量随机变量相对于数学期望的分散程度则需用另一个数字特征:方差 一、方差的概念和计算 定义：设X为一随机变量，如果 存在，则称其 为X的方差，记为D(X) ,即 而称 为均方差或标准差。 计算公式： 方差性质→ 二、方差性质 性质可推广到n个独立随机变量的情况。 矩→ 契比