一、平均值与加权平均值课件.ppt

第4.1节 数学期望 一、平均值与加权平均值 二、离散型场合 三、应用实例 四、连续型场合 五、一般场合 六、随机变量函数的数学期望 七、多维场合 八、数学期望的基本性质 作 业 解 例3 设 求: 解 例4 例5　商店的销售策略 解 到站时刻 概率 例6 解 习题四p245 2 3 6 8 9 10 12 15 20 1 连续型随机变量数学期望的定义 【均匀分布】 则有 2 常见的连续型随机变量的数学期望 结论 均匀分布的数学期望位于区间的中点. 【指数分布 】 则有 【正态分布】 则有 3. 数学期望不存在的实例 但是 因而?的数学期望不存在 设顾客在某银行的窗口等待的服务的时间 ?(以分计)服从指数分布,其密度函数为 试求顾客等待服务的平均时间? 解 因此,顾客平均等待5分钟就可得到服务. 例 顾客平均等待多长时间? 1 数学期望的定义 ?的数学期望，其中上述积分绝对收敛. 2 斯蒂尔切斯积分性质 显然由性质(i)与(ii)可知，离散型随机变量数学期 望与连续型随机变量数学期望的定义只是这个定义的特例. 1 随机变量函数的数学期望 即这两个积分中，若一个存在，则另一个也存在， 并且相等. 定理证明从略 2. 离散型随机变量函数的数学期望 解 设随机变量 ? 的分布律为 则有 因此离散型随机变量函数的数学期望为 若 ?=g(?), 且 则有 例2(p181例14） 解 因此期望所得为 计算泊松分布的部分和的简便运算 上述积分可以通过查表的形式得到结果，这是埃 尔兰分布的一个应用 3. 连续型随机变量函数的数学期望 若 ? 是连续型的,它的分布密度为 p(x) 则 例1 解 将前面的结果推广到多维情形： 二维随机变量函数的数学期望 解 例1 设 ( ?,?) 的分布律为 由于 证明 2. 设 ? 是一个随机变量, c是常数, 则有 证明 例如 4. 设 ?,?是相互独立的随机变量, 则有 3. 设 ?,? 是两个随机变量, 则有 证明 说明 连续型随机变量 ? 的数学期望与离散型随机变量数学期望的性质类似. 推广 例1(p184例16) 求超几何分布 的数学期望. 解 令 解 例2 一、平均值与加权平均值 三、应用实例 二、离散型场合 四、连续型场合 五、一般场合 六、随机变量函数的数学期望 引例1 分赌本问题(产生背景) A、B 两人赌技相同, 各出 赌金100元,并约定先胜三局者为 胜, 取得全部 200 元.由于出现意 外情况 ,在 A 胜 2 局 B 胜1 局时, 不得不终止赌博, 如果要分赌金, 该如何分配才算公平? A胜2局B胜1局 前三局: 后二局: 把已赌过的三局(A 胜2局B 胜1局)与上述结果 相结合, 即A、B赌完五局, A A A B B A B B A胜 B胜 分析 假设继续赌两局,则结果有以下四种情况: A A A B B A B B A胜B负 A胜B负 A胜B负 B胜A负 B胜A负 A胜B负 B胜A负 B胜A负 因此, A 能“期望”得到的数目应为 而B 能“期望”得到的数目, 则为 故有,在赌技相同的情况下, A、B最终获胜的 可能性大小之比为 即A 应获得赌金的 而 B 只能获得赌金的 因而A期望所得的赌金即为?的 “期望”值, 等于 ? 的可能值与其概率之积的累加. 即为 若设随机变量 ? 为:在 A 胜2局B 胜1局的前提 下, 继续赌下去 A 最终所得的赌金. 则? 所取可能值为: 其概率分别为: 设某射击手在同样的条 件下,瞄准靶子相继射击90次, (命中的环数是一个随机变量). 射中次数记录如下 引例2 射击问题 试问:该射手每次射击平均命中靶多少环? 命中环数 k 命中次数 频率 解 平均射中环数 设射手命中的环数为随机变量? . 平均射中环数 频率随机波动 随机波动 随机波动 稳定值 “平均射中环数”的稳定值 “平均射中环数”等于 射中环数的可能值与其概率之积的累加 随机变量 ? 的算术平均值为 假设 它从本质上体现了随机变量?取可能值的平均值. 当随机变量 ? 取各个可能值是等概率分布时 , ? 的加权平均值与算术平均值相等. 加权平均值为 引例3 为这组数的算术平均值； 为这组数的加权平均值. 显然算术平均值是加权平均值的特例 1. 数学期望的定义 分赌本问题 A 期望所得的赌金即为 ? 的数学期望 射击问题 “平均射中环数”应为随机变量? 的数学期望 关于定义的几点说明 (3) 随机变