§2.2 数学期望.pptVIP

§2.2 数学期望——描述随机变量的取值集中位置 刘妍丽主讲 前言 1、分布全面地描述了随机变量的取值的统计规律性。 但不能明显反应取值的集中位置、集中（或离散）程 度，两个变量相依程度等数字特征。 2、分布如X~U(a,b)，X~Simpson(a,b) 这里的参数可以反应X的数字特征。 3、实际应用中，分布太复杂时，研究确切形式，是不经济的作法，仅需要研究其数字特征。 例如比较两个品种的母鸡的产蛋量。通常是比较两种品种的母鸡的年产蛋量的平均值，就可以了。 不会把两种母鸡的产蛋量的分布做出来。 一、随机变量X的数学期望（期望、均值） ：加权平均 1、DEF 离散型 X 连续型 2、离散型随机变量的期望公式应用 例2.2.1 例2.2.2 例2.2.3 3、连续型随机变量的期望公式应用 例2.2.4 二、随机变量函数g(X)的数学期望 1、DEF 2、离散场合下的均值 例2.2.6 3、连续场合下的均值 例2.2.7 三、期望的性质 1、常数的期望=本身。 2、线性函数的期望=期望的线性 3、和（差）的期望=期望的和（差） 例2.2.7 解：市场需要量X~U（300,500）。设公司组织a吨，利益为Y（千元）。则 Y=g(X)= 例2.2.6 例2.2.4 X~U(a,b) 例2.2.1 (分赌本问题) 已知三局：甲赢二局，乙赢一局 （1）根据已赌局数分赌本 甲分2/3 , 乙分1/3 （2）根据未来获准可能性分赌本 甲分3/4 , 乙分1/4 例2.2.2 验血有两种检验方法 （1）N个人检验，验N次，则一个人验 次 （2）N个人分组，k个人一组，混合检验，则 呈阴性，每个人验了（ ）次 呈阳性，每个人验了（ ）次 疾病发病率为 ，且相互独立。 解：令X为每个人检验次数。 （1）EX=1 （2） 例2.2.3 （只领取最高额奖金） 解：X表示一张彩票的得奖金额，则 X=0，10，50，500，5000，50000，500000 例2.2.5 Cauchy分布的期望不存在。 * * 3、均值不一定存在。必须保证，绝对收敛性，其均值才存在。 EX一旦存在了，必定确定且唯一。 1、存在条件：绝对收敛 2、期望不一定存在。 例如：Cauchy分布 离散型 连续型 保证绝对收敛 证明：直接带入期望的定义就得到了 END = 当 a=450吨时，平均利益最大。 0.3 0.3 0.1 0.1 0.2 P 2 1 0 -1 -2 X 法一： 法二： 4 1 0 1 4 Y 0.3 0.3 0.1 0.1 0.2 P 2 1 0 -1 -2 X 0.5 0.4 0.1 P 4 1 0 Y “中点” 甲甲乙 甲 乙 甲 甲 乙 乙 √ √ √ 甲甲乙 单点分布 P X 表示k个人 无病 表示k个人中 有人是有病的 （2）方法比（1）好 P 0 10 50 500 5000 50000 500000 X *