（二）随机变量的数字特征.ppt.pptVIP

　　前面讨论了随机变量的分布函数，我们看到分布函数能够完整地描述随机变量的统计特性。但在一些实际问题中，不需要去全面考察随机变量的变化情况，而只需知道随机变量的某些特征，因而并不需要求出它的分布函数。 例如，在评定某一地区粮食产量的水平时，在许多场合只要知道该地区的平均产量；又如在研究水稻品种优劣时，时常是关心稻穗的平均稻谷粒数；再如检查一批棉花的质量时，既需要注意纤维的平均长度，又需要注意纤维长度与平均长度的偏离程度，平均长度较大、偏离程度较小，质量就较好。 由此可知，与随机变量有关的某些数值虽然不能完整地描述随机变量，但能描述随机变量在某些方面的重要特征。这些数字特征在理论和实践上都具有重要的意义。下面介绍随机变量的常用数字特征：数学期望、方差、矩． 第2节 随机变量的数字特征 一、离散型随机变量的数学期望 例1 甲、乙两射手进行射击训练，已知在100次射击中命中环数与次数记录如下： 环数 8 9 10 次数 30 10 60 环数 8 9 10 次数 20 50 30 甲 乙 试问如何评定甲、乙射手的技术优劣？ 甲平均射中的环数为： 乙平均射中的环数为： (8×30+9×10+10×60)÷100=8×0.3+9×0.1+10×0.6=9.3 (8×20+9×50+10×30)÷100=8×0.2+9×0.5+10×0.3=9.1 因此从平均射中的环数看，甲的技术优于乙。 5.2.1数学期望 上述平均环数的计算可表示为 即平均每件产品的利润是1.3元。 例2 在一批产品中，一级品占50%，每件产品的利润是2元，二级品占40%，每件产品的利润是1元，次品占10%，每件产品的利润是-1元（即赔1元）。问这批产品的平均利润是多少？ 解 设X=一件产品的利润（元）,X是一随机变量. 利润是1元,即{X=1}意味着产品是二级品； 利润是2元，即{X=2}意味着产品是一级品, 利润是－1元,即{X=－1}意味着产品是次品。 由题设P(X=2)=0.5，P(X=1)=0.4,P(X=－1)=0.1。所求问题是平均利润，即X的平均值。 平均值=2×P(X=2)＋1×P(X=1)＋(―1)×P(X=―1) =2×0.5＋1×0.4＋(―1)×0.1=1.3 注意 上式也可以写成 数学期望——描述随机变量取值的平均特征，这个平均值是以概率为权的加权平均。 定义 设X是离散型随机变量，其分布律为 X~P(X=xi)=pi, i=1,2,…, n,… 如果级数 绝对收敛,则称X的数学期望存在,并称级数 的和为随机变量X的数学期望，记作E(X)，即 则称随机变量X的数学期望不存在。 注意：随机变量X的数学期望E(X)完全是由X的分布律确定的，而不应受X的可能取值的排列次序的影响,因此要求级数 绝对收敛。若级数 不绝对收敛， 例3 设离散型随机变量X的分布律为 X -2 -1 0 1 2 Pk 1/16 2/16 3/16 2/16 8/16 则X的数学期望为 例4 掷一颗均匀的骰子，以X表示掷得的点数，求X的数学期望。 解 X的分布律为 X 1 2 3 4 5 6 Pk 1/6 1/6 1/6 1/6 1/6 1/6 定义 设X是连续型随机变量，概率密度函数为f(x)，若积分 二、连续型随机变量的数学期望 绝对收敛，则称X的数学期望在，且称积分 为随机变量X的数学期望，记为E(X),即 数学期望简称期望或均值。 例5 设随机变量X的概率密度为 其中c为待定常数，求(1)常数c ；（2）求EX。 （2）E（X）存在，且 解 （1）由密度函数的性质 三、随机变量函数的数学期望 定理 设随机变量Y是随机变量X的函数，Y=g(X)是一个实函数： (1)设X为离散型随机变量，其分布律P(X=xi)=pi,i=1,2,… 若级数 绝对收敛，则Y的数学期望存在，且 (2)设X为连续型随机变量，其概率密度为f(x)， 若积分 绝对收敛，则Y的数学期望存在,且 此定理说明，在求随机变量X的函数Y=g(X)的期望时,不必知道Y的分布而只需知道X的分布即可。 1.设C是常数，则E(C)=C 2.设C是常数，X为随机变量，则 E(CX)=CE(X); 四、数学期望的性质 由此得到,对于任意实数a，b和随机变量X有 3.随机变量和的期望等于随机变量期望的和。 例6 设随机变量X的概率密度为 其中c为待定常数，求(1)常数c;(2)求EX。 （2）EX存在，且 解 （1）由密度函数的性质 (3)求E(3X+2). (3)E(3X