4数学期望讲解.pptVIP

* * * * * * * * * * * * * * * * * * * 注意 不是所有的 r.v.都有数学期望 例如：柯西(Cauchy)分布的密度函数为 但 发散 它的数学期望不存在! 二、随机变量函数的数学期望 1. 问题的提出： 设已知随机变量X的分布，我们需要计算的不是X的期望，而是X的某个函数的期望，比如说g(X)的期望. 那么应该如何计算呢？ 一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把 E[g(X)]计算出来. 那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢？ 下面的定理指出，答案是肯定的. 使用这种方法必须先求出随机变量函数g(X)的分布，一般是比较复杂的 . (1) 当X为离散型时,它的分布率为P(X= xk)=pk ; (2) 当X为连续型时,它的密度函数为f(x).若 定理 设Y是随机变量X的函数:Y=g (X) (g是连续函数) 该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布，而只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便. 上述定理还可以推广到两个或两个以上随 机变量的函数的情况。 例1 设(X,Y)的联合概率分布为 求E(X),E(Y),E(XY). 解 X,Y的边缘分布为 X 1 3 P 3/4 1/4 Y 0 1 2 3 P 1/8 3/8 3/8 1/8 所以 E(X)=3/2, E(Y)=3/2, X 1 0 3/8 3/8 0 3 1/8 0 0 1/8 Y 0 1 2 3 XY 0 1 2 9 P 1/8 3/8 3/8 1/8 例2 例3 例3 例3 解： 例4 设 (X ,Y ) ~ N (0,0,1,1,0), 求 的数学期望. 解 1. 设 C 是常数, 则有 证明 2. 设 X 是一个随机变量,C 是常数, 则有 证明 例如 三、数学期望的性质 3. 设 X, Y 是两个随机变量, 则有 证明 4. 设 X, Y 是相互独立的随机变量, 则有 由X,Y相互独立得: 若设 则 X= X1+X2+…+Xn = np i=1,2，…，n 因为 P(Xi =1)= p, P(Xi =0)= 1-p 所以 E(X)= E(Xi)= = p 补充例1 求二项分布的数学期望 若 X~B(n,p)， 则X表示n重贝努里试验中的“成功” 次数. 现在我们来求X的数学期望 . 补充例2 把数字1,2,…,n任意地排成一列，如果数字k恰好出现在第k个位置上，则称为一个巧合，求巧合个数的数学期望. 由于 E(Xk)=P(Xk =1) 解: 设巧合个数为X, k=1,2, …,n 则 故 例题是将X分解成数个随机变量之和,然后利用随 机变量和的数学期望等于随机变量数学期望的和来求 数学期望的,此方法具有一定的意义. 四、小结 数学期望是一个实数, 而非变量,它是一种加权平均, 与一般的平均值不同,它从本质上体现了随机变量 X 取可能值的真正的平均值. 3. 数学期望的性质 练习 设连续型随机变量(X，Y)的概率密度为 试验证E(XY) ≠E(X)E(Y). 解 又由对称性知 注：独立性不满足时，不能保证性质(4)成立。 显然 解 练习 〖解〗方法1(表格法)由X的分布律得: X -2 0 2 P 0.4 0.3 0.3 X2 0 4 Pk 0.3 0.7 3X2+5 5 17 Pk 0.3 0.7 练习 已知随机变量X的分布列为 求X,X2,3X2+5的数学期望. E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2; 于是, E(X2)=0×0.3+4×0.7=2.8; E(3X2+5)=5×0.3+17×0.7=13.4. 方法2(定义+性质法) 因为 E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2; E(X2)=(-2)2×0.4+02×0.3+22×0.3=2.8; 所以, E(3X2+5)=3E(X2)+5=3×2.8+5=13.4. 练习 设二维 r.v. (X ,Y )