(数学期望).pptVIP

* * 第四章 随机变量的数字特征 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，只需知道随机变量的 某些特征，因而不需要求出它的分布函数. 例如： 研究水稻品种优劣时，我们关心的是稻穗的 平均粒数及每粒的平均重量； 考察一射手的水平，既要看他的平均环数 是否高，还要看他弹着点的范围是否小，即数 据的波动是否小. 由上面例子看到，与随机变量有关的某些 数值，虽不能完整地描述随机变量，但能清晰 地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意义. 随机变量某一方面的概率特性 都可用数字来描写 随机变量的平均取值 —— 数学 期望 随机变量取值平均偏离平均值的 情况 —— 方差 描述两个随机变量之间的某种关 系的数 —— 协方差与相关系数 本 章 内 容 引例1 测量 50 个圆柱形零件直径（见下表） 则这 50 个零件的平均直径为 尺寸（cm） 8 9 10 11 12 数量（个） 8 7 15 10 10 50 §4.1 随机变量的数学期望 换一个角度看，从这50个零件中任取一个零件, 它的尺寸为随机变量X , 则X 的分布律为 X P 8 9 10 11 12 则这 50 个零件的平均直径为 称之为这 5 个数字的加权平均，数学期望的 概念源于此 设 X 为离散型随机变量，其分布律为 若无穷级数 绝对收敛，则称其和为随机变量 X 的数学期望 记作 E( X ) 一、离散型随机变量数学期望 1、定义 说明：只需验证 有限即可 说明:随机变量的数学期望未必存在 例3 X ~ P(?), 求 E ( X ) . 解 例4 X ~ B ( n , p ), 求 E( X ) . 解 例5 设 X ~ 参数为 p 的几何分布，求E ( X ). 解 设 X 为连续型随机变量, 其概率密度为 若广义积分 绝对收敛，则称此积分为随机变量 X 的数学期望 记作 E( X ) 随机变量的数学期望的本质 —— 加 权 平 均 它是一个数不再是随机变量 二、连续型随机变量数学期望 1、定义 注意：不是所有的随机变量都有数学期望 例6：Cauchy分布的密度函数为 但 发散 它的数学期望不存在 例7 X ~ N ( ? , ? 2 ), 求 E ( X ) . 例8 设 X ~ U(a,b)，求E ( X ). 解 分布 期望 概率密度 区间(a,b)上的 均匀分布 E(?) N(?,? 2) 2、几个常见的连续型随机变量的数学期望 2、 设X 为连续型随机变量，概率密度为f (x) Y = g(X ), 绝对收敛，则 若广义积分 3、 设(X ,Y )为二维离散型随机变量，分布律为 Z = g(X ,Y ), 绝对收敛，则 若级数 4、 设(X ,Y )为二维连续型随机变量， 概率密度函数为 f (x ,y) Z = g(X ,Y ), 绝对收敛，则 若广义积分 例9 设二维连续随机变量(X,Y)的密度函数为 求E(X), E(Y), E( X + Y ), E(X Y), E(Y / X) 解 数学期望的性质 数学期望的性质 注意：X ,Y 相互独立 例10 设 (X ,Y ) ~ N (0,1;0,1;0), 求 的数学期望. 解 1、E (C ) = C 2、E (aX ) = a E (X ) 3、E (X + Y ) = E (X ) + E (Y ) 4、当X ,Y 相互独立时，E (X Y ) = E (X )E (Y ) . 四、数学期望的性质