4.1数学期望资料.pptVIP

解 例 5 离散型随机变量的分布列如下 例6 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。 解 四、数学期望的性质 则有 则有 这一性质可以推广到任意有限个随机变量之和的 情况. 证 则有 这一性质可以推广到任意有限个相互独立的随机 变量之积的情况. （诸Xi相互独立时） 说明 连续型随机变量 X 的数学期望与离散型随机变量数学期望的性质类似. 例9 如果到达一个车站 的, 解 易知 按题意, 也就是 由此 进而 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. 1.理解期望的实际意义 2.离散型随机变量的数学期望 3.连续型随机变量的数学期望 小结 5.数学期望的性质 4.随机变量函数的数学期望 * * * * * * * * 事件间的关系与运算 事件的运算律 §1.2 事件间的关系与运算 小结 1 2 3 事件间的关系与运算 关系与运算 符号表示 定义1 定义2 文氏图 A包含于B A=B 互不相容事件 对立事件 事件的并 事件的交 事件的差 分布函数能完整地描述 r.v.的统 计特性, 但实际应用中并不都需要知 道分布函数，而只需知道 r.v.的某些 特征. 判断棉花质量时, 既看纤维的平均长度 平均长度越长,偏离程度越小, 质量就越好; 又要看 纤维长度与平均长度的偏离程度 例如： 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 r.v. 有关的 某些数值，虽不能完整地描述 r.v.但 能清晰地描述 r.v.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. r.v.的平均取值 —— 数学期望 r.v.取值平均偏离均值的情况 —— 方差 描述两 r.v.间的某种关系的数 —— 协方差与相关系数 本 章 内 容 随机变量某一方面的概率特性 都可用数字来描写 第4章 数字特征 4.1 数学期望 4.2 方差 4.3 常见分布的数学期望和方差 4.4 协方差和相关系数 一、数学期望产生的背景 二、离散型随机变量的数学期望 三、连续型随机变量函数的数学期望 四、随机变量函数的数学期望 五、数学期望的性质 引例1 分赌本问题(产生背景) A, B 两人赌技相同, 该如何分配才算公平? 如果要分赌金, 不得不终止赌博, 在 A 胜 2 局 B 胜1 局时, 外情况 , 由于出现意 取得全部 200 元. 胜, 并约定先胜三局者为 赌金100元, 各出 一、数学期望产生的背景 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, A, B 最终获胜的 可能性大小之比为 在赌技相同的情况下, 因而A期望所得的赌金即为X的 “期望”值, 等于 X 的可能值与其概率之积的累加. 即为 若设随机变量 X 为: 则X 所取可能值为: 其概率分别为: 继续赌下去 A 最终所得的赌金. 在 A 胜2局B 胜1局的前提下, 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 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 Y . 射中环数的可能值与其概率之积的累加 二、 离散型随机变量的数学期望 定义 数学期望, 即 数学期望的本质 —— 加权平均 它是一个数不再是 r.v. 分赌本问题 A 期望所得的赌金即为 X 的数学期望 射击问题 “平均射中环数”应为随机变量Y 的数学期望 关于定义的三点说明 (1) E(X)是一个实数,而非变量. (3) E(X)是一种加权平均, 它从本质上体现了随机变量 X 取可能值的真正的平均值, 也称均值,与一般变量的算术平均值不同. (2) E(X)是X 取可能值的平均值,它不应随可能值的次序不同而改