§35 随机变量的数字特征、 契贝晓夫不等式.ppt

§3.5 随机变量的数字特征、 契贝晓夫不等式 一、连续型随机变量的数学期望 研究随机变量的数字特征的必要性 尽管随机变量的分布函数(概率分布、概率密度)完整地描述了随机变量的统计规律性。但是这种完整的描述并不使人感到方便，而且在一些实际问题中，也不需要去全面考察随机变量的分布，而只需知道随机变量分布的某些特征，因此并不需要求出它的分布函数(概率分布、概率密度) 。 1. 在评定某一地区粮食产量时，在许多场合只需知道该地区的平均产量。 2. 在研究水稻品种优劣时，时常是关心稻穗的平均稻谷粒数。 3. 在检查一批棉花的质量时，即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。 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有重要的意义。 本章将介绍连续型随机变量的常用数字特征：数学期望、方差和矩。 一、连续型随机变量的数学期望 * * 概率论 中南大学数学院 概率统计课程组 五、随机变量的方差 六、随机变量的矩与切比雪夫不等式 三、数学期望的性质 四、几类重要的随机变量的数学期望 二、随机变量函数的数学期望 设连续型随机变量 的概率密度为p(x)，若 积分 绝对收敛，则称积分 值为 的数学期望。记为 期望也称为均值。 的 数学 则ξ落在区间 [xi, xi+1]中的概率为 设连续型随机变量ξ的概率密度为p(x)， 且p(x)只在[a, b]上不等于0。取分点 这时概率分布 可视为ξ的离散近似，服从上述分布的离散型随机变量的数学期望为 (1) 连续型随机变量数学期望的定义 设连续型随机变量 的概率密度为p(x)，若 积分 绝对收敛，则称积分 值为 的数学期望。记为 期望也称为均值。 的 数学 (2) 数学期望的计算 已知随机变量ξ的密度函数为 例19 解 试验次数较大时，ξ的观测值的算术平均值 在E(ξ)附近摆动 数学期望又可以称为期望值(Expected Value)， 均值(Mean) E(ξ)反映了随机变量X取值的“概率平均”,是ξ的可能值以其相应概率的加权平均。 (3) 数学期望的意义 二、随机变量的函数的数学期望 定理 1：一维情形 离散型 连续型 是随机变量 ξ的函数, 设 概率密度为 因为 所以 解 服从 已知 上的均匀分布，求 的数学期望。 例20 定理 2：二维情形 离散型 连续型 联合概率密度为 设 是随机变量 ξ， η的函数, 例21 设相互独立的随机变量ξ，η的密度函数分别为: 求E（ξη） 解