数学期望的定义.pptVIP

* * §4.1离散型随机变量的数学期望 主 讲：刘常胜 单 位：数理系 预备知识 1、算术平均值 若有n个数 为 的算术平均值. 例：一个数学专业在校大学新生，期末成绩为：数学分析80分，高等代数85分，解析几何90分，大学英语85分，形势与政策80分，则该学生的算术平均分数为： 称 这个数字显然不能反映该同学的真正成绩 ，因为它没有考虑到这五个科目的相对重要性。譬如在这个年级中，数学分析为5学分，高等代数4学分，解析几何3学分，大学英语3学分，形势与政策1学分.因此下面的计算更为合理些： 预备知识 2、加权平均值 给定权 预备知识 满足 称 为 关于权 的加权平均值. 权，又称权重(Weight) 3、加权平均值与所选的“权”有关 在这个例子中，若数学分析为每周6学时，高等代数4学时，解析几何3学时，大学英语4学时，形势与政策1学时，则该生的加权平均分也可以用下式表达： 预备知识 预备知识 等分“权”（算术平均值） 按学分分配“权” 按学时分配“权” 1、设 X 为离散 r.v. ,分布律为 若级数 绝对收敛,则称其和为 X 的数学期望， 又称期望,均值或（加权）平均值，记作 E( X ), 即 §4.1 随机变量的数学期望 一、离散型随机变量的数学期望的定义 即 一、离散型随机变量的数学期望的定义 2、在定义中对级数要求绝对收敛的必要性 因为诸 的顺序对随机变量取期望并不是本质的 因而在数学期望定义中应允许任意改变求和次序，而 不影响收敛性及其和值，这在数学上相当于绝对收敛. [反例] 设离散型随机变量 X 的概率分布为 因此按照数学期望定义，该随机变量的数学期望不存在. 3、数学期望是随机变量的数字特征，而不是本质特征. 一、离散型随机变量的数学期望的定义 P -1 0 1 0.1 0.8 0.1 P -2 0 2 0.2 0.6 0.2 它们具有相同的数学期望，但是却是两个完全不同的随机变量. 注：随机变量的概率分布，才是随机变量唯一的本质特征. [例1]设r.v X 的分布律如下表 ,求 E ( X ) . X P -1 3 解 甲乙两人赌博，甲赢的概率为 ，输的概率为 ，甲每赢一次可从乙处得3元，而每输一次，要给乙1元，则甲平均每次可赢 元。 §4.1 随机变量的数学期望 二、数学期望的应用实例 §4.1 随机变量的数学期望 二、数学期望的应用实例 [例2]某人有10万元现金，想投资某个项目，预计成功的机会为30%，可得利润8万元；失败的机会为70%，将损失2万元，若存入银行，利率为5%，问是否做此项投资？ 0.3 0.7 P 8 -2 X 分析：记 为投资利润，其概率分布为 因此 而存入银行的利息为0.5万元，从数学期望角度，似应该选择投资，当然要看当事人是否愿意冒这个风险. 1、 X ~ B ( n , p ), 即 则 2、若X ~ B ( 1 , p ), 即 §4.1 随机变量的数学期望 三、常用离散型随机变量的数学期望 则 三、常用离散型随机的变量数学期望 3、 X ~ Possion (?), 即 则 §4.1 随机变量的数学期望 三、常用离散型随机的变量数学期望 4、 X ~ G (p), 即 则 某篮球运动员投篮命中率为50%，规定该运动员首次投篮命中时即刻停止，则投篮次数 X 的平均值为2，即平均每投篮 2 次才进1个球，正好也反映了命中率. 讨论题 将 4 个不同色的球随机放入 4 个盒子中, 每盒容纳球数无限, 求空盒子数的数学期望. 分析： 设 X 为空盒子数, 则 X 的概率分布为 X P 0 1 2 3 思考 我们知道，所谓离散型随机变量就是它的取值在数轴上的分布是不稠密的，分散的；那么对于在数轴上取值稠密的连续性随机变量来说，如何描述数学期望（平均值）呢？ 小结 一、离散型随机变量的数学期望的定义 二、数学期望的应用实例 三、常用离散型随机的变量的数学期望 随机变量的