概率统计—第四章解说.pptxVIP

第四章 随机变量的数字特征 数学期望 方差 协方差及相关系数 矩、协方差矩阵 §1.数学期望 一、数学期望的概念 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5局，并且 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”得到的数目为 在赌技相同的情况下, A, B 最终获胜的可能性大小之比为 因而A期望所得的赌金即为X的 “期望”值，它 等于 即为X所有可能值与其概率之积的累加。 若设随机变量X为“在 A 胜2局B 胜1局的前提下, 继续赌下去 A 最终所得的赌金”, 则X所取可能值为： 其概率分别为: 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2 射击问题 试问：该射手平均命中环数是多少? 解： 平均射中环数 随机变量Y表示“射手射中的环数” 加权平均 平均射中环数 “平均射中环数”的稳定值 射中环数的可能值与其概率之积的累加 Y 的“数学期望” 离散型随机变量的数学期望 定义 4.1.1 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”的稳定值应为随机变量Y 的数学期望 关于定义的两点说明 （1）E(X)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, 也称均值。 （2）级数的绝对收敛性保证了级数的值不随级数各项次序的改变而改变 。之所以这样要求是因为数学期望是反映随机变量X所有可能取值的平均,它不应随可能值的排列次序而改变。 例 4.1.1（射击问题） 甲、乙两个射手， 他们射击的分布律分别为 问：哪个射手技术更好？ 例 4.1.2（彩票发行） 某一彩票中心发行彩票 10万张, 每张2元。设头等奖1个, 奖金 1万元；二等奖2个,奖金各 5 千元；三等奖 10个, 奖金各1千元；四等奖100个, 奖金各100元；五等奖1000个, 奖金各10 元。已知每张彩票的成本费为 0.3 元，试计算彩票发行单位的创收利润。 解：X表示“每张彩票的中奖额”，X的分布律为 每张彩票平均能得到的奖金为 E(X)=0.5 元 例 4.1.3（候车时间） 按规定，某车站每天8:00~9:00，9:00~10:00都恰有一辆客车到站，但到站的时刻是随机的，并且到站的事件都相互独立，其规律为 一旅客8:20到车站，求他候车时间的数学期望。 ※关键是求出候车时间T的分布律 例 4.1.4（分组验血） 在一个人数很多的团体中普查某种疾病，为此需要抽验N个人的血，可用两种方法进行：(i)将每个人的血分别取验，这需要检验N次。(ii)按k个人一组进行分组，把k个人抽来的血混合之后检验，如果这组混合血液呈阴性反应，就说明k个人的血都呈阴性反应，这样只需化验一次；若呈阳性，则再对k个人的血分别化验，这样需要化验k+1次。假设每个人化验呈阳性的概率为p，且这些人的试验反应是相互独立的。试说明当p较小时，选取适当的k，按第二种方法可以减少化验次数，并说明k取什么值的时候最适宜。 解：X表示按第二种方法，组内每人需要化验血的次数 若取p=0.1, 则当k=4时, 对应的f(k)取到极小值, 最适宜. 例 4.1.5（泊松分布） 设X服从指数为λ的泊松分布，求X的数学期望。 解： 连续型随机变量的数学期望 定义 4.1.2 例 4.1.6（均匀分布） 设X~U(a,b)，求X的数学期望E(X)。 二、随机变量函数的数学期望 推广 设Z是随机变量X和Y的函数Z=g(X,Y), 其中g是连续函数, 那么 问：已知(X,Y)的联合概率密度, 如何计算E(X)？ 例4.1.9 设(X,Y)的分布律为 2 0 -1/15 5 = 1 线性性质 注：性质③④可推广到多个随机变量的情形。 反之不成立！ 例 4.1.12（将复杂的随机变量进行分解） 设一机场巴士载有20位乘客，共有10个车站可以下车。如果到达一个车站没人下车就不停车，以X表示停车的次数，试求X的数学期望E(X)。 解： 解：设生产x件, 获得的利润用随机变量Q=Q(x)表示, 那么 例 4.1.14(竞拍问题) 设甲与其他三人参与一个项目的竞拍，价格以千美元计，价格高者获胜。若甲中标，他就将此项目以10千美元转让给他人。可认为其他三人的竞拍价是相互独立的，且都在7~ 11千美元之间均匀分布。问：甲应如何报价才能使