第2章 随机变量及其分布2-2.pptVIP

第一章 随机事件与概率 * 第*页 §2.1 随机变量及其分布 §2.2 随机变量的数学期望 §2.3 随机变量的方差与标准差 §2.4 常用离散分布 §2.5 常用连续分布 §2.6 随机变量函数的分布 §2.7 分布的其他特征数 第二章 随机变量及其分布 §2.2 随机变量的数学期望 分赌本问题(17世纪) 甲乙两赌徒赌技相同，各出赌注50元. 无平局，谁先赢3局，则获全部赌注. 当甲赢2局、乙赢1局时，中止了赌博. 问如何分赌本? 两种分法 1. 按已赌局数分： 则甲分总赌本的2/3、乙分总赌本的1/3 2. 按已赌局数和再赌下去的“期望” 分： 因为再赌两局必分胜负，共四种情况： 甲甲、甲乙、乙甲、乙乙 所以甲分总赌本的3/4、乙分总赌本的1/4 2.2.1 数学期望的概念 若按已赌局数和再赌下去的“期望” 分， 则甲的所得 X 是一个可能取值为0 或100 的随机变量，其分布列为： X 0 100 P 1/4 3/4 甲的“期望” 所得是：0?1/4 +100 ? 3/4 = 75. 我们来看一个引例. 例1 某车间对工人的生产情况进行考察. 车工小张每天生产的废品数X是一个随机变量. 如何定义X的平均值呢？ 我们先观察小张100天的生产情况 2.2.2 数学期望的定义 若统计100天, 32天没有出废品; 30天每天出一件废品; 17天每天出两件废品; 21天每天出三件废品; 可以得到这100天中 每天的平均废品数为 这个数能否作为 X的平均值呢？ （假定小张每天至多出现三件废品 ） 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27. n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到n天中每天的平均废品数为 (假定小张每天至多出三件废品) 一般来说, 若统计n天 , 这是 以频率为权的加权平均 当N很大时，频率接近于概率，所以我们在求废品数X 的平均值时，用概率代替 频率，得平均值为 这是 以概率为权的加权平均 这样得到一个确定的数. 我们就用这个数作为随机变量X 的平均值 . 2.2.2 数学期望的定义 定义2.2.1 设离散随机变量X的分布列为 P(X=xn) = pn, n = 1, 2, ... 若级数 绝对收敛，则称该级数为X 的 数学期望，记为 例2.2.1 则 E(X) = ?1×0.2+0×0.1+1×0.4+2×0.3 = 0.8. X ?1 0 1 2 P 0.2 0.1 0.4 0.3 例2.2.2 见教材P80例2.2.2 例2.2.3 见教材P81例2.2.3 设X是连续型随机变量，其密度函数为p (x),在数轴上取很密的分点x0 x1x2 …,则X落在小区间[xi, xi+1)的概率是 小区间[xi, xi+1) 阴影面积近似为 连续随机变量的数学期望 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可以用xi来近似代替. 这正是 的渐近和式. 近似, 因此X与以概率 取值xi的离散型r.v 该离散型r.v 的数学期望是 小区间[xi, xi+1) 阴影面积近似为 定义2.2.2 设连续随机变量X的密度函数为p(x), 若积分 绝对收敛，则称该积分为X 的 数学期望，记为 例2.2.4 数学期望简称为期望. 数学期望又称为均值. 数学期望是一种加权平均. 注 意 点 2.2.3 数学期望的性质 定理2.2.1 设 Y=g(X) 是随机变量X的函数， 若 E(g(X)) 存在，则 这个定理的证明涉及更多的工具，在此省略。 例2.2.4 设随机变量 X 的概率分布为 求 E(X2+2). = (02+2)×1/2+(12+2)×1/4+(22+2)×1/4 = 1+3/4+6/4 = 13/4 解: E(X2+2) X 0 1 2 P 1/2 1/4 1/4 数学期望的性质