3.1随机变量的数学期望分解.ppt

第三章 随机变量的数字特征  本章将讨论随机变量常用的数字特征：数学期望、方差、相关系数、矩等. 平均值大就意味着这个品种的母鸡的产蛋量最高，当然是“较好”的品种，这时如果不去比较它的平均值，而只看它的分布列，虽然“全面”，却使人不得要领，既难以掌握，又难以迅速做出判断，这样的例子可以举出很多。例如：要比较不同班级的学习成绩通常就是比较考试中的平均成绩. 接近于 注意 数学期望是反映随机变量取值的平均水平（集中程度）的数量指标. 四、数学期望的性质 性质1 ，则 存在，而且有 特别，若c为一个 常数， 则 性质2 对任一二维随机变量 若 都存在， 存在且 联合密度为 是 的函数，有 则对任意实数 性质3 设 、是两个随机变量, 则有对任意实数 , 有 证 证明 仅对连续型进行证明，离散型的可类似证明 设 的联合密度为 是 的函数，有 性质4 设 、 是相互独立的随机变量, 则有 性质2与性质3可以推广到任意有限个情形。 对任意n个常数 有 若 相互独立，则 例3.1.12 若 ～ 求 解: = = = 例3.1.13 若随机变量 求 的数学期望 解 令 由于 于是由数学期望的性质即得 例3.1.14 将 个不同的球随机地放入 n 个有编号的 求有球的盒子 数 的数学期望 解：直接求分布列比较繁琐，可设 例3.1.15从甲地到乙地的客车上载有20位旅客，自甲地开出，沿途有10个车站，如到达一个车站没有旅客下车，就不停车，以 表示停车次数，求 * 我们知道，随机变量的分布完整地描述了随机变量的统计规律性，但在许多实际问题中，并不需要去全面考察随机变量的变化情况，而只要知道它的某些数字特征.例如，在评价某地区粮食产量的平均水平时，只需要知道，该地区粮食的平均产量；又如，在评价某班级的学习情况时，既要考虑学生的平均成绩，又要注意学生的两极分化情况（学生的成绩与平均成绩的偏离程度），若该班的平均成绩较高，偏离程度较小，说明该班的教学质量比较好. 3.1随机变量的数学期望 数学期望的概念 1．离散型随机变量的数学期望 我们知道离散型随机变量的分布列可以全面地描述了这个随机变量的统计规律，但在许多实际问题中，这样的“全面描述”有时并不使人感到方便，举例来说，已知在一变，量个同一品种的母鸡群，一只母鸡的年产蛋量是一个随机变量，如果要比较两个品种母鸡的年产蛋量，通常只要比较两个品种母鸡的年产蛋量的平均值就可以了. 例3.1.1 某手表厂在出厂的产品中，抽查了N=100只手表 的日走时误差，数据如下 3 10 17 28 21 16 5 只 数 -2 -1 0 1 2 3 4 日走时误差 这时，抽查到的这100只手表的平均日走时误差为 其中 是“日走时误差为k秒”这一事件的频率，可记为 ，于是 平均值= 当 较大时， 接近 ，于是 ，就是说，当试验 次数很大时，随机 变量 的观察值的算术平均 接近于 ，称 为随机变量 的数学期望或均值，一般地，有如 下定义： 定义3.1.1设离散型随机变量 的可能取值为 ，其分布列为 ，则当 时，称 存在数学期望（均值），并且数学期望为 = .若 的数学期望不存在. 从定义可以看出， E 是由随机变量的分布列所确定的一个 实数，它形式上 是 当 的一切可能取值与它对应的概率的乘 积， 独立地取较多的值时，这些值 的平均值稳定在 随机变量的数学期望上. 当改变列举次 的取值可依某种次序一一列举的， 同一种随机变量的列举次序可以有所不同， 序时它的数学期望（均值）应是不变的，这意味着 求和次序可以改变，而其和保持不变， 由无穷级数的理论知道，必须有 绝对收敛，即 才能保证它的和不受求和次序的影响. 例3.1.2 设 为离散型随机变量，其分布列为 试问 的数学期望是否存在？ 解： 而 发散，故 的数学期望是不存在的. 注意 并非所有随机变量都存在数学期望. 例3.1.3 设一个盒中有5个球，其中有3个黄球，2个白球 从中任取两个球，问平均取到的白球数是多少？ 解：设 为任取两个球中的白球数， 的分布列为 0.3 0.6 0.1 0 1 2 则 例3.1.4 设射手甲与乙在同样的条件下进行射击， 其命中环