随机变量的数学期望分解.ppt

例9 例9 例10 解 于是 例11 解 因此所求数学期望为 三、数学期望的性质 1. 设C是常数，则E(C)=C; 4. 设X、Y 相互独立，则 E(XY)=E(X)E(Y); 2. 若k是常数，则E(kX)=kE(X); 3. E(X+Y) = E(X)+E(Y); （诸Xi相互独立时） 请注意: 由E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 四、课堂练习 1 某人的一串钥匙上有n把钥匙, 其中只有一把能打开自己的家门, 他随意地试用这串钥匙中的某一把去开门, 若每把钥匙试开一次后除去, 求打开门时试开次数的数学期望. 2 设随机变量X的概率密度为 1 解 设试开次数为X, 于是 E(X) 2 解 Y是随机变量X的函数, P(X=k)=1/n, k=1, 2, …, n 解 从数字0, 1, 2, …, n中任取两个不同的数字, 求这两个数字之差的绝对值的数学期望. 一般的 3 解 4 某银行开展定期定额有奖储蓄, 定期一年, 定额60元, 按规定10000个户头中, 头等奖一个, 奖金500元; 二等奖10个, 各奖100元; 三等奖100个, 各奖10元; 四等奖1000个, 各奖2元. 某人买了五个户头, 他期望得奖多少元? 解 因为任何一个户头获奖都是等可能的, 分布列为 5 买五个户头的期望得奖金额为 * * * * * * * * * * 概率论与数理统计 第一节 数学期望 离散、连续型随机变量的数学期望 随机变量函数的数学期望 数学期望的性质 课堂练习 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 在这些数字特征中，最常用的是 数学期望、方差、协方差和相关系数 一、数学期望的概念 即 定义1 设X是离散型随机变量，它的分布律是: P{X=xk}=pk , k=1,2,… 若级数 绝对收敛， 则称级数 的和为随机变量X的数学期望，记为 , 若级数发散 ，则称X的数学期望不存在。 试问哪个射手技术较好? 例1 谁的技术比较好? 乙射手 甲射手 解 故甲射手的技术比较好. 关于定义的几点说明 (3) 随机变量的数学期望与一般变量的算 术平均值不同. (1) E(X)是一个实数, 而非变量,它是一种以概率为权的加权平均值, 与一般的平均值不同 , 它从本质上体现了随机变量 X 取可能值的真正平均值, 也称均值. (2) 级数的绝对收敛性保证了级数的和不 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 取可能值 的平均值,它不应随可能值的排列次序而改变. 随机变量 X 的算术平均值为 假设 它从本质上体现了随机变量X 取可能值的平均值. 当随机变量 X 取各个可能值是等概率分布时 , X 的期望值与算术平均值相等. 例2 一批产品中有一、二、三等及废品4种，相 应比例分别为60%，20%，13%，7%，若各等级 的产值分别为10元、5.8元、4元及0元，求这批产 品的平均产值。 解 设一个产品的产值为X元，则X的可能取值 分别为0，4，5.8，10；取这些值的相应比例分别为 7%, 13%, 20%, 60%；则它们可以构成概率分布， 由数学期望的定义求得产品的平均产值为 E(X) = 4×0.13 + 5.8×0.2 + 10×0.6 = 7.68（元）。 例3　商店的销售策略 解 例4 设 服从几何分布，即 求 。 解： 例5 常见离散型随机变量的数学期望 定义2 设连续型随机变量X的概率密度为f(x)，如 果积分 绝对收敛，则称该积分的值 为随机变量X的数学期望或者均值，记为EX，即 如果积分 发散，则称X的数学期 望不存在。 注： E(X)是一个实数而非变量, 并非所有的随机变量都存在数学期望。 例6 常见连续型随机变量的数学期望 例7 设X的密度函数为 求EX . (Cauchy分布) 解：