概率4-1解析.ppt

第四章 随机变量的数字特征 第一节 数学期望 * 概率论 * 概率论 第一节 数学期望 第二节 方差 第三节 协方差及相关系数 第四节 矩 、协方差矩阵 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 离散型随机变量的数学期望 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 小结 布置作业 引例：设某班40名学生的概率统计成绩及得分人数如下表所示： 分数 40 60 70 80 90 100 人数 1 6 9 15 7 2 则学生的平均成绩是总分÷总人数(分)。即 或 后一种计算方法可认为是40,60,70,80,90和100这六个数的加权平均数。现引进随机变量X表示学生得分，则X有分布律 X 40 60 70 80 90 100 P 1/40 6/40 9/40 15/40 7/40 2/40 40P{X=40}+60P{X=60}+70P{X=70}+80P{X=80}+90P{X=90}+100P{X=100} 即取值乘取值的概率相加即得平均值。这就是随机变量X的数学期望的概念。 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,… 请注意 :离散型随机变量的数学期望是一个绝对收敛的级数的和. 若级数 绝对收敛， 则称级数 即 的和为随机变量X的数学期望，简称期望或均值，记为 ， 一、离散型随机变量的数学期望 问：1）什么是级数收敛？2）为什么这里要求级数绝对收敛？ 例1 0.8 0.2 0 2 1 0 0.1 0.3 0.6 2 1 0 比较两人打靶好坏。 例2：设X服从 0--1分布，求E(X) 解: E(X)=1*p+0*(1-p)=p 例3： 例4 1/6 3/6 2/6 概率 8:10 8:30 8:50 9:10 9:30 9:50 到站时刻 一旅客8:20到车站,求他候车时间的数学期望. 例5 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,但到站时刻是随机的,且两者到站的时间相互独立。其规律为： 10 30 50 70 90 X 候车时间X的数学期望为 定义2 设X是连续型随机变量，其密度函数为 f (x),如果积分 绝对收敛,则称此积分值为X的数学期望，简称期望, 即 请注意 : 连续型随机变量的数学期望是一个绝对收敛的积分. 二、连续型随机变量的数学期望 问：1）什么是级数收敛？2）为什么这里要求级数绝对收敛？ 例6 例7 例8 三、随机变量函数的数学期望 1. 问题的提出： 设已知随机变量X的分布，我们需要计算的不是X的期望，而是X的某个函数的期望，比如说g(X)的期望. 那么应该如何计算呢？ 一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把E[g(X)]计算出来. 那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢？ 下面的定理指出，答案是肯定的. 使用这种方法必须先求出随机变量函数g(X)的分布，一般是比较复杂的 . (1) 当X为离散型时,它的分布率为P(X= xk)=pk ; (2) 当X为连续型时,它的密度函数为f(x).若 定理 设Y是随机变量X的函数:Y=g (X) (g是连续函数)