《定稿第四章.docVIP

第四章 随机变量的数字特征 在前面两章中我们讨论了随机变量的概率分布，这是关于随机变量统计规律的一种完整描述，然而在实际问题中，确定一个随机变量的分布往往不是一件容易的事，况且许多问题并不需要考虑随机变量的全面情况，只需知道它的某些特征数值.例如，在测量某种零件的长度时，测得的长度是一个随机变量，它有自己的分布,但是人们关心的往往是这些零件的平均长度以及测量结果的精确程度；再如，检查一批棉花的质量，既要考虑棉花纤维的平均长度，又要考虑纤维长度与平均长度的偏离程度，平均长度越大，偏离程度越小，质量越好.这些与随机变量有关的数值，我们称之为随机变量的数字特征，在概率论与数理统计中起着重要的作用.本章主要介绍随机变量的数学期望、方差、矩以及两个随机变量的协方差和相关系数. §1 数学期望 1.1 数学期望的概念 在实际问题中，我们常常需要知道某一随机变量的平均值，怎样合理地规定随机变量的的平均值呢？先看下面的一个实例. 例1.1 设有一批钢筋共10根，它们的抗拉强度指标为110，135，140的各有一根；120和130的各有两根；125的有三根.那么这10根钢筋的平均抗拉强度为 . 现在我们从另一个角度来考虑.从这10根钢筋中任取一根，用表示它的抗拉强度，那么是一个随机变量，的平均值就是这10根钢筋的平均抗拉强度.由于的分布律为 110 120 125 130 135 140 所以随机变量的平均值等于的所有可能取值与各自的概率的乘积之和，在概率论中，我们称随机变量的平均值为数学期望. 1.离散型随机变量的数学期望 定义1.1 设为一离散型随机变量，其分布律为（），若级数绝对收敛，则称此级数之和为随机变量的数学期望（简称期望或均值），记为，即 . （1.1） 例1.2. 某人从把钥匙中任取一把去试房门，打不开则除去，另取一把再试直至房门打开.已知钥匙中只有一把能够把房门打开，求试开次数的数学期望. 解 设试开次数为，则的分布律为 ， 由数学期望的定义， . 例1.3 设随机变量，求. 解 因为 ，所以 . 例1.4 设随机变量，求. 解 因为，所以 因此 . 2 . 连续型随机变量的数学期望 定义1.2 设为一连续型随机变量，其概率密度为，若广义积分绝对收敛，则称广义积分的值为连续型随机变量的数学期望（简称为期望或均值），记为，即 . （1.2） 例1.5 设随机变量的概率密度为 求. 解 由定义1.2 有， . 例1.6 设随机变量服从区间上的均匀分布，求. 解 由于的概率密度为 所以 . 例1.7 设随机变量服从参数为（）的指数分布，求. 解 由的概率密度 有 . 例1.8 设随机变量服从正态分布，求. 解 由于 ， 因此 . 例1.9 已知二维随机变量的概率密度为 求. 解 由第三章例3.2的结果关于的边缘概率密度为 即,因此 . 例1.10 若随机变量的概率密度为 ， 则称服从柯西分布.由于 ， 所以服从柯西分布的随机变量的数学期望不存在. 1.2 随机变量函数的数学期望 定理1.1 设随机变量是随机变量的函数， （其中为一元连续函数）. （1）是离散型随机变量，概率分布律为 ， ， 则当无穷级数绝对收敛时，随机变量的数学期望为 ; （1.3） （2）是连续型随机变量，其概率密度为，则当广义积分 绝对收敛时，随机变量的数学期望为 . （1.4） 这一定理的重要意义在于，求随机变量的数学期望时，只需利用的分布律或概率密度就可以了，无需求的分布，这给我们计算随机变量函数的数学期望提供了极大的方便. 定理的证明超出了本书的范围，下面我们仅就连续型随机变量，且单调的情形给出证明. 证明 第二章定理4.2给出了随机变量的概率密度 其中为随机变量概率密度，函数是处处可导的严格单调函数，它的反函数为，由数学期望的定义， . 当时 ， 当时 . 例1.11 设离散型随机变量的分布律为 求随机变量的数学期望. 解 由定理1.1 ，有 .