4第四章随机变量的数字特征-1详解.pptVIP

第四章 随机变量的数字特征 例3 * §4.1 数学期望 §4.2 方差 §4.3 协方差与相关系数 §4.4 矩和协方差矩阵 引例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次品数X是一个随机变量. 如何确定小张每天生产的次品数的平均值呢？ 我们先观察小张100天的生产情况 （假定小张每天至多出现三件次品 ） 1.离散型随机变量的数学期望 §4.1 数学期望 可以得到这100天中 每天的平均次品数为 这个数能否作为 X的平均值吗？ 若统计100天, 32天没有出次品; 30天每天出一件次品; 17天每天出两件次品; 21天每天出三件次品; 可以想象，若另外统计100天，车工小张不出次品，出一件、二件、三件次品的天数与前面的100天一般不会完全相同，这另外100天每天的平均次品数也不一定是1.27. n0天没有出次品; n1天每天出一件次品; n2天每天出两件才品; n3天每天出三件次品. 可以得到n天中每天的平均次品数为 (假定小张每天至多出三件废品) 一般来说, 若统计n天 , 以频率为权 的加权平均 当n很大时，频率接近于概率， 所以我们在求次品数X的平均值时，用概率代替频率，得平均值为 以概率为权 的加权平均 这是一个确定的数.我们就用这个数作为随机变量X 的平均值 . 注：离散型随机变量的数学期望是一个绝对收敛的 若级数 绝对收敛 。 设离散型随机变量X 的分布律为 简称期望或均值，记为 E(X). 则称此级数的和为X 的数学期望。 即 级数的和. 数学期望是随机变量的平均值， 与 X 的取 值 x k 的顺序无关（唯一性），所以要求级数绝对收敛。 定义1 定理：绝对收敛级数经改变项的位置后构成的级数也收敛，且与原级数有相同的和 例1. P60 例1 解 设试开次数为X , 于是 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. 例2 2.连续型随机变量的数学期望 设X是连续型随机变量，其密度函数为f (x),在数轴上取很密的分点x0 x1x2 …, 则X落在小区间[xi, xi+1)内的概率是 小区间[xi, xi+1) 阴影面积近似为 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 由此启发我们引进如下定义. 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, 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. 已知某电子元件的寿命 X 服从参数为 的指数分布(单位：小时）。 求这类电子元件的平均寿命E ( X )。 解 小时。 由定义可得 练习题 1.设X ~ U(a, b)，求E(X) 2.设X ~ N(μ,σ2)，求E(X) 二、随机变量函数的数学期望 1. 问题的提出： 已知随机变量X的分布，计算g(X)的期望E[g(X)]? 请看例题 解 已知X 的分布律为 求 的数学期望。 1/4 1/8 1/4 3/8 -1 0 1 2 例4 1/4 1/8 1/4 3/8 1 0 1 4 (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) 该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布， 只需知道X的分布就可以了. 设X 服从 N (0，1) 分布，求E (X2), E (X3), E (X4) 例5 解 上述定理还可以推广到两个或两个以上随 机变量的函数的情况。 若 绝对收敛, 若级数 绝对收敛。 已知 的概率密度 例6 求 解 同理 一般来说， ,那么何时相等？ 看下面数学期望性质 1. 设C 是常数，则E(C )=C 2. 若C 是常数，则E(CX )=CE(X ) 3. 三、数学期望的性质 4. 设X、Y 相互独立，则 E(XY )=