4.1 数学期望幻灯片.pptVIP

* * 4.1.1 随机变量的数学期望 第4章 随机变量的数字特征与极限定理 4.1 数学期望 随机变量的数学期望是概率论中最重要的概念之一. 它的定义来自习惯上的平均概念. 我们从离散型随机变量的数学期望开始. 一、离散型随机变量的数学期望 1、概念的引入： 若统计100天, 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废品数X是一个随机变量. 如何定义X的平均值呢？ 32天没有出废品; 30天每天出一件废品; 17天每天出两件废品; 21天每天出三件废品; 可以得到这100天中 每天的平均废品数为 这个数能否作为 X的平均值呢？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27. n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到n天中每天的平均废品数为 (假定小张每天至多出三件废品) 一般来说,若统计n天, 这是 以频率为权的加权平均 由频率和概率的关系 不难想到，在求废品数X 的平均值时，用概率代替 频率，得平均值为 这是 以概率为权的加权平均 这样得到一个确定的数. 我们就用这个数作为随机变量X的平均值 . 则对X作一系列观察(试验)，所得X的试验值的平均值也是随机的. 由此引入离散型r.vX的数学期望的定义如下: 对于一个随机变量，若它可能取的值是X1, X2, …, 相应的概率为 p1, p2, …, 但是，如果试验次数很大，出现Xk的频率会接近于pk，于是可期望试验值的平均值接近 定义4.1 设X是离散型随机变量，它的分布律是: P(X=Xk)=pk , k=1,2,… 也就是说,离散型随机变量的数学期望是一个绝对收敛的级数的和. 如果 有限,定义X的数学期望 例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. 解: 设试开次数为X, P(X=k) E(X) 于是 = 1/n , k=1,2,…,n 定义4.2 设X是连续型随机变量，其密度函数 为 f (x),如果 有限,定义X的数学期望为 也就是说,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 例4.2 设随机变量X的概率密度为 求E(X). 解 因为f(x)只在有限区间内为非零， 存在. 根据公式有 因此 例4.3 设某台仪器由3个独立的继电器组成， 各继电器的寿命Xk（k=1，2，3）服从相同 的指数分布，其概率密度为 求在下列情况下，仪器寿命Z的数学期望： （1）继电器呈串联状态； （2）继电器呈并联状态。 由Xk（k=1，2，3）概率密度 （1）在串联的状态下，一个继电器损坏，仪器就 不能工作， 其分布函数为 解 因此仪器寿命为 可求得其分布函数为 Z的概率密度为 于是 在并联的状态下， （2） 只有当3个继电器全部损坏， 仪器才不能工作， 因此仪器寿命为 其分布函数为 Z的概率密度为 于是 可见，3个继电器并联时仪器的平均寿命 是串联时仪器平均寿命的约5.5倍。 4.1.2 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？ 如何计算随机变量函数的数学期望? 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. 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 . 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？ 下面的基本公式指出，答案是肯定的. 类似引入上述E(X)的推理，可得如下的基本公式: 设X是一个随机变量，Y=g(X)，则 当X为离散型时,P(X= xk)=pk ; 当X为连续型时,X的密度函数为f(x). 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，而只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便. 设（X，Y）是一个二维随机变量，Z