概率论与数理统计.pptVIP

第三章 随机变量的数字特征 分布函数能完整地描述 r.v.的统计特性, 但实际应用中并不都需要知道分布函数，而只需知道 r.v的某些特征. 例如： 判断棉花质量时, 既看纤维的平均长度，又要看 纤维长度与平均长度的偏离程度，平均长度越长,偏离程度越小, 质量就越好; 考察一射手的水平, 既要看他的平均环数是否高, 还要看他弹着点的范围是否小, 即数据的波动是否小. 由上面例子看到，与 r.v. 有关的某些数值，虽不能完整地描述 r.v.但能清晰地描述 r.v.在某些方面的重要特征 , 这些数字特征在理论和实践上 都具有重要意义. §3.1 随机变量的数学期望 1、数学期望的定义 定义: 设c. r.v. X 的 d.f. 为 f(x) 则称此积分为 X 的数学期望,记作 E( X ), 即 数学期望的本质 —— 加权平均,它是一个数,不再是 r.v. 例 甲、乙两人进行打靶，所得分数分别记为X1, X2,它们的分布律分别为 试评定它们成绩的好坏。 例 X ~ B ( n , p ), 求 E( X ) . 解 特例 若Y ~ B ( 1 , p ), 则 E(Y)=p 例 设 X ~ 参数为 p 的几何分布，求E ( X ). 解 例 X ~ N ( ? , ? 2 ), 求 E ( X ) . 注意 不是所有的 r.v.都有数学期望 例如：柯西(Cauchy)分布的密度函数为 它的数学期望不存在! 设 X 的分布律为 其中 则 但由于 数学期望定义中为何要求绝对收敛？ 通过一个期望不存在的例子来说明这个问题. 随机变量的数学期望只能是一个数，因此期望定义中要求的绝对收敛是必要的，它可以保证顺序的变化不影响数学期望中级数的收敛性. 因此 X 的数学期望不存在.事实上由微积分知识可知,如果把级数中的项进行重排可能收敛于不同的数，例如 2、r.v.函数 Y = g(X ) 的数学期望 ●设离散 r.v. X 的概率分布为 若无穷级数 绝对收敛，则 ●设连续 r.v. 的 d.f. 为f (x) 绝对收敛, 则 若广义积分 ●设离散 r.v. (X ,Y ) 的概率分布为 Z = g(X ,Y ), 3、r.v.函数 Z = g(X ,Y ),的数学期望 ●设连续 r.v. (X ,Y )的联合 d.f. 为 f (x ,y) Z = g(X ,Y ) 例 设风速V在(0,a)上服从均匀分布,又设机翼受到的正压力W是V的函数：W=KV2 (k0,常数)， 求W的数学期望。 例 设二维随机变量(X,Y)的概率密度为 试求XY的数学期望。 例 设 (X ,Y ) ~ N (0,1;0,1;0), 求 Z 的数学期望. 解 都服从参数为 ? 的指数分布，若将它们 (1) 串联； (2) 并联 成整机，求整机寿命的均值. 解 (1) 设整机寿命为 N , 即 N ~ E( 5?), 可见, 并联组成整机的平均寿命比串联组成整机的平均寿命长11倍之多. 例 设X ~ N (0,1), Y ~ N (0,1), X ,Y 相互独立，求E (max(X ,Y )) . 解 D1 D2 一般地 4、数学期望的性质 ⑴ E (C ) = C ⑵ E (aX ) = a E (X ) ⑶ E (X + Y ) = E (X ) + E (Y ) 推广：当X 1, … X n 相互独立时 ⑷当X ,Y 独立时，E (X Y ) = E (X )E (Y ) . 推广： 注 逆命题不成立。 若E (X Y ) = E (X )E (Y )，X ,Y 不一定独立 反例1 反例2 例 设二维 r.v. (X ,Y ) 的 d.f. 为 求E(X), E(Y), E( X + Y ), E(X Y), E(Y / X) 例 将 4 个不同色的球随机放入 4 个盒子中, 每盒容纳球数无限, 求空盒子数的数学期望. 解： 引入 X i ,i = 1,2,3,4 应用举例 据统计65岁的人在10年内活着或正常死亡的概率为0. 98, 因事故死亡概率为0.02.保险公司开办老人事故死亡保险, 参加者需交纳保险费100元.若10 年内因事故死亡公司赔偿a 元, 应如何定 a , 才能使公司可期望获益;若有1000人投保, 公司期望总获益多少? 假设国际市场上对我国某种产品每年需求量为X吨，X ~ U [ 2000,4000 ], 每出售一吨可赚3万元 ,售不出去，则每吨需仓库保管费1万元，问应该生产这中商品多少吨, 才能使平均利润最大？ y=3500 时, E(Y )最大,