第这章随机变量的数字特征.pptVIP

第5章 随机变量的数字特征 5.1 数学期望 5.2 方差与标准差 5.3 协方差与相关系数 *5.4 矩 *5.5 条件数学期望(条件均值) 随机变量的数字特征是能够描述随机变量基本面貌和代表随机变量主要特征的数字。 5.1 数学期望 5.1.1 随机变量的数学期望 随机变量的数学期望代表所有随机变量取值的加权平均值，也简称为均值。 1. 离散型随机变量的数学期望 定义1 若离散型随机变量X的分布律是 P(xi)=P{X=xi}=pi (i=1,2,3,…) 且级数 绝对收敛( )，则称此级数 为X的数学期望(或均值)，记为EX。即 例1 甲、乙两射手的稳定成绩分别为 试比较甲、乙两射手孰优孰劣。 解：甲的平均环数 乙的平均环数 故可认为甲略优于乙。 上述算法明确体现了加权平均的思想：若变量X取值xi的概率p(xi)较大，则这个xi就对平均数的影响较大(或贡献较大)。概率p(xi)具有权衡xi地位轻重的作用，称为权重系数。加权平均的思想不同于算术平均的思想。 随机变量的数学期望代表了随机变量取值的集中位置。 例2 若X服从二项分布B(n,p)，求EX。 解 该结果说明：具有概率p的事件A在n重伯努利试验中平均出现np次。 例3 若X服从泊松分布P(?)，求EX。 解 X服从泊松分布时，EX=λ说明事件A在一个n重伯努利试验试验中平均出现λ次。 例4 几何分布的期望 若P(X=k)=pqk-1 ( k=1,2,…)， 则 。 证明 例5 若X取值 对应的概率值为 讨论其EX存在与否。 解 例6 设想这样一种博彩游戏，博彩者将本金1元压注在1到6的某个数字上，然后掷三颗骰子，若所压的数字出现i次(i=1,2,3)次，则下注者赢i元，否则没收1元本金，试问这样的游戏规则对下注者是否公平？ 解 设下注者的每1元注金带来的盈利是个随机变量X。 X的一切可能值为：-1, 1, 2, 3 可以用考察EX是否等于零来评价这一游戏规则对下注者是否有利。 设掷3次骰子，恰好出现所压的数字的次数为Y，则 Y～B(3,1/6) 而Y=0时,X=-1; Y=1时, X=1; Y=2时, X=2; Y=3时, X=3； 所以，X的分布律为 由于平均赢利小于0，故这一游戏规则对下注者是不利的(每平均玩216次，下注者将输17元)。 离散型随机变量函数的数学期望 一维离散型随机变量函数的数学期望 设X是离散型随机变量， Y=f(X)是X的函数。 X的分布律是：P(X=xi)=pi i=1,2,3,… 若 绝对收敛( )， 则函数f(X)的数学期望存在，记为Ef(X)，且有 二维离散型随机变量函数的数学期望 设二维离散型随机变量(X,Y)的联合分布律为 P{X=xi,Y=yj}=pij (i,j=1,2,…) 如果 收敛，则g(X,Y)的数学期望存在，记为 Eg(X,Y)，且有 例7 设X的分布律为 求EX， E(-X+2) , EX2。 解 EX=(-1)?(1/8)+0?(1/4)+1?(3/8)+3?(1/4)=1 E(-X+2)=[-(-1)+2]?(1/8)+(-0+2)?(1/4)+ +(-1+2)?(3/8)+(-3+2)?(1/4) =1 EX2=(-1)2?(1/8)+02?(1/4)+12?(3/8)+32?(1/4)=22/8 2.连续型随机变量的数学期望 定义2 若随机变量X有密度函数?(x)，且积分 收敛，则称积分 　　　　为X的数学期望，记为EX，即 例8 设X服从正态分布N(a,?2)，求EX。 解 所以， X服从正态分布N(a,?2)时，EX=a 例9 设X服从(a,b)内的均匀分布，求EX。 解 X的密度函数