概率论与数理统计.doc

第三章 数字特征 对于随机变量如果掌握了其分布函数（分布律，概率密度），则该随机变量的分布情况有了全面的了解，但有时人们更希望了解或突出该随机变量某一方面的特征，如某乡的小麦产量有一个分布，但在上报数据时我们会看到的是该乡小麦的平均亩产量（或总产量）以及种植总面积；又如要评定某地棉花的质量，通过抽样，可以了解棉花的纤维平均长度及关于平均长度的偏离程度等，这就是数字特征的概念。 3.1 数学期望 数学期望定义 设离散型随机变量X的分布律为，若，称X的数学期望存在，数学期望记为，； 设连续型随机变量X的概率密度为f(x)，若，称X的数学期望存在， 数学期望。数学期望也称为均值，它反映了随机变量取值的平均这一指标，它是一个数，而不是函数。 例3.1.1 （1）设离散型随机变量X的分布律为，判断X是否存在数学期望；（2）设连续型随机变量X的概率密度为，判断X是否存在数学期望。 解：（1），由定义，X不存在数学期望； （2），由定义，X不存在数学期望。 在以后提到数学期望，都假定数学期望存在。 例3.1.2 设随机变量X的概率密度为，求X的数学期望。 解：。 例3.1.3 一盒中有3个红球2个白球，采用不放回抽样，每次取1个，取3次，X表示取到的红球数，求X的数学期望。 解：P(X=1)=3/10，P(X=2)=6/10，P(X=3)=1/10，E(X)=1.8。 例3.1.4 设随机变量，求E(X)。 解：。 例3.1.5 设随机变量X~U(a,，b)，求E(X)。 解：。 例3.1.6 设随机变量X服从参数为的指数分布，求E(X)。 解：。 随机变量函数的数学期望，设离散型随机变量X的分布律为，Y=g(X)，若，则Y的数学期望存在， ； 设连续型随机变量X的概率密度为f(x)，Y=g(X)，若，则Y的数学期望存在， 。 设离散型随机变量（X，Y）的分布律为，Z=h(X,Y)，若，则Z的数学期望存在， ； 设连续型随机变量(X,Y)的概率密度为f(x,y)，Z=h(X,Y)，若，则Z的数学期望存在， 。 例3.1.7 设X的分布律为P(X=i)=i/10, i=1,2,3,4。求 。 例3.1.8 例3.1.9 设二元随机变量(X,Y)的联合分布律如下，求随机变量的数学期望。 X \ Y 0 1 2 0 1 0.1 0.25 0.15 0.15 0.2 0.15 例3.1.10设随机变量(X,Y)的概率密度为：求E(X),E(Y),E(XY). 若的数学期望存在，称为X的k阶（原点）矩，为X的k阶中心矩；若的数学期望存在，称为（X，Y）的k+l阶混合（原点）矩，为(X,Y)的k+l阶混合中心矩。除了数学期望以外，还有两个最重要数字特征是：二阶中心矩为，称为方差，记为，以及，称为协方差，记为，它们分别在下两节介绍。 数学期望的性质：性质1.C为常数，则E(C)=C； 将常数看成随机变量X，P(X=C)=1，即得。 性质2. a是常数，E(aX)=aE(X)； 仅对X是连续型随机变量给予证明，。 性质3. E(X+Y)=E(X)+E(Y)； 仅对（X，Y）是连续型随机变量给予证明， 。 将性质1，2，3和起来，即。 性质4. 若X与Y相互独立，则E(XY)=E(X)E(Y)； 仅对（X，Y）是连续型随机变量给予证明， 。 注意，若E(XY)=E(X)E(Y)，X与Y未必相互独立，具体见第3.3节。 例3.1.11 计算机程序随机产生0～9中的数字，记Xi为第i次产生的数字，i=1,2,…,n，将这n个数依次排列，得到一数，记为Y，求E(Y)。 解：由题意知，Xi独立同分布，i=1,2,…,n，其分布律为P(Xi=k)=1/10, k=0,1,…,9. 例3.1.12 一小班有n个同学，编号为1～n，每人准备一件礼物，对应编号为1～n，现每个同学随机选一个礼物，X表示取到的礼物号与自己编号相同的个数，求E(X)。 解：X是离散型随机变量，取值为0，1，2，。。。，n-2，n。P(X=n-1)=0，但其他的概率值很难算。这里考虑将X分解，令，，则， 所以。 这种将复杂离散型随机变量分解成若干简单随机变量和的方法有一定的实用性。 例3.1.13. 设某种商品的价格（单位：元）X~U(80，140)，某单位要购买该种商品Y件，P(Y=100)=0.6，P(Y=120)=0.4，假设X与Y相互独立，求总价Z的数学期望。 解：Z=XY，E(Z)=E(X)E(Y)=110×108=11880（元）。 3.2 方差与标准差 对于一个随机变量X，除了了解它的均值，人们还希望了解它关于均值的平均偏离程度，这可以用和等指标来