4数学期望.ppt

? 证明 E( c X+b) = cE(X)+b (仅就X为连续型的情况给出证明) ? 例 4.1.7 证明 E{[X－E(X)][Y－E(Y)]}=E(XY) －E(X)E(Y) 例4.1.8 随机变量X 的分布为 试求 E(X). 原始模型 N个球中有M个红球,余下为白球, 从中任取n个球，n个球中的红球数为X 分析： 1）直接求解很困难, 应利用数学期望的性质求解. 2）设想这n个球是逐个不放回抽取的， 共取了n 次. 数学期望 电子科技大学 第四章 随机变量的分布 §4.1 数学期望 定义4.1.1 设X 是离散型随机变量,其分布律为 引 例 一. 随机变量的数学期望 设连续型随机变量X的概率密度为f (x), 注2 部分随机变量X 的数学期望不存在. 为X 的数学期望(均值). 注1 随机变量的数学期望是它所有可能取值的加权平均值，是一个数. 定义中要求条件无穷级数 绝对收敛, 保证数学期望有唯一的数值. 同样, 对连续型随机变量的无穷广义积分要求绝对收敛也出于相同的考虑。 如果绝对收敛不能得到满足, 称随机变量的数学期望不存在. P101例4.1.2， 例 4.1.4 证 明 证 明 4.两点分布 1 p 1－p P 0 X E(X)= p 5. 均匀分布 E(X)=(b+a)/2 1.X~P(l) , 则 E(X) = l; 证 明 2. X~B(n, p) , 则 E(X) = np; 3. X~N(m , s 2 ) , 则 E(X) = m ; 6.指数分布 二. 随机变量的函数的数学期望 设X 是随机变量,Y=g (X)也是随机变量, 如何计算E[g(X)]？ 思路 先确定g(X)的分布 E[g(X)]=? 证 明 定理4.1.1* 设 Y 是随机变量X的函数Y=g(X), g(x)为连续函数 1) X 是离散型随机变量，分布律为 本章核心定理 例 4.1.1 例 4.1.2 思考 如何将定理推广到二维甚至更多维的情况？ 例 4.1.3 2) X是连续型随机变量, 其概率密度为fX (x). 定理4.1.2. 设 ( X, Y ) 是二维随机变量, 如果 Z = G( X, Y ) 也是同类型随机变量并且数学期望存在, 则有 (1) 当( X, Y ) 是离散型随机变量时 (2) 当( X, Y ) 是连续型随机变量时 例 4.1.5 例 4.1.6 例 4.1.4 练习 解 答 三. 随机变量的数学期望的性质 设 X , X1, X2 , … , Xn 是随机变量，c, b 是常数 1）E( c ) = c; 2）E( c X) = cE(X); 1)与2） E( c X +b) = cE(X)+b. 证 明 4）若X1,X2,….,Xn 相互独立，则 例 4.1.7 例 4.1.8 例 4.1.9 一个庄家在一个签袋中放有8个白、8个黑的围棋子.规定：每个摸彩者交一角钱作“手续费”，然后一个从袋中摸出五个棋子，按下面“摸子中彩表”给“彩金”. 共乐一次 5分 2角 2元 彩金 其它 三个白 四个白 五个白 摸到 Ex. 摸彩赌博问题 庄家付出的彩金Y 的分布律为 0.0128 0.1282 0.3589 0.5001 P{Y = yi } 2 0.2 0.05 0 Y 假设进行了100人次的赌博,则他可能需付出 的彩金为: 0×0.5001×100+0.05×0.3589×100 +0.2×0.1282×100+2×0.0128×100 =1.7945+2.564+2.56=6.9185(元) 平均每人次付出的彩金为 0.06919(元)=0×0.5001+0.05×0.3589+0.2×0.1282 +2×0.0128 ? 是随机变量的所有可能取值按概率大小的加权平均值. 加权平均 (0+0.05+0.2+2)/4=0.5625(元) 与彩金的算术平均 比较，哪个更合理？ ? 1.X~P(l) , 则 E(X) = l; ? 2. X~B(n, p) , 则 E(X) = np; 可利用二项分布的可加性证明，见例4.1.12 ? 3. X~N(m , s 2 ) , 则 E(X) = m ; 位置参数 6 指数分布 ? 例4.1.1 设随机变量X 的数学期望存在. 证明: E{[X－E(X)]2}=E(X2) －[E(X)]2 ? 例4.1.2 设球的直径X～U(a, b), 求球的体积的数学期望E(X). 解 体积V=(π/6)X3,可得 另解 ? 例4.1.3 过半径为R的圆周上的已知点,