北邮概率统计课件数学期望.ppt

北邮概率统计课件 * 概率统计 第四章知识结构图 随机变量的数字特征 数学期望 方差 矩与协方差矩阵 一维随机变量的数学期望 二维随机变量的数学期望 一维随 机变量的方差 二维随 机变量的方差 离散型 连续型 连续型 离散型 相关系数与协方差 第四章 随机变量的数字特征 问题的引出 引例. 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。 问：如何定义X 的平均值呢？ 现若统计100天得： 解： 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; 第一节 数学期望 于是，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？ 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. 若统计 n天, (假定小张每天至多出三 可以想象： 一般来说， 件废品) 得：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： 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 这样得到了一个确定的数. 现问：用这个数作为随机变量 X 的平均值 是否合理呢？. 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：以概率为权的加权平均值作为随机变量 X 的平均值 是合理的。 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 接近于： 注意到： 设 X 是离散型随机变量，它的分布律为: 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. 如果级数 绝对收敛， 1. 定义1 一. 离散型随机变量的数学期望 的和为随机变量 X 的数学期望，记为： 则称此级数 注： ▲ 是个(实)数。它形式上是X的可能取值 的加权平均值；本质上体现了X的真正的平 均，故常称 为 X 的均值；物理上表示了一个质点系的重心坐标。 ▲ ▲ 的计算：当 X 的可能取值为有限时， 则计算有穷和；当 X 的可能取值为无限时， 则计算级数的和。 若 不绝对收敛，则称 不存在 ▲ 推广到 二维： 为联合分布律 解: 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。 设试开次数为 X，则： P ( X= k) = 1/n , k=1, 2, …, n E (X) 于是，由数学期望的定义得： 例1 求：打开门时试开次数的数学期望. 2 . 几种常见分布的数学期望 它的分布律为: 若随机变量 X 只能取 0 与 1 两个值，它的分布律为: 则： 设随机变量 X 服从参数为 ( n, p ) 的二项分布， (1) 分布 即 (2) 二项分布 则： 时 即: 令: (3) 泊松分布 若随机变量X 的所有可能取值为： 而它的分布律(它所取值的各个概率)为： 即: 则: 即: 令: 例2. 某银行信贷部门对前来申请贷款的两个企业进 行调查，对其产品在市场上畅销、适销和滞销 三种状况的盈利额和相应的概率作了如下估计： 甲企业: 乙企业: 产品 盈利额 概率 （万元） 畅销 适销 滞销 50 30 -- 20 0.15 0.6 0. 25 产品 盈利额 概率 （万元） 畅销 适销 滞销 60 36 -- 40 0.1 0.6 0. 3 二. 连续性随机变量的数学期望 1. 连续型随机变量数学期望的定义 问: 当其它条件均相同时，信贷部门应先批准哪个 企业的贷款更为稳妥？ 解： 当其它条件均相同时，应考查两个企业盈利额 的平均值的情况。 故分别求其数学期望： （万元） （万元） 由此可见，甲企业的经济效益高于乙企业，所以 信贷部门应先批准个甲企业的贷款更为稳妥。 连续型随机变量的数学期望的引出 设X是连续型随机变量，其密度函数为 f (x), 在数轴上取很密的分点 x0 x1 x2 …，则 X 落在