数字特征.pptVIP

第五章 随机变量的数字特征 随机变量的数学期望 随机变量的方差 * * 例 有甲、乙两个射手，他们的射击技术用下表表示： 甲： 乙： 试问哪个射手射击水平较高？ 前 言 0.6 0.1 0.3 概率 10 9 8 击中环数 0.3 0.5 0.2 概率 10 9 8 击中环数 解：用平均环数来评判射手技术的优劣，若两个射手各射击N次，则平均环数为： 即平均起来甲每枪击中9.3环，乙每枪击中9.1环，所以甲水平高。 离散型随机变量的数学期望 设离散型随机变量 的分布律为 若级数 绝对收敛，则称级数 为 的数 学期望（或均值），记为 注：数学期望是概率意义下的平均值，它反映随机变量（取值）的集中位置。 5.1数学期望(Mathematic Expectation)的定义 回顾：绝对收敛与条件收敛 定义：若 收敛，则称 为绝对收敛； 若 发散，而 收敛，则称 为条件收敛。 连续型随机变量的数学期望 设连续型随机变量 的概率密度为 若广义积 分 绝对收敛，则称积分 为 的数 学期望（或均值），记为 注：数学期望是概率意义下的平均值，它反映随机变量（取值）的集中位置。 回顾：广义积分的绝对收敛 定义：设函数 在区间 上连续， 若 收敛，则称 为绝对收敛。 数学期望的意义 E(X)反映了随机变量X取值的“概率平均”,是X的可能值以其相应概率的加权平均。 数学期望又可以称为期望值(Expected Value)或均值(Mean)。 试验次数较大时，X的观测值的算术平均值 在E(X)附近摆动 Expected Value as a Point of Balance 数学期望在医学上的一个应用 An application of Expected Value in Medicine 考虑用验血的方法在人群中普查某种疾病。集体做法是每10个人一组，把这10个人的血液样本混合起来进行化验。如果结果为阴性，则10个人只需化验1次；若结果为阳性，则需对10个人在逐个化验，总计化验11次。假定人群中这种病的患病率是10%，且每人患病与否是相互独立的。试问：这种分组化验的方法与通常的逐一化验方法相比，是否能减少化验次数？ 分析： 设随机抽取的10人组所需的化验次数为X 我们需要计算X的数学期望，然后与10比较 因为期望值是概率平均值 化验次数X的可能取值为1，11 先求出化验次数X的分布律。 (X=1)=“10人都是阴性” P ( X=1 ) = (1- 0.1)10=0.910 （X=11)=“至少1人阳性” P ( X=11 ) = 1-P（X=1)=1-0.910 E(X) = 0.910×1+(1-0.910）×11=7.51310 结论： 分组化验法的次数少于逐一化验法的次数。 注意求 X期望值的步骤！ X P 4 1/4 5 1/2 6 1/4 已知随机变量X的分布律： E(X)=1/4×4+1/2×5+1/4×6=5 例1 求X的数学期望。 例2 设随机变量 X 的分布密度是： 解： 1. E(c)=c,c为常数; 2. E(cX)=cE(X), c为常数; 二.数学期望的性质 证明:设X~f(x),则 3. E(X+Y)=E(X)+E(Y); 证明:设(X,Y)~f(x,y) 4. 若X与Y独立，则E(XY)=E(X)E(Y). 证明:设(X,Y)~f(x,y) 三.几个重要r.v.的期望 1.0-1分布的数学期望 EX=p 2. 二项分布B(n, p) 若X~B( n, p ), 那么 E(X)= np 另一种求法 二项分布表示为n个 相互独立的０－１分布的和。 表示A在第i次试验中出现的次数，则 表示在n次独立重复试验中事件A发生的次数 第i次试验事件A发生 第i次试验事件A不发生 3.泊松分布 4. 均匀分布U(a, b) 5.指数分布 6. 正态分布N(?, ?2) 7.几何分布的数学期望 分布律 X服从几何分布，其概率分布为 数学期望 EX 设随机变量X??N(0,1),Y?U(0,1),Z?B(5,0.5)且X，Y，Z相互独立，求随机变量U=（2X+3Y)(4Z-1)的数学期望。 E(U)=E[2X+3Y)(4Z-1)]=E(8XZ-2X+12YZ-3Y) =8E(XZ)-