概率论三-.pptVIP

§3.1 数学期望 (1) 当X为离散型时,它的分布率为P(X= xk)=pk ; (2) 当X为连续型时,它的密度函数为p(x).若 定理 设Y是随机变量X的函数:Y=g (X) (g是连续函数) 该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布，而只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便. 上述定理还可以推广到两个或两个以上随 机变量的函数的情况。 X 1 3 P 3/4 1/4 Y 0 1 2 3 P 1/8 3/8 3/8 1/8 X 1 0 3/8 3/8 0 3 1/8 0 0 1/8 Y 0 1 2 3 例9 解 例10 某报摊经营某种晚报，每出售一份可获利a分钱，没剩余一份则亏损b分钱，假定每天在此摊销量X服从参数为λ的泊松分布，问一天应准备多少份报纸最合适？ 解 设需要n份，则此时的利润Q为X的函数， * 概率论 * 概率论 * 概率论 * 概率论 * 概率论 * 概率论 * 概率论 * 概率论 离散型随机变量的数学期望 连续型随机变量的数学期望 随机变量函数的数学期望 数学期望的性质 分布函数能够完整地描述随机变量的统计特 性.在实际问题中，概率分布一般是较难确定的. 但在一些实际应用中，人们并不需要知道随机 变量的一切概率性质，只需知道随机变量的某些 特征. 研究水稻品种优劣时，我们关心的是稻穗的 平均粒数及每粒的平均重量； 检验钢筋的质量时,抗拉强度是一个重要指标，既要注意平均抗拉强度，又要注意 与平均抗拉强度的偏离程度,平均抗拉强度越强、偏离程度越小，质量就越好; 考察一射手的水平，既要看他的平均环数 是否高，还要看他弹着点的范围是否小，即数 据的波动是否小. 由上面例子看到，与随机变量有关的某些 数值，虽不能完整地描述随机变量，但能清晰 地描述随机变量在某些方面的重要特征 , 这些 数字特征在理论和实践上都具有重要意义. 随机变量某一方面的概率特性 都可用数字来描写 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 在这些数字特征中，最常用的是 数学期望、方差、协方差和相关系数 一、离散型随机变量的数学期望 1、概念的引入： 我们来看一个引例. 例1 小张参加射击比赛，每次射击击中的环数X是一个随机变量. 如何定义X的平均值呢？ 我们先观察小张100次的射击情况 若统计100次, 32次击中8环; 41次击中9环; 27次击中10环; 可以得到这100次射击中 每次的平均击中环数为 这个数能否作为 X的平均值呢？ 可以想象，若另外统计100次，小张各次射击与前面的100次一般不会完全相同，这另外100次每次击中的平均环数也不一定是8.95. n8次击中8环； n9次击中9环； n10次击中10环. 可以得到n次中平均一次击中的环数为 一般来说, 若统计n次 , 这是 以频率为权的加权平均 当N很大时，频率接近于概率，所以我们在求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 这样得到一个确定的数. 我们就用这个数作为随机变量X 的平均值 . 定义1 设X是离散型随机变量，它的分布率是: P{X=xk}=pk , k=1,2,… 请注意 :离散型随机变量的数学期望是一个绝对收敛的级数的和.数学期望简称期望，又称为均值。 若级数 绝对收敛， 则称级数 即 的和为随机变量X的数学期望，记为 , 例1 0.5 0.3 0.2 10 9 8 0.2 0.7 0.1 10 9 8 例2 1-p p P 0 1 X 贝努里分布 解 例3 例4 例5（保险问题） 保险公司面向40岁的健康人群推出五年的人身意外保险，设每个被保险人交的保险费a元，赔偿金为b元。a、b如何设置保险公司期望的利润最大？ 经统计，一个40岁的健康人群五年内发生人身意外的概率为 p，则保险公