计算机数学基础课件教学课件作者刘树利14课件.pptVIP

第十四章随机变量的数字特征 第十四章 随机变量的数字特征 后页 首页 前页 后页 首页 前页 基本要求、重点难点 14.1 离散型随机变量的期望 14.2 连续型随机变量的期望 14.3 期望的简单性质及随机变量函数的期望 14.4 方差及其简单性质 14.5 随机优化数学模型实例 14.6 演示与实验十一 ? 基本要求 　　?掌握多元函数以及多元嫦娥数微积的法则。 　　?了解微积分及其应用，且以二元函数为主原由。 　　?掌握三元以及一般n元函数的性质，特点。 　　?了解一些空间解析几何的概念。 　　?理解多元函数的偏导数与全微分的概念，熟练掌握多元复合函数与隐函数的偏导数的求法。 　　?掌握二元函数定义、定义域的求法与表示法。 ? 重点难点 重点： ?函数的微积分应用以及二元函数。 ?多元函数的概念、极限和连续性。 难点： ?多元函数的偏导数、极值及其在经济分析中的应用。 ? 14.1 离散型随机变量的期望 ?14.1.1 期望的概念 　　设随机变量X的概率分布是： 定义14.1 　　设离散型随机变量X的概率分布是： 则称和式 　　为随机变量X的期望(或数学期望)，记作E(X)。 　　例如，由(14.1.1)定义的随机变量X，它的期望是 E(X) ＝100×0.01+200×0.99 ＝ 199。 　　它与200非常接近，而不是150。显然，E(X)是一个实数，形式上它是X的可能值的加权平均，而权重就是X取该值的概率，它体现了随机变量X取值的真正的“平均”。为此，我们也称它为X的均值，有时也称为分布的均值。 ?14.1.2 几个常见分布的期望 １ ２ ３ 后页 　　(1) 二点分布 　　设X遵从二点分布 (q＝1－p)， 　　则由定义14.1得：E(X) ＝1×p+0×q ＝ p。 返回 　　(2) 二项分布 　　设X～B(n，p)，即 p｛X＝k｝ ＝ C knpkq n－k(k ＝ 0，1，2，…，n)， 　　则有 　　即二项分布B(n，p)的期望为n·p。 返回 　　(3) 泊松分布 　　设X服从泊松分布P(λ)，即 　　因此有 　　即泊松分布P(λ)的期望是λ 。 返回 ? 14.2 连续型随机变量的期望 定义14.2 　　设连续型随机变量X的密度为p(x)，若广义积分∫+∞－∞｜x｜p(x)dx 收敛，则称∫+∞ － ∞xp(x)dx为X的期望(或均值)，记作 E(X)，即E(X) ＝∫∞ － ∞xp(x)dx。?? (14.2.1) 　　(1) 均匀分布若X服从［a，b］上的均匀分布，则其密度为 按(14.2.1)有 　　它恰好是区间［a，b］的中点，这与E(X)的概率意义相吻合。 前页 　　(2) 指数分布若X服从参数为λ的指数分布，则其密度函数为 于是 　　(3) 正态分布若X～N (μ，σ2)，则 ? 14.3 期望的简单性质及随机变量函数的期望 ?14.3.1 期望的简单性质 　　期望是随机变量的最重要和最基本的数字特征。 　　期望的基本性质： ??? 　(1) E(c) ＝c；???　 (2) E(kX) ＝ kE(X)；(14.3.1)???　 (3) E(X+b) ＝ E(X)+b；???　 (4) E(kX+b) ＝ kE(X)+b。 其中k、b、c都是常数。 ?14.3.2 随机变量函数的期望公式 　　在上一目的期望性质(2)和(3)的证明过程中，我们看到，若X为连续型随机变量，则 E(kX) ＝∫+∞－∞ kxp(x)dx，E(X+b) ＝∫+∞ － ∞(x+b)p(x)dx。 　　若X 为离散型随机变量，则 　　这里kX和X+b都是随机变量的函数，对于一般地随机变量的函数f(X)也有类似的结论。 　　(1) 若X是连续型，p(x)是其密度函数，则 E(f X) ＝∫+∞ － ∞f(x)p(x)dx；?????? (14.3.2) 　　 (2) 若X是离散型，且P｛X＝xi｝＝pi(i＝1，2，…)，则 ? 14.4 方差及其简单性质 ?14.4.1 方差的概念 定义14.3 　　设离散型随机变量的概率分布是 P(X＝xk) ＝ pk(k ＝ 1，2，…)。 　　则称和数(当然是存在的时候) ??? 为随机变量X的方差。记作D(X)。 定义14.4 　　设连续型随机变量X的密度是p(x)，则称无穷积分(当然是收敛的时候) ∫+∞－∞［x－E(X)］2p(x)dx? ? (14.4.3) 　　为随机变量X 的方差，也记作D(X)。 　　由定义可见，随机变量X 的方差实质上就是它与均值(期望)的差的平方的均值(期望