4.1数学期望汇编.ppt

第四章 随机变量的数字特征 怎样粗线条地描述r.v的特性 简单明了、特征鲜明、直观实用 重点与难点 1.重点 数学期望的性质和计算 2.难点 数学期望的性质在计算中的应用 方差的性质和计算 相关系数的性质和计算 第一节 数学期望 一、离散型随机变量的数学期望 二、连续型随机变量的数学期望 三、随机变量函数的数学期望 四、数学期望的性质 五、小结 设某射击手在同样的条 件下,瞄准靶子相继射击90次, (命中的环数是一个随机变量). 射中次数记录如下 引例 射击问题 试问:该射手每次射击平均命中靶多少环? 解 平均射中环数 设射手命中的环数为随机变量 Y . 平均射中环数 “平均射中环数”的稳定值 “平均射中环数”等于 射中环数的可能值与其概率之积的累加 一、 离散型随机变量的数学期望 射击问题 “平均射中环数”应为随机变量Y 的数学期望 关于定义的几点说明 (1) E(X)是一个实数,而非变量,它是数xi以概率pi为权的加权平均,与一般变量的算术平均值不同 , 它从本质上体现了随机变量 X 取可能值的真正的平均值, 也称均值. (2) 级数的绝对收敛性保证了级数的和不 随级数各项次序的改变而改变 , 之所以这样要 求是因为数学期望是反映随机变量X 取可能值 的平均值,它不应随可能值的排列次序而改变. “数学期望”是历史上沿用下来的一个名词，可理解为在数学上对 r.v 进行计算期望得到的值,即平均值 随机变量 X 的算术平均值为 假设 它从本质上体现了随机变量X 取可能值的平均值. 当随机变量 X 取各个可能值是等概率分布时 , X 的期望值与算术平均值相等. 试问哪个射手技术较好? 例1 谁的技术比较好? 解 故甲射手的技术比较好. 例2 发行彩票的创收利润 某一彩票中心发行彩票 10万张, 每张2元. 设头等奖1个, 奖金 1万元, 二等奖2个,奖金各 5 千元;三等奖 10个, 奖金各1千元; 四等奖100个, 奖金各100元; 五等奖1000个, 奖金各10 元.每张彩票的成本费为 0.3 元, 请计算彩票发行单位的创收利润. 解 设每张彩票中奖的数额为随机变量X, 则 每张彩票平均可赚 每张彩票平均能得到奖金 因此彩票发行单位发行 10 万张彩票的创收利润为 例3 如何确定投资决策方向? 某人有10万元现金，想投资于某项目，预估成功的机会为 30%，可得利润8万元 ， 失败的机会为70%，将损失 2 万元．若存入银行，同期间的利率为5% ，问是否作此项投资? 解 设 X 为投资利润，则 存入银行的利息: 故应选择投资. 例4　商店的销售策略 解 例5 解 二、连续型随机变量的数学期望 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 x1x2 …,则X落在小区间[xi, xi+1)的概率是 小区间[xi, xi+1) 该离散型r.v 的数学期望是 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可以用xi来近似代替. 这正是 的渐近和式. 近似, 由此启发我们引进如下定义. 则定义X的数学期望为 注意 : (1)连续型随机变量的数学期望是一个绝对收敛的积分. （2）并非所有随机变量都有数学期望。 例如， 由于广义积分 发散， ——柯西分布 解 因此, 顾客平均等待5分钟就可得到服务. 例6 顾客平均等待多长时间? 三、随机变量函数的数学期望 1.问题的提出： 设已知随机变量X的分布，我们需要计算的不是X的期望，而是X的某个函数的期望，比如说g(X)的期望. 那么应该如何计算呢？ 一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把E[g(X)]计算出来. 那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢？ 下面的定理指出，答案是肯定的. 使用这种方法必须先求出随机变量函数g(X)的分布，一般是比较复杂的 . 定理1 且 在, 于是 (1) 其概率分布为 (2) 则 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. 即 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。 定理2 且 则 (1) (2) 其概率密度