第十一讲随机变量的数字特征[数学期望].docVIP

第十一讲 随机变量的数字特征 随机变量的概率特性：分布函数、密度函数以及分布律等，在描述随机变量时具有全面、完整、详细的特点，但分析过程比较复杂，且重点不够突出。 如, 在评价一批棉花的质量时, 人们关心的往往不是纤维长度的具体分布，而是纤维的平均长度和纤维长度与平均长度之间的偏离程度。平均长度较大, 偏离程度较小,质量就好。 1. 数学期望——描述随机变量的平均值 引例 一射手进行打靶练习，射手一次射击得分数X是一个随机变量。设X的分布律为 P{X=k}=,k=0,1,2. 现在射击N次，其中得0分的有次，得1分的有次，得2分的有次. ++= N. 他射击N次得分的总和为++ 。于是平均一次射击的得分数为 射击的平均得分数描述了射手的射击水平。 这里是事件｛X=k｝的频率。当N足够大时，在一定意义下接近于事件｛X=k｝的概率，也就是说，随机变量X的观察值的算术平均在一定意义下接近于。我们称为随机变量X的数学期望或均值。 定义 设离散型随机变量的分布律为 若级数绝对收敛, 则称级数的和为随机变量的数学期望，记为，即 （1.1） 定义 设连续型随机变量的概率密度为,若积分 绝对收敛, 则称积分的值为随机变量的数学期望，记为，即 （1.2） 数学期望简称期望，又称为均值。若X服从某一分布，也称为这一分布的数学期望。 例１　甲, 乙两人进行打靶, 所得分数分别记为, 它们的分布律分别为 试评定他们的成绩的好坏. 解： 这就意味着，如果甲进行很多次的射击，那么，所得分数的算术平均就接近于1.8，而乙的算术平均接近于0.5分。 很明显，乙的成绩远不如甲的成绩。 例２　有2个相互独立工作的电子装置, 它们的寿命 服从同一指数分布,其概率密度为 , 若将这2个电子装置串联联接组成整机, 求整机寿命(以小时计)的数学期望. 解：由题意知，整机寿命N=min(X1, X2). （为求N的数学期望，先求N的概率密度）. 的分布函数为 于是，N的分布函数为 因而，N的概率密度为 于是N的数学期望为 例３　按规定，某车站每天8:00~9:00和9:00~10:00之间都恰有一辆客车到站, 但到站的时刻是随机的, 且两者到站的时间相互独立. 其规律为 到站时刻8:10 9:108:30 9:308:50 9:50概率1/63/62/6一旅客8:20到车站, 求他候车时间的数学期望. 解：设旅客的候车时间为X(以分计).X的分布律为 X1030507090候车时间的数学期望为 例４　某商店对某种家用电器的销售采用先使用后付款的方式. 记使用寿命为(以年计), 规定: 设寿命服从指数分布, 概率密度为 试求该商店一台电器收费的数学期望. 解：先求寿命X落在各个时间区间的概率，即一台收费Y的分布律. 一台收费Y的分布律为 Y15002000250030000.09520.08610.07790.7408Y的数学期望 即平均一台收费2732.15元。 例５　设,求E(X). 解：X的分布律为 X的数学期望为 即E(X)=. 例６　设,求E(X). 解：X的概率密度为 X的数学期望为 即数学期望位于区间(a,b)的中点。第四章 随机变量的 数字特征 前面讨论了随机变量的分布函数, 从中知道随机变量的分布函数能完整地描述随机变量的统计规律性. 但在许多实际问题中, 人们并不需要去全面考察随机变量的变化情况, 而只要知道它的某些数字特征即可. 例如, 在评价某地区粮食产量的水平时, 通常只要知道该地区粮食的平均产量; 又如, 在评价一批棉花的质量时, 既要注意纤维的平均长度, 又要注意纤维长度与平均长度之间的偏离程度, 平均长度较大, 偏离程度小, 则质量就较好. 等等 实际上, 描述随机变量的平均值和偏离程度的某些数字特征在理论和实践上都具有重要的意义, 它们能更直接、更简洁更清晰和更实用地反映出随机变量的本质. 本章将要讨论的随机变量的常用数字特征包括: 数学期望、方差、相关系数、矩. §1 数学期望 不定积分的分部积分公式： 定积分的分部积分公式： 设，则 以Y1表示“第一班车的到站时刻”，以Y2表示事件“第二班车的到站时刻”， 则“顾客候车时间为10分钟”相当于P{Y1=8:30}， 而“顾客候车时间为50分钟”相当于P{Y1=8:10，Y2=9:10}. 该级数的收敛半径为R=.（课间休息） 2. 随机变量的函数的数学期望 定理1 设Y是随机变量X的函数: Y=g(x)（g是连续函数）. X是离散型随机变量，它的分布律为 P{X=xk}=pk,