《概率统计》第二版3-1数学期望.ppt

有限个随机变量的和的数学期望等于它们的 数学期望的和: [定理4] 注意： 由定理2,定理3可得 （1） 其中 为实数. （2） 利用数学归纳法可将定理3推广到有限多个 随机变量的情形: [例12] 设有一批产品共N件，其中有M件次品和N–M 件合格品． X的数学期望． 解： 1 0 Xi 设Xi表示第i次取出的样品中的次品数，则 Xi ~“0-1”分布： 于是 ． 不放回地依次抽取n件样品，求样品次品数 第三章 随机变量的数字特征 上一页 下一页 概率论与数理统计（第二版） 目录 结束 返回 §3.1 数学期望 第三章 随机变量的数字特征 §3.1 数学期望 什么是随机变量的数字特征？ 所谓随机变量的数字特征 指的是 由随机变量的 分布所决定的常数. 这个常数刻画了 随机变量 某一 方面的特征. 最重要的数字特征：数学期望、方差、各阶矩. [引例] 某车间对工人的生产情况进行考察， 小张每天 生产的废品数 是一个随机变量. 如何来定义 的平 对小张的生产情况统计 天， 发现这 天中 天没出现废品； 天每天出一件废品； 天每天出二件废品； 天每天出三件废品. 1.离散随机变量的数学期望 均值呢？ 分析: 得到这 天中每天生产的平均废品数为 这是以频率为权的加权平均. 这个值是不确定的. 但是， 当 很大时， 频率稳定于概率. 令 表示每天生产 件 废品的概率. 用概率代替频率得到平均值 这是以概率为权的加权平均， 数学期望． 称这个数为 的均值或 其概率函数为 ［定义］ 设随机变量 是离散随机变量， 的数学期望， 记为 其可能值 为 若级数 绝对收敛， 即 注：如果级数不绝对收敛， 则　的数学期望不存在． 则称 为随机变量 为： 解： 的概率分布表 即 [例1] 分布， 服从 设随机变量 求 的数学期望 每次从中任取一球， 直至取到白球为止． （2）每次取出的黑球仍放回去. 求取球次数的数学期望. 解： 依题意 的概率分布为： 表示取球次数， （1）设 [例2] 个白球， 袋中有 个黑球， （1）每次取出的黑球不再放回去； 假定： 所以， （2） 设 表示此时的取球次数， 依题意可知 的概率 函数为： 所以 ， 利用幂级数展开式 可得 设随机变量 服从二项分布 设 得 二项分布的数学期望等于参数 与 的乘积. [例3] 解： 设随机变量 服从泊松分布 设 得 泊松分布的数学期望就是参数 [例4] 解： 则 的数学期望定义为： [定义2] 注：如果反常积分不绝对收敛， 不存在. 则 的概率密度为 设连续随机变量 ２.连续随机变量的数学期望 求数学期望 [例5] 已知连续随机变量 的概率密度 解： 常数R0， 设随机变量 在区间 上服从均匀分布， 均匀分布的数学期望正是随机变量分布区间的中点值. [例6] 解： X的密度函数为 设随机变量 服从指数分布 置换积分变量 得 指数分布的数学期望等于其参数 的倒数. [例7] 解： 求数学期望 [例8] 服从柯西分布： 设随机变量 解： 因为反常积分 不绝对收敛, 不存在. 所以 可列表如下： （1） 设离散随机变量 的概率分布为 则随机变量 的可能值与取得这些值的概率 则 3.一维随机变量函数的数学期望 说明： 例如： 则由加法定理有 此时 (2) 若 的可能值为一个可数无穷集合时,公式的右 边为级数. 设 表， 但有了这个表格就可以计算 的数学期望. 假定这个级数是绝对收敛的. (1) 一般来说,上表不一定是 的概率分布 [例9] 设随机变量 的概率分布为 求随机变量函数 的数学期望. 解： 直接按公式计算 另解： 于是数学期望 的概率分布 先求随机变量 （2）设连续随机变量 的概率密度为 则随机变 注：假定这个反常积分是绝对收敛的. 量的函数 的数学期望定义为 求随机变量函数 的数学期望. 解： 随机变量 的概率密度为 [例10] 在区间 上服从均匀分布， 设随机变量 所以 说明： 也可以先求出 的概率密度 再计算数学期望 但这样麻烦， 从例9、例10 知： 计算随机变量函数的 数学期望不必求随机变量函数的分布. ?二维离散随机变量 的联合概率函数为 设 则定义 因为 所以，也可以写成 4. 二维随机变量的数学期望 注：假定这些级数绝对收敛．　 ?二维连续随机变量 则定义 的联合概率密度为 设 因为 所以，也可以写成 注：假定这些反常积分绝对收敛．　 （1） 设二维离散随机变量 的联合概率函数为 则随机变量函数 的数学期望为 则随机变量函数 的数学期望为 （2） 设二维连续随机变量 的联合概率密度为 注：假定上面的级数与反常积分都