概率论与数理统计第四章随机变量的数字特征第一节：数学期望.pptVIP

作业 习题4-1 2(2); 3; 5; 7; 9; 14 概率论 概率论 第四章 随机变量的数字特征 第一节 数学期望 第二节 方差 第三节 协方差与相关系数 第四节 矩 协方差矩阵 第一节 数学期望 离散型随机变量的数学期望 连续型随机变量的数学期望 二维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 如果知道了随机变量 X 的概率分布,那么 X 的全部概率特征也就知道了. 然而,在实际问题中,概率分布一般是较难确定的. 而在一些实际应用中,人们并不需要知道随机变量的一切概率性质,只要知道它的某些数字特征就够了, 例如分布的中心位置、分散程度等等. 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： 例1: 某车间对工人的生产情况进行考察. 车工小张每天生产的废品数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天的生产情况 若统计100天, 32天没有出废品; 30天每天出一件废品; 17天每天出两件废品; 21天每天出三件废品; 可以得到这100天中 每天的平均废品数为 (假定小张每天至多出现三件废品) 这个数能否作为 X的平均值呢？ 可以想象, 若另外统计100天, 车工小张不出废品, 出一件、二件、三件废品的天数与前面的100天一般不会完全相同, 这另外100天每天的平均废品数也不一定是1.27. n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到n天中每天的平均废品数为: (假定小张每天至多出三件废品) 一般来说, 若统计n天 , 这是以频率为权的加权平均 当N很大时, 频率接近于概率, 所以我们在求废品数 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 . 2. 定义: 设X是离散型随机变量, 它的分布律是: 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 E(X), (expectation or mean) 例1: 0 1 2 0 0.2 0.8 0 1 2 0.6 0.3 0.1 1)0-1分布 b(1, p) 的数学期望 E(X) = p 2) 二项分布 b(n, p) 的数学期望 例2: 几个重要的离散型 r.v.的期望 3)泊松分布 到站时刻 8:10 8:30 8:50 9:10 9:30 9:50 概率 1/6 3/6 2/6 一旅客8:20到车站, 求他候车时间的数学期望. 例3: 按规定, 某车站每天8:00~9:00和 9:00~10:00 都恰有一辆客车到站, 但到站时刻是随机的, 且两者到站的时间相互独立。 其规律为： X 10 30 50 70 90 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 x1 x2 …, 则X落在小区间 [xi, xi+1) 的概率是: 小区间[xi, xi+1) 阴影面积近似为 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. 因此 X 与以概率 取值 xi 的离散型r.v. 近似, 该离散型r.v. 的数学期望是: 小区间[xi, xi+1) 阴影面积近似为 定义: 设X是连续型随机变量, 其密度函数为 f (x), 如果积分: 绝对收敛, 则称此积分值为X的数学期望, 即: 请注意: 连续型随机变量的数学期望是一个绝对收敛的积分. 1) 均匀分布 U(a, b) 例4: 几个重要的连续型 r.v.的期望 2) 指数分布 E(λ) 3) 正