第4章随机变量的数学期望.pptVIP

两种分法 1. 按已赌局数分： 则甲分总赌本的2/3、乙分总赌本的1/3 2. 按已赌局数和再赌下去的“期望” 分： 因为再赌两局必分胜负，共四种情况： 甲甲、甲乙、乙甲、乙乙 所以甲分总赌本的3/4、乙分总赌本的1/4 数学期望的定义 定义2.2.1 设离散随机变量X的分布列为 P(X=xn) = pn, n = 1, 2, ... 若级数 连续随机变量的数学期望 定义2.2.2 设连续随机变量X的密度函数为f(x), 若积分 注 意 点 数学期望简称为期望. 数学期望又称为均值. 数学期望是一种加权平均. 随机变量的函数的数学期望 定理设 Y=g(X) 是随机变量X的函数， 若 E(g(X)) 存在，则 §随机变量的方差与标准差 数学期望反映了X 取值的中心. 方差反映了X 取值的离散程度. 方差与标准差的定义 定义2.3.1 若 E(X?E(X))2 存在，则称 E(X?E(X))2 为 X 的方差，记为 注 意 点 (2) 称 方差的性质 课堂练习 随机变量的标准化 切比雪夫不等式 1. 某电子设备厂所用的晶体管由甲乙丙三家元件制造厂提供。已知甲乙丙三厂的次品率分别为0.02，0.01，0.03，又知三个厂提供晶体管的份额分别为0.15，0.80，0.05，设三个厂的产品是同规格的（无区别标志），且均匀的混合在一起。求在混合的晶体管中随机的取一支是次品的概率。 4. 设连续型随机变量的密度为: (1)确定常数K (2)求 (3)求分布函数F(x). (4)求数学期望E(x), 方差D(x). 6．设二维随机变量X,Y的密度函数：   例 设 X~ 证明 证明: E(X) = = n+1 E(X2) = = (n+1)(n+2) 所以, D(X) = E(X2)?(EX)2 = n+1, (这里, ? = n+1) 由此得 大数定律一般形式： 若随机变量序列{Xn}满足：若任给?0, 使得 则称{Xn} 服从大数定律. 则称{ }依概率收敛于 . 可记为 几个常用的大数定律 1.切比雪夫大数定律 设{Xk,k=1,2,...}为独立的随机变量序列，且有相同的数学期望?，及方差?20，则 即若任给?0, 使得 证明:由切比雪夫不等式 这里 故 2.伯努里大数定律 设进行n次独立重复试验，每次试验中事件A发生的概率为p，记fn为n次试验中事件A发生的频率，则 证明:设 第i次试验事件A发生 第i次试验事件A不发生 则 由切比雪夫大数定理 3. 辛钦大数定律 若{Xk,k=1.2,...}为独立同分布随机变量序列, EXk=? ?, k=1, 2, … 则 推论:若{Xi,i=1.2,...}为独立同分布随机变量序列, E(X1k)= ?, 则 随机变量序列的两种收敛性 两种收敛性： i) 依概率收敛：用于大数定律； ii) 按分布收敛：用于中心极限定理. 中心极限定理 讨论独立随机变量和的极限分布, 本指出极限分布为正态分布. 4.4.1 独立随机变量和 设 {Xn} 为独立随机变量序列，记其和为 独立同分布下的中心极限定理 定理4.4.1 林德贝格—勒维中心极限定理 设 {Xn} 为独立同分布随机变量序列，数学期望为?, 方差为 ?20，则当 n 充分大时，有 应用之例: 正态随机数的产生； 误差分析 例 每袋味精的净重为随机变量，平均重量为 100克，标准差为10克. 一箱内装200袋味精，求一箱味精的净重大于20500克的概率? 解: 设箱中第 i 袋味精的净重为 Xi, 则Xi 独立同分布， 且 E(Xi)=100，D(Xi) =100， 由中心极限定理得，所求概率为： = 0.0002 故一箱味精的净重大于20500克的概率为0.0002. (很小) 例 设 X 为一次射击中命中的环数，其分布列为 求100次射击中命中环数在900环到930环之间的概率. X P 10 9 8 7 6 0.8 0.1 0.05 0.02 0.03 解: 设 Xi 为第 i 次射击命中的环数，则Xi 独立同分布， 且 E(Xi) =9.62，D(Xi) =0.82，故 =1