3-1 数学期望.pptVIP

第3章 随机变量的数字特征 3.1 数学期望 3.2 方差 3.3 协方差及相关系数 3.4 切比雪夫不等式与大数定理 3.1 数学期望 例4 设随机变量 X 密度为 例6 设随机变量Ｘ服从上的均匀分布，求 例7 设随机变量X 的分布律为 例8　一快餐店，以Ｙ１记顾客到达餐厅直到离开服务窗口的时间，以Ｙ２记一顾客等待服务的时间．设Ｙ１，Ｙ２的联合概率密度为 建模实例1 解 (1) 建立概率模型 因为Ｙ的概率密度为 所以 (2) 模型求解 解 建模实例2 因此期望所得为 利用软件包求解,并演示计算结果. * x p(x) o f (x) x o 前面的课程中，我们讨论了随机变量及其分布，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. 　　但在实际问题中，概率分布一般是较难确定的. 而且在一些实际应用中，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. 　引　言 　　　　　　　　　　　　　　　主要应看这批灯泡的平均寿命和灯泡寿命相对于平均寿命的偏差．平均寿命越长,灯泡的质量就越好,灯泡寿命相对于平均寿命的偏差越小,灯泡的质量就越稳定． 　　　　　　　 　　因此，在对随机变量的研究中，确定某些数字特征是重要的 . 下面我们来学习随机变量的数字特征． 例如，评定一批灯泡的质量, 1．数学期望的概念 3．数学期望的性质 2．随机变量函数的数学期望 4. 小结 　随机变量的数学期望是概率论中最重要的概念之一. 它的定义来自习惯上的平均值概念. 引例 将一枚骰子掷100次，各点数出现的次数与频率如下,求每次投掷的平均点数． 14 21 17 22 10 16 14/ 100 21/ 100 17/ 100 22/ 100 10/ 100 16/ 100 次数 频率 1 2 3 4 5 ６ 点数 1. 数学期望的概念 (1) 离散型变量数学期望的定义 试验次数很大时, 频率会接近于概率pk 14 21 17 22 10 16 14/ 100 21/ 100 17/ 100 22/ 100 10/ 100 16/ 100 次数 频率 1 2 3 4 5 ６ 点数 抽象出 每次投掷的平均点数 平均值＝ 以频率 为权的加权平均 频率和 概率的关系 以概率为权 的加权平均 离散型变量数学期望的定义 几点说明: 　 (2) 数学期望E(X)是一个常数,而非变量．它既不是随机变量所有可能取值的算术平均值，也不是随机变量的有限次观测值的算术平均值．它是一种以概率为权的加权平均值,它从本质上体现了随机变量 X 取可能值的真正的平均值，具有重要的统计意义． 请看下面的例子和实验___ 随机变量 X 的算术平均值为 假设 X 的期望为 动画演示：数学期望的统计意义 试问哪个射手技术较好? 实例1 谁的技术比较好? 乙射手 甲射手 解 故甲射手的技术比较好. 实例２ 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３ 设随机变量 求X的数学期望E(X). 解 由于 ，k=0,1,2,… 因而 在数轴上任取很密的分点 x1 x2 x3 …, 则 X 落在小区间[xk , xk+?xk)内的概率是 设X 是连续型随机变量,其密度为 f (x), 由于 xk 与 xk+?xk 很接近, 所以区间 [xk , xk+?xk )中的值可以用 xk 来近似代替. 因此 X ≈ 取值 xk、概率为