概率论第三章-.pptVIP

§3.1 数学期望; 分布函数能够完整地描述随机变量的统计特 性.在实际问题中，概率分布一般是较难确定的. 但在一些实际应用中，人们并不需要知道随机 变量的一切概率性质，只需知道随机变量的某些 特征. ; 考察一射手的水平，既要看他的平均环数 是否高，还要看他弹着点的范围是否小，即数 据的波动是否小.; ;一、离散型随机变量的数学期望 ;若统计100次, ;可以想象，若另外统计100次，小张各次射击与前面的100次一般不会完全相同，这另外100次每次击中的平均环数也不一定是8.95.;这是 以频率为权的加权平均;定义1 设X是离散型随机变量，它的分布率是: P{X=xk}=pk , k=1,2,…;例1;例2;解;例4;例5（保险问题）;例6（投资之决策）;p; 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.;由此启发我们引进如下定义.;反例;???7;例8;例9;三、随机变量函数的数学期望; 那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢？;(1) 当X为离散型时,它的分布率为P(X= xk)=pk ;; 该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布，而只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便.; 上述定理还可以推广到两个或两个以上随 机变量的函数的情况。;;X 1 3 P 3/4 1/4;例10 某报摊经营某种晚报，每出售一份可获利a分钱，没剩余一份则亏损b分钱，假定每天在此摊销量X服从参数为λ的泊松分布，问一天应准备多少份报纸最合适？;解;;例11;;例12 在[0,1]内独立地任取两点，求它们之间距离的数学期望。; 四、数学期望的性质;所以，性质3成立。;;五、数学期望性质的应用; 可见，服从参数为n和p的二项分布的随机变量X的数学期望是 n p.;例9 把数字1,2,…,n任意地排成一列，如果数字k恰好出现在第k个位置上，则称为一个巧合，求巧合个数的数学期望.;六、课堂练习;