概率统计第二章.pptVIP

离散型随机变量的数学期望是一个绝对收敛级数的和 定义 设离散型随机变量X 的分布列是 P(X=xk)=pk , i=1,2,…。如果 绝对收敛,则称 为 X 的数学期望(期望)或均值,记为 E (X ). 即 它是随机变量所有取值的以概率为权的加权平均 说明 E(X)是一个实数,而非变量,它是一种加权平均,与一般的平均值不同 , 它从本质上体现了随机变量 X 取可能值的真正的平均值. §2.6 数学期望 例15 从学校乘汽车到火车站的途中有3个交通岗,设在各交通岗遇到红灯的事件是相互独立的,其概率为2/5,试求途中遇到红灯次数的数学期望. 解 设 X 为遇到的红灯数,则 X 的分布列为 0 1 2 3 X pk 7/125 54/125 36/125 8/125 §2.6 数学期望 例16 求伯努利分布的数学期望 解 X 0 1 pk 1－p p 分布列为 例17 求泊松分布的数学期望 解 分布列为 §2.6 数学期望 二、随机变量函数的数学期望 设已知随机变量X 的分布 一种方法是: g(X)也是随机变量,它的分布可以由已知的X 的分布求出来 .一旦知道了g(X) 的分布, 就可以按照期望定义把 E[g(X)] 计算出来 . 比较复杂 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？ 如何计算 X 的某个函数 g (X ) 的期望 ？ §2.6 数学期望 类似 EX 的推理，可建立如下的定理: 定理 设随机变量Y 是随机变量X 的连续函数Y=g(X), ⑴设 X 为离散型随机变量,其分布列为P(X=Xk)=pk, i=1,2,…,如果 绝对收敛,则 = ? 0. 1 + ? 0. 2 + ? 0. 4 + ? 0. 3 例18 设随机变量X 的分布列为求 E(2X - 1), E(X 2). pk X -1 0 1 2 0.1 0. 2 0.4 0.3 解 E(2X -1) = 0. 8 ; §2.6 数学期望 三、数学期望的性质 ⑴设C是常数，则 EC=C ⑵若C 是常数，则 E(CX )= C EX ; ⑶ E(X+Y)= EX+EY ; ⑷设X,Y 独立，则E(XY )= EX EY ; ⑸若 X ? 0, 则 EX ? 0 ; 若 X1 ?X2 , 则 EX1 ? EX2 ; ⑹|EX| ? E|X| ; ⑺若EX 2,EY 2 都存在,则E(XY)存在,且 [E(XY)]2 ? EX 2 EY 2. 保线性运算 反之未必成立: E(XY)=E(X )E(Y) ? X,Y 独立 §2.6 数学期望 例19 求二项分布的数学期望 解 X 表示n 重伯努利试验中的“成功” 次数 若设 i=1,2,…,n ∵ EXi =1·p + 0·(1-p ) = p, 则 是n 次试验中成功的次数， 且 P(Xi=1)= p, P(Xi=0)=1-p, = n p X~B(n, p), §2.6 数学期望 §2.7 方差 §2.7 方差 我们已经介绍了随机变量的数学期望,它体现的是随机变量取值的平均水平,是随机变量的一个重要数字特征. 但很多场合，仅仅知道平均值是不够的. 引例 两个射击 运动员射击平均成绩 你认为两人的成绩一样吗? 为此需要引进另一个数字特征，用它来度量随机变量取值在其中心附近的离散程度.这个数字特征就是我们要介绍的方差 . 环数 10 9 8 7 6 甲 乙 525 200 50 100 125 400 200 300 100 0 定义 设X 是一个随机变量，若E(X –EX )2 存在，则称其为 X 的方差,记为 DX 或 Var (X).即 DX = E[X –EX]2 方差的算术平方根 称为标准差. 记为 s (X). 一