概统4.1.pptVIP

* * 第四章 随机变量的数字特征 分布函数能完整地描述 r.v.的统计特性, 但实际应用中并不都需要知道分布函数，而只需知道 r.v.的某些特征. 例如：考察一射手的水平, 既要看他的平均环数是否高, 显然这些数值，能描述 r.v.在某些方面的重要特征. 数学期望 方差 协方差与相关系数 本 章 内 容 还要看他弹着点的范围是否小, 即数据的波动是否小. 反映随机变量某些方面特征的参数，称为随机变量的数字特征。 常见的数字特征有： 期望、方差、协方差、相关系数 —— r.v.的平均取值 ——r.v.取值平均偏离均值的情况 ——描述两 r.v.间的某种关系 再如,考察一个班级的学习情况,主要看该班的平均成绩, 以及成绩偏差大小. 设某射手朝靶子射击30次.射中次数记录如下： 引例 射击问题 问:射手平均每次命中多少环? 命中环数 k 命中次数 §4.1 随机变量的数学期望 6 7 8 9 10 4 6 8 7 5 解 平均环数 频率 加权平均值 概率 1.设 X 为离散 r.v. 其分布为 若无穷级数 绝对收敛,则称其和为 X 的数学期望. 数学期望的定义 例1 设X为某射击运动员击中的环数，X的分布律为 0.5 0.3 0.2 8 9 10 p X 求X 的数学期望. 解: 注意： 绝对收敛，是为了保证 可求和。 记作 E( X ), 即 例2 求（0－1）分布的数学期望。 设 思考：设 问X 的数学期望是否存在？ 所以 E(X) 不存在 解: 因为 数学期望的本质 —— 加权平均值,亦称X的均值 它是一个数, 而不是随机变量! 2.设X为连续型 r.v. , X 的 概率密度 为f (x) 数学期望,记作 E( X ), 即 定义:若广义积分 在数轴上取很密的分点x0 x1x2 …,则X落在小区间 因此X 与以概率 取值xi 的离散型r.v 相似, 其数学期望是 [xi , xi+1)的概率是 绝对收敛,则称其为 X 的 当分割越来越细 阴影面积 近似为 [xi , xi+1) 例3 设顾客在某银行的窗口等待服务的时间X(分钟)服从指数分布,其概率密度 f(x) 如右.试求顾客等待服务的平均时间? 解: 分部积分法 型 罗比达法则 常见 r.v. 的数学期望 分布 期望 概率分布律或概率密度 X~ 0-1分布 p X~B(n,p) np X~P(?) ? X~U(a,b) X~E(?) X~N(?,? 2) 1. 设离散 r.v. X 的概率分布为 若无穷级数 绝对收敛,则 2.设连续 r.v. 的 d.f. 为f (x), 若广义积分 绝对收敛, 则 r.v.函数 Y = g(X ) 的数学期望 r.v.函数Z = g(X ,Y ) 的数学期望 3.设离散 r.v. (X ,Y ) 的分布为 绝对收敛 , 则 若级数 4.设连续 r.v. (X ,Y )的联合 d.f. 为f (x ,y) ,若广义积分 绝对收敛, 则 例3 设 ( X , Y ) 的分布律为 解 X的分布律为 0.4 0.2 0.4 p 3 2 1 X 0.1 0.1 0.1 1 0.3 0 0.1 0 0 0.1 0.2 －1 3 2 1 X Y 4 9 1 9 0 1 4 (X－Y)2 (3,1) (3,0) (2,1) (2, －1) (1,1) (1,0) (1, －1) (X,Y) 0.1 0.3 0.1 0.1 0.1 0.1 0.2 p 例4 设（X,Ｙ）的联合概率密度为 求E(XＹ)；E(X). 解： x y O 1 1 1.E (C ) = C(常数) 2.E (aX ) = a E (X ) 3.E (X + Y ) = E (X ) + E (Y ) 4.当X ,Y 独立时，E (X Y ) = E (X )E (Y ) . 数学期望的性质 若E (X Y ) = E (X )E (Y )，X ,Y 不一定独立 性质 4 的逆命题不成立，即 X Y pij －1 0 1 -1 0 1 0 p? j pi? X Y P －1 0 1 2/8 4/8 2/8 但 例5 一民航送客车载有20位旅客自机场开出，旅客有10 个车站可以下车。如到达一个车站没有旅客下车就不停 车。以X表示停车的次数，求E(X ).(设每位旅客在各车站下车是等可能的，并设各旅客是否下车相互独立）。 解：引入随机变量 则有