4.1数学期望选读.ppt

三、随机变量函数的数学期望 1.问题的提出： 设已知随机变量X的分布，我们需要计算的不是X的期望，而是X的某个函数的期望，比如说g(X)的期望. 那么应该如何计算呢？ 一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照期望的定义把E[g(X)]计算出来. 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？ 下面的定理指出，答案是肯定的. 使用这种方法必须先求出随机变量函数g(X)的分布，一般是比较复杂的 . 定理1 设 是一个随机变量， 且 存 在, 于是 (1) 若 为离散型随机变量， 其概率分布为 则 的数学期望为 (2) 若 为连续型随机变量， 其概率密度为 则 的数学期望为 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. 即 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。 定理2 设 是二维随机向量， 且 存在， 则 (1) 若 为离散型随机向量， 其概率分布 为 则 的数学期望为 (2) 若 为连续型随机向量， 其概率密度为 则 的数学期望为 例7 设 的联合概率分布为: 求 解 要求 和 需先求出 和 的边缘 分布. 则有 关于 和 的边缘分布为 例8 设随机变量 在 上服从均匀分布, 及 解 根据随机变量函数数学期望的计算公式, 有 求 根据随机变量函数数学期望的计算公式, 有 例9 设随机变量 求 解 分部积分得 四、数学期望的性质 1. 设 C 是常数, 则有 证明 2. 设 X 是一个随机变量,C 是常数, 则有 证明 例如 3. 设 X, Y 是两个随机变量, 则有 证明 推广： 4. 设 X, Y 是相互独立的随机变量, 则有 说明 连续型随机变量 X 的数学期望与离散型随机变量数学期望的性质类似. 证明 （诸Xi相互独立时） 请注意: 由E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 例10 设 的联合概率分布为: 注： 由 不一定能推出 独立. 但 显然 故 与 不独立. 例11 (二项分布的数学期望) 若 求 解 因 则 表示 重伯努利试验中的“成 功” 次数. 若设 如第 次试验成功 如第 次试验失败 则 因为 所以 本题是将X分解成数个随机变量之和,然后利用随 机变量和的数学期望等于随机变量数学期望的和来求 数学期望的,此方法具有一定的意义. 例12 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).(设每位旅客在各个车站下车是等可能的,并设各旅客是否下车相互独立) 因此在第i站有人下车的概率为 任一旅客在第i 站不下车的概率为 20位旅客都不在第i站下车的概率为 即 本题是将X分解成数个随机变量之和,然后利用随 机变量和的数学期望等于随机变量数学期望的和来求 数学期望的,此方法具有一定的意义. 五、小结 数学期望是一个实数, 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. 数学期望的性质 掷一颗骰子直到所有点数全部出现为止，求所需投掷次数 Y 的数学期望. 从直观上看 猜想 6 课堂练习 * 第四章 随机变量的数字特征 概 述 怎样粗线条地描述r.v的特性 简单明了、特征鲜明、直观实用 重点与难点 1.重点 数学期望的性质和计算 2.难点 数学期望的性质在计算中的应用 方差的性质和计算 相关系数的性质和计算 第一节 数学期望 一、离散型随机变量的数学期望 二、连续型随机变量的数学期望 三、随机变量函数的数学期望 四、数学期望的性质 五、小结 设某射击手在同样的条 件下,瞄准靶子相继射击90次, (命中的环数是一个随机变量). 射中次数记录如下 引例 射击问题 试问:该射手每次射击平均命中靶多少环? 命中环数 k 命中次数 频率 解 平均射中环数 设射手命中的环数为随机变量 Y . 平均射中环数 频率随机波动 随机波动 随机波动 稳定值 “平均射中环数”的稳定值 “平均射中环数”等于 射中环数的可能值与其概率之积的累加 一、 离散型随机变量的数学期望 射击问题 “平均射中环数”应为随机变量Y 的数学期望 关于定义的几点说明