《财政学教学课件》第4章 随机变量的数字特征.pptVIP

第4章 随机变量的数字特征 3.1 数学期望 3.2 方差 3.3 矩、协方差及相关系数 3.4 大数定理与中心极限定理 3.1 数学期望 例 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 令Xi表示第 i 次取到红球的个数,有 X=X1+X2+….+Xn 且 Xi～B(1, P), i=1,2,..n 3) 由抽签的公平性有 P=P{Xi=1}=M/N. 问题 随机变量X是否服从二项分布？ 为什么？ 从而 E(Xi)=1 × M/N+0 ×(1－ M/N)= M/N 试求 E(X). 解 设想这n个球是逐个不放回抽取的,共取了n次.令Xi表示第i 次取到红球的个数.i=1,2,..n 则 X=X1+X2+….+Xn * * 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. 1. 数学期望的概念 (1) 离散型变量数学期望的定义 试问哪个射手技术较好? 乙射手 甲射手 引例 虽然分布律已经知道，但要回答“哪一个水平较高”的问题，并不是那么直观，为此，我们不妨设甲和乙分别射击了n次，比较他们平均环数： 乙射手 甲射手 事实上，上面的运算是： 几点说明: 　 (2) 数学期望E(X)是一个常数,而非变量．它不是随机变量所有可能取值的算术平均值．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 实例 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 ( ) ( ) np X E p , n B ~ X . = 则 4 2. 连续型随机变量数学期望的定义 试证 E(X)不存在. 证明 柯西分布 = + ? , ∴ E(X)不存在. 数学期望不存在的随机变量 解 例5 顾客平均等待多长时间? 设顾客在某银行的窗口等待服务的时间 X(以分计)服从参数为 的指数分布, 其概率密度为 试求顾客等待服务的平均时间? 因此, 顾客平均等待 分钟就可得到服务. 解 由于均匀分布的密度函数为 因而 结论 均匀分布的数学期望位于区间的中点. ( ), ( ) m s m = X E , N ~ X . 则 2 3 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 . 下面的定理指出答案是肯定的. 　　 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．随机变量函数的数学期望 设X是一个随机变量，Y=g(X)（g为连续函数）． 定理 = ? 0. 1 + ? 0. 2