第4章(1)概率论与数理统计.pptVIP

例2 设(X,Y)服从二维正态分布，其概率密度： 则可以计算出 (P109-110) ▲ 一个常用结果 若 , 则 X,Y相互独立的充分必要条件是X,Y不相关。 * 第四章 随机变量的数字特征 问题：在一些实际问题中，不需要去全面考察随机变量全面 的统计特性，只需要了解随机变量的某些特征。 §1 数学期望 ▲ 一个例子： 一个射手打靶有三个得分数：2分、1分、0分。该射手 一次射击得分数为随机变量X。其分布律为 P{X=k}=pk, k=0,1,2 现射击N次，其中得0分有a0次，得1分有a1次，得2分有a2次， a0+a1+a2=N. 因此，平均一次射击的得分数为 显然，ak /N表示事件{X=k}的频率。 因 时，ak/N无限接近事件{X=k}的概率pk， 因此 ∑2k=0 ak/N 无限接近 , 即理论上讲， 可表示 一次射击的平均得分数，称之为数学期望或均值。 ▲ 数学期望的一般定义 定义 设离散型随机变量X的分布律为 ， 若级数 绝对收敛，则称级数 的和为随机变量X的 数学期望，记为E(X)，即 设连续型随机变量X的概率密度为f(x)，若积分 绝对收敛，则称积分 的值为随机变量X的 数学期望，记为E(X)，即 ▲ 数学期望也简称期望或均值。并且因E(X)完全由X的 概率分布决定，因此也称E(X)是这一分布的数学期望。 ▲ 例子 例1 甲、乙两人进行打靶，所得分数分别为X1, X2，它们的 分布律分别为 X1 0 1 2 X2 0 1 2 pk 0 0.2 0.8 pk 0.6 0.3 0.1 试评价他们成绩的好坏。 解：容易计算出 因期望表示一次射击的平均得分，因此乙的成绩远不如甲的成绩。 例2 有2个相互独立工作的电子装置，它们的寿命X1,X2都 服从同一指数分布，其概率密度为 若将这2个电子装置串联联接组成整机，求整机寿命N的数学期望。 解：容易计算得X1,X2的分布函数为 易知， 的分布函数为 因而 N 的概率密度为 因此N的数学期望为 ▲ 几种重要分布的期望 1）设 ，则 。因为 2） 设 ，则 3）设 ，则 4）设 ，则 ▲ 随机变量函数的数学期望 定理 设Y是随机变量X的函数Y=g(X)，其中g是连续函数，则 1）X是离散型随机变量，它的分布律为P{X=xk}=pk, k=1,2,… 若 绝对收敛，则 （1.3） X是连续型随机变量，它的概率密度为f(x)。 若 绝对收敛，则 （1.4） 注1:(1.3)和(1.4)说明不需要求出Y的分布就能计算出它的分布。 注2：上述定理可推广到两个及以上随机变量函数情形： 设（X,Y）是二维连续型随机变量，其概率密度为f(x,y)， g是连续函数，Z=g(X,Y)，则Z是一维随机变量，且 (1.5) 若(X,Y)为离散型的，其分布律为 ，则 （1.6） ◇ 例子 例9 设随机变量(X,Y)的概率密度 求数学期望E(Y), E(1/XY), E(X2) 解：由（1.5）式，得 ▲ 数学期望的重要性质 1）设C是常数，则E(C)=C; 2）设X是一个随机变量，C是常数，则 E(CX)=CE(X) 3）设X,Y是两个随机变量，则 E(X+Y)=E(X)+E(Y) 4）设X,Y是相互独立的随机变量，则 E(XY)=E(X)E(Y) 1． 2．设X的概率密度为f(x), 则 E(aX+bY)=aE(X)+bE(Y) 3．设（X,Y）的概率密度为f(x,y), 则 4. 设（X,Y）的概率密度为f(x,y), 则 §2 方差 问题：EX表示变量X的平均值，一般来讲X的各个取值与EX 有偏差，如何来度量这种误差？在平均的意义下，表示 X与EX的偏离程度或集中程度或误差大小？ 直观上看，| |表示了X与EX的偏差，因