第二节随机变量的数字特征.PDF

第二节 随机变量的数字特征 对于一般性的随机变量，要求得它的概率 分布并不容易。在某些实际问题中有时也不 需要完全知道随机变量的概率分布，而只要 了解它的某些特征即可，如它可能 取值的平 均大小、集中程度就够了。 一、数学期望 随机变量X的数学期望，来源于通常的平均概念。 定义：设离散型随机变量的概率分布律为 P {X x } p i 1,2, i i   若级数x p 绝对收敛,则称x p 为X 的数学期望, i i i i i 1 i 1  记为 E (X ) 即 E (X ) x p i i i 1 数学期望是随机变量取值的加权平 均值，它反映了随机变量X的真正“平 均”。 11.(p 108)设X 服从的概率密度为： P {X k } pq k 1 ,k 1,2,  其中0 p 1, q 1p是常数， 则称X 服从参数为p 的几何分布g (p )。 试求EX 。 定义：设连续型随机变量X 的概率密度为f (x ), 若   积分 xf (x )dx绝对收敛, 则称 xf (x )dx 为X 的 数学期望(均值),记为E (X ). 即  E (X )  xf (x)dx 二、随机变量函数的数学期望 设随机变量Ｘ的函数为Ｙ＝ｇ( Ｘ),且 Ｙ＝ｇ( Ｘ)的数学期望存在， (1) 若X 为离散型随机变量, 其分布律为 P (X x ) p , k 1,2, , 则 k k   E (Y ) E[g (X )] g (x )P (X x ) g (x )p k k k k k 1 k 1 (2) 若X 为连续型随机变量, 其概率密度为f (x ), 则  E (Y ) E [g (X )]  g (x) f (x)dx 例：设离散型随机变量Ｘ的分布律为 Ｘ －１ ０ １ ２ ３ Ｐ ０.15 0.1 0.3 0.2 0.25 试求: Y Ｘ 2, Y X 2 1的数学期望 1 2 E (Y ) ,