概率与数理统计2-2.ppt

第二章 第二节 数 学 期 望 如果已知随机变量X的概率分布，那么X的全部概率特征就是已知的. 然而，在实际问题中，有些概率分布是较难确定的. 而在一些实际应用中，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. 期望和方差 描述r.v.特征的量称为r.v.的数字特征. 其中最常用的是 一、数学期望的概念 概念的引入： 17世纪中叶,一位赌徒向法国数学家Pascal提出一个苦恼已久的分赌本问题: 甲乙两人赌技相当, 各赌50法郎, 每局无平局,事先约定, 先赢三局者得全部赌本100法郎. 当甲赢二局、乙赢一局时, 因故中止赌博, 问如何分这100法郎才算公平呢？ 又如: 设 现作n次试验，得X的 n个观察值 n1个x1值; n2个x2值; ……, nm个xm值. ( n1+ n2+…+ nm=n ) 这是以频率为权的 加权平均 由频率和概率的关系 不难想到，当n较大时，上述平均值稳定于 这是 以概率为权的加权平均 我们就用这个数作为随机变量X的平均值 . 这是个确定的数 定义1 设X是离散型随机变量，它的概率分布是: P{X=xk}=pk , k=1,2,… 如果 ,则称 为X的数学期望. 简称期望或均值. 1、离散型随机变量的数学期望 注:离散型随机变量的数学期望是一个绝对收 敛的级数的和. 若 不收敛, 则称 X的期望不存在. 例1 每张福利彩票售价5元, 各有一个对奖号.每售出100万张设一个开奖组. 用摇奖器当众摇出一个6位数中奖号码. 对奖规则如下: (1)对奖号与中奖号码最后一位相同者获六等奖,奖金10元. (2)对奖号与中奖号码最后两位相同者获五等奖,奖金50元. (3)对奖号与中奖号码最后三位相同者获四等奖,奖金500元. (4)对奖号与中奖号码最后四位相同者获三等奖,奖金5000元. (5)对奖号与中奖号码最后五位相同者获二等奖,奖金50000元. (6)对奖号与中奖号码全部相同者获一等奖,奖金500000元. 另规定, 以上奖项不可兼中, 试求每张彩票的平均所得奖金额. 0.9 0.09 0.009 0.0009 0.00009 0.000009 0.000001 P 0 10 50 500 5000 50000 500000 X 解：设X为一张彩票的奖金额，则X的分布列为 2、连续型随机变量的数学期望 设X是连续型随机变量，其密度函数为p(x),在数轴上取很密的分点x0 x1x2 …, 则X落在小区间[xi, xi+1)的概率是 p(x) 阴影面积 近似为 小区间[xi, xi+1) 小区间[xi, xi+1) 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可以用xi来近似代替. 这正是 的渐近和式. 阴影面积 近似为 近似, 因此X与以概率 取值xi的离散型r.v 该离散型r.v 的数学期望是 p(x) 定义2 设X是连续型随机变量，其密度函数 为 p (x), 如果 则称 为X的数学期望, 简称期望或均值. 注: 连续型随机变量的数学期望是一个绝对收敛的积分. 若 不收敛, 则称X的期望不存在. 例2 若X~U[a,b], 即X服从[a,b]上的均匀分布, 求EX. 例3 设随机变量X 服从柯西分布，其密度函数为 发散 , 因而EX不存在. 解：由于积分 问EX是否存在？ 二、随机变量函数的数学期望 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g(X)的期望. Problem: 如何计算随机变量函数的数学期望? 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. 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 . 后面的学习中有进一步的研究. 例4 已知X的分布列如下, 求 0.2 0.1 0.1 0.3 0.3 P -2