第十一章随机变量及其分布.ppt

函数与极限 求 分布律 解 列表求出与X相对应的Y的值： 0.3 0.1 0.3 0.2 0.1 P 25 4 1 0 1 5 2 1 0 -1 X 由上表可得所求的分布律为： 0.3 0.1 0.4 0.2 P 25 4 1 0 Y 提醒：当2010-5-28 20:17:26变量X为离散型随机变量时，求随 机变量函数 的分布一般步骤为： （1）求出与X相对应的Y的值，若求出的Y值互不相等，则写出 其分布律，所对应的概率不变。 （2）若Y中有相等的值，则将这些相等的值合并，并且由概率 的可加性将相应的概率相加，就得到了的分布律。 2、X为连续型的随机变量 例 若随机变量X 概率密度为 ，求X的线性函数 的概率密度。（其中 均为常数，且 ）。 解 随机变量Y的分布函数为 两边对y求导，根据积分上限函数的求导公式，就得到Y的概率 密度函数为： 课堂练习讨论 设随机变量X具有以下分布律，试求 的分布律。 0.2 0.3 0.1 0.4 -1 0 1 2 X 解 Y所有可能的取值为0，1，4，由 即得Y的分布律为 0.1 0.7 0.2 0 1 4 Y 基础（同步）习题 随机变量X~N（10，22），求P（10X13），P（X=13） 及P（｜X-10｜2) 解 P（10X13）=P（0 ）= （1.5）- （0） =0.9332-0.5=0.4332； P（X=13）=1-P（X13）=1-P（ ） =1- (1.5)=1-0.9332=0.0668; P（｜X-10｜2)=P(-2X-102)=P(-1 1) =2*0.8413-1=0.6826. 实训题 乘以什么常数将使 变成概率密度函数？ 解 设 C 为密度函数，有密度函数的规范性有 因此， §11.4 随机变量的数字特征 前面讨论了随机变量的分布函数，从中知道随机变量的分 布涵数能完整地描述随机变量的统计规律性。 但在许多实际问题中，人们并不需要去全面考察随机变量 的变化情况，而只是知道它的某些数字特征即可。 例如，在评价某地区粮食产量的水平时，通常只需要知道 该地区粮食的平均产量即可；又如，在评价一批棉花的质量时， 既要注意纤维的平均长度，又要注意纤维长度与平均长度之间 的偏离程度，平均长度越大，偏离程度越小，则质量就越好， 等等。 实际上，描述随机变量的平均值和偏离程度的某些数字特 征在理论上和实践上都具有重要的意义，它们能更直接、更简 洁、更清晰和更使用地反映出随机变量的本质。 本节主要介绍随机变量的数学期望与方差。 一、随机变量的数字期望 离散型随机变量的数学期望 平均值是日常生活中最常用的一个数字特征，它对评判事 物、做出决策等具有重要作用。例如，某商场计划于5月1日在 户外搞一次促销活动，如果未遇到雨天可获得经济效益12万远， 遇到雨天则带来经济损失5万元；若前一天的天气预报称当天 有雨的概率为40%，则商场应如何选择促销方式？ 显然，商场该日在商场外搞促销活动预期获得的经济效益 X是一个随机变量，其概率分布为： 要做出决策就要将此时的平均效益与3万元进行比较，如 何求平均效益呢？要客观地反映平均效益，既要考虑X的所有 取值，又要考虑X取每一个值时的概率，即为： (万元) 称这个平均效益5.2万元为随机变量X的数学期望，一般地，可 给出如下定义： 定义1： 设离散型随机变量X的概率分布为： 如果级数 绝对收敛，则定义X的数学期望（又称均值） 为： 注：符号E（X）有时简写为EX，同时，对于连续型随机变量 也是这样规定的。 例1：甲乙两人进行打靶，所得分数分别记为 ， ，它们的 分布律分别为 0 0.2 0.8 0 1 2 试评定他们的成绩的好坏。 解：我们来计算 的数学期望，得 （分） 这意味着，如果甲进行很多次的射击，那么，所得分数的算术 平均就接近1.8，而乙所得分数的数学期望为 （分） 很明显，乙的成绩远不如甲。 2.连续型随机变量的数学期望 定义2 设X连续型随机变量，其密度函数为f(x),如果 绝对收敛，则定义X的数学期望为： 例2 已知随机变量X的分布函数 求E(X)。 解：随机变量X的分布密度为 = *3.随机变量函数的数学期望