chapt4-1 随机变量的数学期望.pptVIP

第四章 随机变量的数字特征 第一节 随机变量的数学期望 第二节 随机变量的方差 第三节 协方差和相关系数 第四节 矩，协方差矩阵（不讲） 虽然随机变量的分布全面地描述了随机变量的统计特性, 但实际应用中有时并不都需要知道分布，而只需知道随机变量的某些特征. 例如：判断棉花质量时, 既要看纤维的平均长度又要看纤维长度与平均长度的偏离程度，平均长度越长,偏离程度越小, 质量就越好; 这些例子说明，与随机变量有关的某些数值，虽不能完整地描述随机变量，但能清晰地描述随机变量在某些方面的重要特征，这些数字特征在理论和实践上都具有重要意义. 又如：考察射手的射击水平, 既要看他的平均环数, 还要看他弹着点的范围, 即数据的波动.平均环数越高，数据的波动越小，则射手的水平越高. 本 章 内 容 随机变量某些方面的概率特性可用数字来描写 随机变量的平均取值 ——数学期望 随机变量取值平均偏离均值的情况——方差 描述两个随机变量间的某种关系的数 ——协方差与相关系数 一、离散型随机变量的数学期望 第一节 随机变量的数学期望 二、连续型随机变量的数学期望 四、数学期望的性质 三、随机变量函数的数学期望 引例：一书店购入一批（共N本）次年的挂历，在当年11月底前售出可赢利10元/本，当年12月份以折扣价售出可赢利6元/本，次年1月份以进价售出赢利0元/本，次年2月份作为废纸售出亏本9.7元/本，售出一本挂历赢利X(元) 是一个随机变量，求一批挂历赢利的平均值。 解： X的取值分别为10、6、0、－9.7，设一批挂历中使X取这些值挂历数分别为a10、a6、a0、a﹣9.7，即 a﹣9.7 a0 a6 a10 挂历数 －9.7 0 6 10 X 其中 a10+a6+a0+a﹣9.7 =N 这里 是随机变量X取值xk的频率，即： 赢利的平均值 赢利的平均值为 数学期望的概念源于此. 一、离散型随机变量的数学期望 随机变量的数学期望反映了变量取值的平均水平。 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 为随机变量X的数学期望，记作E(X).即 1.离散型随机变量的数学期望 P97 例l（P97）甲乙两台自动机床生产同一种标准件，生产1000只产品所出的次品分别用X和Y表示，经过一段时间的考察，X和Y的分布律分别如下： 0.1 3 0.1 2 0.1 0.7 概率 1 0 X 0 3 0.2 2 0.3 0.5 概率 1 0 Y 试问哪一台自动机床的质量好一些？ 解： 所以机床甲的质量好一些 因为 例 某种奖券销售单位为提高大众购买奖券的兴趣，采用当众开奖的办法，每张奖券面值 1 元，每 500 万张设若干奖项如下： 奖 别 个 数 奖品价值（元） 特等 一等 二等 三等 纪念 1 10 100 1000 10000 1500 500 70 3 0.5 试问每购一张奖券平均能取得多少奖金？ 设某购买者得到的奖金数为 X ， 则X为一随机变量，其分布列为 X 1500 500 70 3 0.5 0 解： 从而 X 的数学期望为 即平均每购一张奖券可能得到的奖金不到半分钱，但在实际生活中吸引力还是相当大的。 设连续型随机变量X的密度函数为f(x),若广义积分 绝对收敛，则称广义积分 为随机变量X的数学期望，记作E(X).即： 二.连续型随机变量的数学期望 1.连续型随机变量的数学期望 P98 例2.已知某元件使用寿命X（单位：年）的概率密度为 求元件使用寿命的数学期望. 解： 例3(P99例5). 若随机变量X的概率密度为 称X服从柯西分布，试问数学期望E(X)是否存在? 解： 广义积分 发散， 从而E(X)不存在. 广义积分 发散，所以 定理1（P99） (1) 若X是离散型随机变量，分布律为 且级数 绝对收敛，则有： 三.随机变量函数的数学期望 Y是X的函数:Y=g(X)，且g(x)是连续函数 (2) 若X是连续型随机变量，其概率密度为f(x), 且积 分 绝对收敛，则有 例4.设离散型随机变量X的分布律为 0.1 2 0.4 1 0.3 0.2 概率 0 －2 X 试求E(X), E(X2) 解： 例5(P100) 设X服从标准正态分布N(0,1), 求E(X2). 解： (1)若(X,Y)二维离散型随机变量，其分布律为 且级数 绝对收敛，则有： 特别地 定理(P102) Z是随机变量X,Y的函数:Z=g(X,Y)，其中 g(x,y)是连续函数， 绝对收敛，则有 特别地 (2) 若(X,Y)是二维连续型随机变量，其概率密度为f(x,y), 且积分 例6. 已知