[教育]概率论与数理统计B课8.pptVIP

第4章 随机变量的数字特征 由前两章的学习知道，随机变量的概率分布全面地描述了随机变量的统计规律,它提供了随机变量的全面详细的信息. 但全面详细的信息，有时候： (1)未必能很好地说明问题，它往往使人不得要领； (2)并不需要，只需要一个综合信息。 随机变量的数字特征是随机变量取值信息的集中和提炼，是随机变量的特征信息。 随机变量的数学期望,方差,相关系数等都是随机变量的数字特征. 第一节 随机变量的数学期望 一. 什么是随机变量的数学期望？ 期望 —— 数学期望—— 随机变量的数学期望 ↑ ↑ ↑ 希望或等待 一种平均值 随机变量取值的 概率加权平均值 如表，随机变量X的平均取值是什么? 若不考虑机会（概率）因素，为 (1+2)/2=1.5 ， 这是算术平均； 若考虑机会（概率）因素，为 1×0.9+2×0.1=1.1 这就是关于概率的加权平均（概率为权）。 例1 （分赌本问题） 十七世纪中叶，一位赌徒向法国数学家帕斯卡提出了一个使他苦恼了很久的问题： 甲、乙两赌徒用抛硬币赌博，约定谁先赢3次，就得全部赌本100法郎。当甲赢了2次，乙赢了1次时，赌博因故不能进行下去。问赌本应任何分呢？ 按2/3，1/3的比例分，对吗？ 请看帕斯卡的分析 帕斯卡认为，其实再抛两次硬币，赌博就结束（见分晓）了。因为抛两次硬币，可能的结果为四种： 甲赢、甲赢（00）； 甲赢、甲输（01）； 甲输、甲赢（10）； 甲输，甲输（11）。 前三种情形甲赢了赌博,后一种情形甲输了赌博. 甲赢钱的可能情况为 所以应按3/4，1/4的比例分。 意指若再赌多次，甲平均每次能赢或期望得到：100×3/4+0×1/4=75（法郎） 这并不是说赌下去,甲一定得75法郎. 结果是无法事先预料的.但根据概率规律,可以产生这样的期待. 这就是数学期望. 二.离散型随机变量的数学期望 定义： 设离散型随机变量X的概率分布列为 称 为 离散型随机变量X的数学期望。 （当X的取值为无限可列时，要求 即绝对收敛，否则称数学期望不存在）。 常见的离散型随机变量的数学期望： (1) 两点分布 X~（0，1） (3) 帕松分布 X~P（λ） 三.连续型随机变量的数学期望 定义： 设连r.v X的概率密度函数为 ， 称 为连r.v X的数学期望。 （ 要求 收敛，否则称数学期望 不存在. 如：柯西分布 ， -∞x+∞）。 常见的连r.v的数学期望： (1) 均匀分布 X~U（a，b） EX= (a+b) / 2 如图 (2) 指数分布 X~E（λ） EX= 1/λ 如图 (3) 正态分布 X~N（μ，σ2） EX= μ 如图 对以上r.v的数学期望，要求： 会计算。因为以后常有这样的计算。 记忆结果。 小结： 从以上数学期望的介绍定义及常见的r.v的数学期望的计算，我们对数学期望有如下认识：