[工学]上海大学 计算机 概率论与数理统计A 第4章.ppt

方差在经济上可以反映一种风险程度 例：某公司有100万资金，可以投资某工程项目，如项目 非常成功每年可获利50万（概率为0.6），如效益一 般，则可获利20万（概率0.3），如项目失败则投资 全部损失（概率0.1）。现在来评估投资价值。 X 表示实际收益，则期望收益为E(X)=26(万)； 标准差反映了实际收益与期望收益的“平均差距” D(X)=1944, 所以投资“风险”大约是44。09万 * * 第四章 随机变量的数字特征 我们知道随机变量的分布函数能够完整地描述随机变量 的统计特性，但有时随机变量的分布函数很难求，有时 即使分布函数知道，有些特征也不是一目了然的。 例：有甲、乙二名射手射击水平如下 甲：射中环数 X | 8 9 10 乙：Y | 8 9 10 概率 p | 0.3 0.1 0.6 p | 0.1 0.6 0.3 问哪一个水平高一些？ 让每人各射N枪 甲可射中8*0.3N+9*0.1N+10*0.6N=9.3N 环 乙可射中 8*0.1N+9*0.6N+10*0.3N=9.2N环 现在可以说：甲“平均”每枪可射中9.3环 乙“平均”每枪可射中9.2环 §1 数学期望 一、数学期望的定义 定义1： 设离散型随机变量X的分布律为 若级数 收敛，则称级数 为 随机变量X的数学期望，记为 。 定义2：设连续型随机变量X的概率密度为 ， 若积分 绝对收敛，则称该积分 为随机变量X的数学期望，记为 。 数学期望简称为期望，又称为均值。 注：对某一随机变量来说，其数学期望不一定存在， 例如习题4。 二、随机变量函数的数学期望 1、一个随机变量的函数的数学期望 定理1：(1) 当X为离散型随机变量时，则 的数学 期望为 ； (2)当X为连续型随机变量时，则 的数学 期望为 。 注：这个定理告诉我们，求 时，不需要算出 的 分布律或概率密度函数，只需利用 的分布律或概 率密度函数。 2、二个随机变量的函数的数学期望 定理2： (1) 当 为离散型随机变量时，则 的数学期望为 ； (2) 当 为连续型随机变量时，则 的数学期望为 。 三、数学期望的性质 (1) (2) (3) 其中性质（3）（4）可推广到有限个随机变量的情形。 (4) 若随机变量 和 相互独立，则有 四、六种常见的分布的数学期望 1、（0-1）分布 2、 二项分布 3、 泊松分布 4、 均匀分布 5、指数分布 若 ，则 6、正态分布 五、举例 例1 某商店对计算机销售采用先使用后付款的方式， X为使用寿命，X服从参数为10的指数分布，规 定: X1 时付款1500元，1X2时付款2000元， 2X3 , 2500元，X3 , 3000元, Y为商店收费， 求：E(Y) 例2 保险公司推出一种保险，每人每年付保费12元， 如投保人在一年内发生事故，可获1000元赔偿， 据统计投保人在一年内发生事故的概率为0.5% 求：保险公司每一份保险的期望收入。 例3：有2个相互独立工作的电子装置，它们的寿命