[研究生入学考试]概率41.pptVIP

第二章第三节 随机变量的数字特征 一 数学期望 　　定理2　设(X,Y)为二维随机变量，g(x,y)为二元连续函数。 　　(1)若(X,Y)为二维离散型随机变量，其联合分布律为 绝对收敛，则随机变量函数g(X,Y)的数学期望为 　　注意①，若(X,Y)为二维连续型随机变量，其联合概率密度为f(x,y). 有 　　(2)若(X,Y)为二维连续随机变量，其联合概率密度为f(x,y)且广义积分 也就是说，对于二维连续型随机变量，计算E[g(X)]用(4.8)式比用(4.5)式计算方便。 　　②但当(X,Y)为二维离散型随机变量时，由于求边缘分布律不复杂，用定理计算E[g(x)]稍简洁些。 　　例8　设二维随机变量(X,Y)只能取下列数值中的值：(0,-1),(-1,1),(0,1),(2,-1), 且取这些值的概率依次为0.2,0.1,0.3,0.4. 求：(1)E(X2);(2)E(XY). 　　解　由题意写出(X,Y)的联合分布律并计算边缘分布律如下： 1 0.4 0.5 0.1 P{X=xi} 0.4 0 0.3 0.1 1 0.6 0.4 0.2 0 -1 P{Y=yj} 2 0 -1 　 　X Y * * * * * * 　　用来刻画随机变量的特征的量，叫做随机变量的数字特征。这些数字特征虽不能完整地描述随机变量的统计规律，但刻画了随机变量在某些方面的重要特征。 　　随机变量的常用的几个数字特征为：数学期望、方差、标准差、协方差、相关系数、矩和协方差矩阵。 一、离散型随机变量的数学期望 　例1　设随机变量X的取值为x1, x2,…, xl , X的分布律为 pl … p2 pl pk xl … x2 xl X 　　设在n次重合观测的结果中，有m1个x1，m2个x2,…,ml个xl(m1+m2+…+ml=n)，则随机变量X的n次观测值的平均值为 这是以频率为权的加权平均，若令 则(4.1)式变为 在概率论中称为随机变量X的数学期望。现在我们引进如下定义。 　　定义1　设离散型随机变量X的分布律为 　　例2　设袋中装有2个白球和3个红球，将球一个一个取出，每次取出后不放回。设在第X次第二次取得红球，求E(X). 　　解　X的所有可能取值为2,3,4. 　　　 P{X=2}=P{在第二次第二次取得红球} =P{前两次都取得红球} 　　　 P{X=3}=P{在第三次第二次取得红球} =P{前两次只取得一个红球而第三次取　　　　　　　　 的是红球} 　　　 P{X=4}=P{在第四次第二次取得红球} =P{前三次只取得一个红球而第四次取　　　　　　　　 的是红球} 或P{X=4}=1-P{X=2}-P{X=3}=1-0.3-0.4=0.3. 即X的分布律为 0.3 0.4 0.3 pk 4 3 2 X 从而E(X)=2×0.3+3×0.4+4×0.3=3. 　　求离散型随机变量的数学期望，关键是先求其分布律再求期望。 　　例3　某射手连续向一目标射击，直到第一次击中目标时为止，设每次射击击中目标的概率都是p(0p1)，求射击次数X的数学期望。 　　解　射击次数X的分布律为 　　　 P{X=k}=qk-1p, k=1,2,…，其中q=1-p. 两边同乘以q, 再将上面二式相减 二、连续型随机变量的数学期望 　　例4　设随机变量X在区间[a,b]上服从均匀分布，其概率密度为 求E(X). 　　解 　　例5　设X～N(?,? 2)，求E(X). 　　解　由题意知，X的概率密度为 第一个积分利用标准正态分布的概率密度在(-∞,+∞)上的积分为1，第二个积分利用奇函数在对称区间上的积分为零而得。 　　这说明，在正态分布N( ? ,? 2)中，参数 ?是该分布的数学期望。 三、随机变量函数的数学期望 　　一般的提法是，已知随机变量X的分布，如何求随机变量X的函数Y=g(x)的数学期望呢？ 　定理1　设随机变量Y是随机变量X的函数Y=g(X), y=g(x)为连续函数。 (1) 若X为离散型随机变量，其分布律为 例6　设随机变量X在区间[-2,2]上服从均匀分布，Y=|X|, 求E(Y). 解　由题意，X的概率密度为 由(4.5)式， 　　例7　设某种商品每周的需求量X是服从区间[10,30]上的均匀分布的随机变量，而经销商店进货数量为区间[10,30]中的某一整数。商店每销售一单位商品可获利500元；若供大于求则削价处理，每处理一单位商品亏损100元；若供小于求，则可从外部调剂供应，此时一单位商品仅获利300元。为使商店经销这种商