kk概率论8数字特征1.pptVIP

到站时间 8:10 8:30 8:50 9:10 9:30 9:50 p 1/6 3/6 2/6 例4 甲车到站8：00~9：00，随机，乙车到站9：00~10：00，随机。甲乙车到站时间相互独立。一旅客8：00到站和8：20到站，求候车的期望。哪种情况更省时间？ 解：设候车时间分别为X和Y（分），分布律分别为： 例5 有2个相互独立工作的电子装置，它们的寿命X1，X2都服从同一指数分布，其概率密度如下。若将这2个电子装置串联联接组成整机，求整机寿命N的数学期望。 解：问题转化为求 的寿命的数学期望 X -2 0 2 P 0.4 0.3 0.3 1 2 3 -1 0.2 0.1 0 0 0.1 0 0.3 1 0.1 0.1 0.1 例10 一车有20人，10站可以下车，到达一站没人下车就不停车；每位旅客各站下车等可能，各旅客相互独立；假设X是停车次数，求E(X)。 解：引入随机变量： 概率论与数理统计 深圳大学 信息工程学院 康莉 * 第四章 随机变量的数字特征 关键词：数学期望 随机变量函数的数学期望 数学期望的性质 方差 标准差 方差的性质 协方差 相关系数 矩 问题：在一些实际问题中，有时不需要去全面考察随机变量全面的统计特性，只需要了解随机变量的某些特征。这些数值化特征，能定量地描述变量，直观、简单，非常有用。 常用的数字特征有： 数学期望 方差 相关系数 矩 e.g. 对某班学生成绩的评价，我们关心的是平均成绩，而不是每个人的成绩。 本章重点： 理解每个数字特征的意义，计算方法及它们之间的相互关系。 §1 数学期望 ▲ 一个例子： 一个射手打靶有三个得分数：2分、1分、0分。该射手一次射击得分数为随机变量X。其分布律为 P{X=k}=pk, k=0,1,2 现射击N次，其中得0分有a0次，得1分有a1次，得2分有a2次，a0+a1+a2=N. 因此， 平均一次射击的得分数为： ▲ 数学期望的一般定义 一、 离散型随机变量X的数学期望： X的分布律为 例1 甲、乙两人进行打靶，所得分数分别为X1, X2，它们的分布律分别如下。试评价他们成绩的好坏。 解：容易计算出 因期望表示一次射击的平均得分，因此乙的成绩远不如甲的成绩。 X1 0 1 2 ? X2 0 1 2 pk 0 0.2 0.8 pk 0.6 0.3 0.1 二、连续型随机变量X的数学期望： X的概率密度为f(x)，若积分 绝对收敛，则称积分的值为随机变量X的数学期望，记为E(X)，即 ▲ 数学期望也简称期望或均值。 并且因E(X)完全由X的概率分布决定，因此也称E(X)是这一分布的数学期望。 例2 某医院根据婴儿的肤色、肌肉弹性、反应敏感性、心脏搏动等情况对新生儿诞生进行评分，得分X是一个随机变量，据以往资料，其分布律如下。求X的数学期望E(X). 解： ▲ 五种重要分布的期望 三、随机变量函数的数学期望 定理 设Y是随机变量X的函数Y=g(X)，其中g是连续函数，则1、X是离散型随机变量，它的分布律为P{X=xk}=pk, ? k=1,2,… 若 绝对收敛，则2、X是连续型随机变量，它的概率密度为f(x)。若 注1：以上两式说明不需要求出Y的分布就能计算出它的分布。注2：上述定理可推广到两个及以上随机变量函数情形.3、 Z=g(X,Y)  （X,Y）,概率密度为f(x,y)，g是连续函数，则Z是一维随机变量，有：若(X,Y)为离散型的，其分布律为 例3 设随机变量(X,Y)的概率密度如下，求数学期望E(Y), E(1/XY) 解： 四、 数学期望的重要性质 设C是常数； X, Y是随机变量 1、 E(C)=C 2、 E(CX)=CE(X) 3、 E(X+Y)=E(X)+E(Y) 4、若X,Y是相互独立的随机变量，则