概率论基础4.1.pptVIP

定理 若g(x)是一元Borel函数，而Y=g(X),则 即这两个积分一个存在，则另一个也存在，而且两者相等。 特别注意:将g(X)特殊化,可得到各种数字特征: 其中 k 是正整数. 设X服从N(0，1)分布，求E(X2),E(X3),E(X4) 例5 长途汽车起点站于每时的10分、30分、55分发车，设乘客不知发车时间，于每小时的任意时刻随机地到达车站，求乘客的平均候车时间 解:设乘客于某时X分到达车站,候车时间为Y,则 =10分25秒 7、多维场合 定义 随机向量 的数学期望为 这里 是 的分布函数。 8、数学期望的性质 1. 设C是常数，则E(C)=C; 4. 设X、Y独立，则 E(XY)=E(X)E(Y); 2. 若C是常数，则E(CX)=CE(X); 3. E(X1+X2) = E(X1)+E(X2); （诸Xi独立时） 注意:由E(XY)=E(X)E(Y) 不一定能推出X,Y独立 3. E(X+Y)=E(X)+E(Y)（只对连续型r.v.证明） 证明:设(X,Y)~p(x,y) 4. 若X与Y独立，则E(XY)=E(X)E(Y). 证明:设(X,Y)~p(x,y) 概率论 Probability Theory 第四章 数字特征与特征函数 4.1 数学期望 a.数字特征的引入 b.离散型随机变量数学期望的定义 c.连续型随机变量期望的定义 d. 一般场合 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. f (x) x o x P(x) o 1.数字特征的引入 然而，在实际问题中，一方面概率分布一般是较难确定的. 另一方面在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 某型号电视机的平均寿命 18000小时±200小时 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 我们先介绍随机变量的数学期望. 在这些数字特征中，最常用的是 期望和方差 2. 数学期望的定义 随机变量的数学期望是概率论中最重要的概念之一. 它的定义来自习惯上的平均概念. 我们从离散型随机变量的数学期望开始. 击中环数 8 9 10 概率 0.3 0.1 0.6 击中环数 8 9 10 概率 0.2 0.5 0.3 甲射手 乙射手 例1 射击队有甲、乙两个射手，他们的射击技术 用下表给出。试问哪个射手的技术比较好？ 加权平均 甲 好 ！ 此和式是一个确定值, 不依赖于具体试验, 应该能较好的反映该队员的射击水平。把上述例子一般化就导出了下述定义。 定义 设X是离散型随机变量，它的分布列： 就称此级数的和为X的数学期望(mathematical expectation) 或均值(mean)。 如果 绝对收敛 ,定义X的数学期望 即 ∞ 3. 几个重要离散型r.v.的期望 (2) 0-1分布 (1) 退化分布 也即常数的数学期望就是它本身. (3) 二项分布B(n, p) (4) 泊松分布 (5) 几何分布 (6)设随机变量 是概率分布。 因此，该随机变量的数学期望不存在。 例2 某人的一串钥匙上有n把钥匙，其中只有一把能打开自己的家门，他随意地试用这串钥匙中的某一把去开门. 若每把钥匙试开一次后除去，求打开门时试开次数的数学期望. 解: 设试开次数为X, P(X=k)= 1/n , k=1,2,…,n E(X) 例3 押宝 一种赌博形式， 规则如下：由庄家摸出一只棋子放在密封的盒中，这只棋子可以是红或黑的将、士、象、车、马、炮之一。赌客把钱押在赌台上的这12个字上。押定开盒，凡押中者(字和颜色都对)。以一比十的得到奖金。不中者押金归庄家。 看看你得钱的分布列： 因此 其数学期望为11/12。支出（1元）和期望收入（11/12）明显“吃亏”。? 4、连续型随机变量的数学期望 设X是连续型随机变量，其密度函数为p(x),在数轴上取很密的分点x0 x1x2 …,则X落在小区间[xi, xi+1)的概率是 小区间[xi, xi+1) 阴影面积 近似为 p(x) 小区间[Xi, Xi+1) 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可以用xi来近似代替. 这正是 的渐近和式. 阴影面积 近似为 近似, 因此X与以概率 取值xi的离散型r.v 该离散型r.v 的数学期望是 p(x) 由此启发我们引进如下定义. 定义 设X是连