第5章 随机变量的数字特征.pptVIP

第五章 随机变量的数字特征 随机变量的描述： （1）分布率或概率密度； 存在的问题：计算困难； 必要性？ （2）随机变量的数字描述： ——数字特征 期望、方差、协方差、矩...... 5.1 随机变量的数学期望 一、数学期望的概念 （1）离散型随机变量的期望 定义1: ①有限型：设离散型随机变量X的分布律为 P{X=xk}=pk k=1,2,…n 则称和数 为随机变量X的数学期望, 简称为期望,或称均值，记为E(X) ②无限型：设离散型随机变量X的分布律P{X=xk}=pk k=1,2,… 若级数 绝对收敛, 即 则 称和数 为随机变量X的数学期望, 例5.1：设随机变量X的分布律为求E(X) 解： 是否正确？ 由于 ，即不绝对收敛， 故E(X)不存在！ 可见： 随机变量的期望不一定存在； 当随机变量的所有可能值是无穷多个且有正有负时，由于级数 是任意项级数， 它可能只是条件收敛，而不是绝对收敛， 这时级数的和存在，但期望不存在。 （2）离散型随机变量的函数的期望 定义2: 设X是离散型随机变量, 且分布律为 P{X = xk } = pk, k = 1,2… g(x)是随机变量X的连续函数函数, 若 绝对收敛, 则定义随机变量X的函数的期望为： 数学期望的物理意义： 如果将xk看作质点k的坐标，pk看作质点k的质量，那么E(X)就是质点分布的重心坐标。 例5.2： 已知随机变量X的分布率，求：E(X)，E(X2+2) 解：由 由 （3）连续型随机变量的数学期望 定义3: 设X是连续型随机变量，具有概率密度f(x)， 若 绝对收敛 , 即： 则称积分值 为X的数学期望, 简称期望或均值, 记为E(X). （4）连续型随机变量的函数的数学期望 定义4: 设X是连续型随机变量，具有概率密度f(x)， g(x)是随机变量X的连续函数函数, 若 ——绝对收敛, 则定义： 随机变量X的函数 g(x)的期望为： 例5.3：设连续型随机变量X的分布密度,且已知E(X)=2, P{1X3}=3/4求: (1)a,b,c； (2)E(Y=ex) 解: (1)由 ， 联立(1)(2)(3)，解得a=1/4, b=1, c=-1/4 (2) （5）二维随机变量的函数的数学期望 定义5： 设Z是随机向量(X,Y)的函数,即Z = g(X,Y), (g(x,y)是连续函数). (1) 若(X,Y)是离散型随机向量,且分布律为 P{X=xi, Y=yj} = pij, i, j=1,2… 则当 时 (2) 若(X, Y)是连续型随机变量. 且具有概率密度f(x,y), 则当 时, 有 例5.4：设随机变量(X, Y)在矩形域G：0≤x≤1, 0≤y≤2内服从均匀分布，求E(XY)。 解: (X, Y)的概率密度函数为 可得： 二 数学期望的性质 （1） 设C为常数, 则 E(C)=C; （2） 设C为常数, X为随机变量，则 E(C X)=C E(X);