概率论精品教学（福州大学）第四章数学期望.pptVIP

例8 航海雷达的环视扫描显示器是半径为 R的一个圆，由方位物（灯塔）反射回来的信号按均匀分布可能用光点的形式呈现在这个圆内的任意一点。求光点中心到圆心的距离的数学期望。 解：由荧光屏中心到光点的随机距离可以用直角坐标X与Y表示为： 随机变量(X,Y)的概率密度为 所以 四、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k是常数，则E(kX)=kE(X); 3. E(X+Y) = E(X)+E(Y); （诸Xi独立时） 注意:由E(XY)=E(X)E(Y) 不一定能推出X,Y独立 五、数学期望性质的应用 例9 求二项分布的数学期望 若 X~B(n,p)， 则X表示n重贝努里试验中的“成功” 次数. 现在我们来求X的数学期望 . 可见，服从参数为n和p的二项分布的随机变量X的数学期望是np. X~B(n,p), 若设 则 X= X1+X2+…+Xn = np i=1,2，…，n 因为 P(Xi =1)= p, P(Xi =0)= 1-p 所以 E(X)= 则X表示n重贝努里试验中的“成功” 次数. E(Xi)= = p 第四章 随机变量的数字特征 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. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，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. 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 这一讲，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 第一节 数 学 期 望 1、概念的引入： 某车间对工人的生产情况进行考察. 车工小张每天生产的废品数X是一个随机变量. 如何定义X的平均值呢？ 某电话交换台每天8:00-9:00收到的呼叫数X是一个随机变量. 如何定义X的平均值即该交换台每天8:00-9:00收到的平均呼叫数呢？ 我们来看第一个问题. 一、离散型随机变量的数学期望 若统计100天, 例1 某车间对工人的生产情况进行考察. 车工小张每天生产的废品数X是一个随机变量. 如何定义X的平均值呢？ 32天没有出废品; 30天每天出一件废品; 17天每天出两件废品; 21天每天出三件废品; 可以得到这100天中 每天的平均废品数为 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27. n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到n天中每天的平均废品数为 (假定小张每天至多出三件废品) 一般来说,若统计n天, 这是 以频率为权的加权平均 由频率和概率的关系 不难想到，在求废品数X 的平均值时，用概率代替 频率，得平均值为 这是 以概率为权的加权平均 这样得到一个确定的数. 我们就用这个数作为随机变量X的平均值 ,这才是理论上的(也是真的)平均值. 则对X作一系列观察(试验)，所得X的试验值的平均值也是随机的. 由此引入离散型r.vX的数学期望的定义如下: 对于一个随机变量，若它可能取的值是x1,x2, …, 相应的概率为 p1,p2, …, 但是，如果试验次数很大，出现Xk的频率会接近于pk，于是可期望试验值的平均值接近 定义1 设X是离散型随机变量，它的概率函数是: P(X=Xk)=pk , k=1,2,… 也就是说,离散型随机变量的数学期望是一个绝对收敛的级数的和. 如果 有限,定义X的数学期望 例2 掷一颗均匀的骰子，以X表示掷得的点数，求X的数学期望。 例3 设离散型随机变量X的分布如下: X -2 -1 0 1 2 P 0 .2 0.1 0.3 0.25 0.15 求E(X) 二、连续型随机变量的数学期望 定义2 设X是连续型随机变量，其密度函数 为 f (x),如果 有限,定义X的数学期望为 也就是说,连续型随机变量的数学期望是一个绝对收敛的积分. 几个重要r.v.的期望 1).0