第四篇 章第一节 数学期望 概率论课件.pptVIP

根据随机变量函数数学期望的计算公式, 有 设国际市场上对我国某种出口商品每年的需求量是随机变量X(单位: 吨).X服从区间[2000,4000]上的均匀分布.每销售出一吨商品,可为国家赚取外汇3万元; 若销售不出,则每吨商品需贮存费1万元.求:应组织多少货源,才能使国家收益最大? 例 7. 设组织货源t吨. 显然，应要求 2000 ≤ t ≤ 4000. 国家收益Y(单位:万元)是X的函数Y=g(X). 表达式为 解 由已知条件, 知X的概率密度函为 可算得当 t=3500 时, E(Y)=-2t2 + 14000t-8000000 达到最大。因此，应组织3500吨货源. 说明： 前面我们给出了求g(X)的期望的方法。实际上，该结论可轻易地推广到两个随机变量函数Z=g(X,Y)的情形。 第四章第一节 数学期望 前面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. 在实际问题中，概率分布是较难确定的. 且有时在实际应用中，我们并不需要知道随机变量的所有性质，只要知道它的某些数字特征就够了. 更重要的是一些分布可以由它的某些数字特征完全刻画. 因此，在对随机变量的研究中，确定随机变量的某些数字特征是非常重要的. 期望和方差 最常用的数字特征是： 一、离散型随机变量的数学期望 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？ 若统计了100天小张生产产品的情况，发现 可以得到这100天中每天的平均废品数为 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; 定义1 设X是离散型随机变量，其概率分布是: 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和. 如果 有限, 定义X的数学期望 随机变量的概率分布与 其取值的先后次序无关 例1 甲, 乙两人进行打靶, 所得分数分别记为 它们的分布律分别为 试评定他们的成绩的好坏. 解 我们来计算 的数学期望, 得 (分). 这意味着, 如果甲进行很多次的射击, 那么, 所 得分数的算术平均就接近 1.8, 而乙所得分数的 数学期望为 例1 甲, 乙两人进行打靶, 所得分数分别记为 它们的分布律分别为 试评定他们的成绩的好坏. 解 这意味着, 如果甲进行很多次的射击, 那么, 所 得分数的算术平均就接近 1.8, 而乙所得分数的 数学期望为 很明显, 乙的成绩远不如甲的成绩. 例2 某种产品每件表面上的疵点数服从参数 的泊松分布, 若规定疵点数不超过 1 个为一等品, 值 10 元; 疵点数大于 1 个不多于 4 个为二等品, 价值 8 元; 疵点数超过 4 个为废品, 求: (1) 产品的废品率; (2) 产品价值的平均值. 解 设 代表每件产品上的疵点数, 由题意知 价 价 因为 所以产品的废品率为 设 代表产品的价值, 那么 的概率分布为: 所以产品价值的平均值为 两点分布：X ～ B(1,p), 0 p 1. E(X)= 1?p+0?(1-p) = p. 常见离散型随机变量的数学期望 二项分布：X ～ B(n,p)，其中 0 p 1. 泊松分布: X ～ P(?), 其中?0 . E(X)= ?. 二、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f(x), 在数轴上取很密的点x0x1x2…, 则X落在小区间[xi, xi+1)的概率是 在小区间[xi, xi+1)上 阴影面积≈ 小区间[Xi, Xi+1) 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可用 xi 来近似地替代. 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 从该启示出发，我们引进如下定义. 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值. 例3 已知随机变量 的分布函数 求 解 随机变量 的分布密度为 故 若X~U[a,b], 即X服从[a,b]上的均匀分布, 则 若X服从 若X服从参数为 由随机变量数学期望的定义，不难计算得： 上述证明课堂上讲授