概率论与数理统计PT课件第四章大数定律及中心极限定理03.pptVIP

作业：127页 4.1; 4.7; 4.8； 4.9。 例9 设二维随机变量(X ,Y)的密度函数为 求E(X), E(Y), E( X + Y ), E(XY), E(Y / X) 解: 数学期望的性质 数学期望的性质 注意：X ,Y 相互独立 解： 设每年生产 y 吨的利润为Y 显然，2000 y 4000 例10. 市场上对某种产品每年的需求量为X 吨 ， X ~ U [2000,4000], 每出售一吨可赚3万元 ,售不出去，则每吨需仓库保管费1万元，问应该生产这中商品多少吨, 才能使平均利润最大？ 最终， 显然，y = 3500 时，E (Y )最大， E(Y)max =8250万元. 例11.假设由自动线加工的某种零件的内径 X (mm)~ N (? ,1). 已知销售每个零件的利润T (元)与销售零件的内径 X 有如下的关系： 问平均直径? 为何值时，销售一个零件的平均利润最大？ 解： 则由数学期望定义知： 例11.（续） 即： 可以验证， 零件的平均利润最大. 故 时销售一个 解：(1) 设整机寿命为 N , 五个独立元件,寿命分别为 都服从参数为 ? 的指数分布，若将它们 (1)串联； (2)并联 成整机，求整机寿命的均值. 例12. 即 N ~ E( 5?), (2) 设整机寿命为 M , 例12.（续） 可见，并联组成整机的平均寿命比串联组成整机的平均寿命长11倍之多. 注： 128页的4.20与此例为同一模型。 例12.（续） E (C ) = C E (aX ) = a E (X ) E (X + Y ) = E (X ) + E (Y ) 当X ,Y 相互独立时， 数学期望的性质 E (X Y ) = E (X )E (Y ) . 性质 4 的逆命题不成立，即 若E (X Y) = E(X)E(Y)，X ,Y 不一定相互独立. 反例1 X Y pij -1 0 1 -1 0 1 0 p? j pi? 注 X Y P -1 0 1 但 若X ≥0，且EX 存在，则EX ≥0。 推论: 若X ≤Y，则EX ≤EY；特别地，若 a≤X≤b，a , b为常数，则a ≤EX ≤b . 证明：设 X 为连续型，密度函数为f (x), 则 由X ≥0 得： 所以 性质2和3 性质4 例1.设 X～N(10,4)，Y～U[1,5]，且X 与Y 相互独立，求 E(3X＋2XY－Y＋5)。 解： 由已知， 有 E(X)＝10, E(Y)＝3. 例2.(二项分布 B(n,p)) 设单次实验成功的概率是 p，问n次独立重复试验中，期望几次成功？ 解: 引入 则 X＝ 是n次试验中的成功次数。 因此， 这里， X～B(n,p)。 例3:将 4 个可区分的球随机地放入 4 个盒子 中，每盒容纳的球数无限，求空着的盒子 数的数学期望. 解一:设 X 为空着的盒子数, 则 X 的概率分 布为 X P 0 1 2 3 * 第四章 数学期望和方差 　　分布函数能够完整地描述随机变量的 统计特性，但在实际问题中，随机变量的 分布函数较难确定，而它的一些数字特征 较易确定．并且在很多实际问题中，只需 知道随机变量的某些数字特征也就够了. 　　另一方面，对于一些常用的重要分布， 如二项分布、泊松分布、指数分布、正态 分布等，只要知道了它们的某些数字特征， 就能完全确定其具体的分布。 随机变量的平均取值 —— 数学期望 随机变量取值平均偏离平均值的 情况 —— 方差 描述两个随机变量之间的某种关 系的数 —— 协方差与相关系数 本 章 内 容 引例: 测量 50 个圆柱形零件直径（见下表） 则这 50 个零件的平均直径为 尺寸（cm） 8 9 10 11 12 数量（个） 8 7 15 10 10 50 §4.1 数学期望 换个角度看，从这50个零件中任取一个，它 的尺寸为随机变量X , 则X 的概率分布为 X P 8 9 10 11 12 则这 50 个零件的平均直径为 称之为这 5 个数字的加权平均，数学期望的 概念源于此. 定