随机变量里的数学期望4-1.ppt

假设在 n 个考试成绩中， xi 分的有mi个 ( i = 1, 2,??? , k), 那么全部考分的平均分 = ? ⑴ k 阶原点矩 例4 -1 已知 X 的分布律如下表所示，试求 E ( X )， E ( X 2 ) 和 E ( 2X－3X 2 ). 例4-2 已知 (X ,Y )的联合分布律如右表所示. 求 E( X ), E ( Y ) , E ( XY ) 和 E ( X＋Y ) . 例4-3 随机变量X 的概率密度 Y =－2X ＋1 和 Y =－X 2 ＋1 的数学期望 . *例4 -4 ( X , Y ) 的概率密度 ⑴ E (X) , E (Y ) ； ⑵ E (XY) , E (X 2+Y 2) . *例4 -4 ( X , Y ) 的概率密度 ⑴ E (X) , E (Y ) ； ⑵ E (XY) , E (X 2+Y 2) . 例4-5 X 和Y 相互独立, 二者的概率密度 则 E (XY ) ＝ ( ). 退出 退出 一 四 二 退出 三 退出 返回 1. 定性定义 随机变量 X 的平均取值称为其数学期望, 记为 随机变量X 对其平均取值以偏差平方的形式所给出的平均 波动，称为 X 的方差，记为 亦即 方差实际上也是一种数学期望，是随机变量减其数学 期望的平方的数学期望. 用较为专业的术语讲，它是随机 变量的函数的数学期望. 因此，求随机变量平均取值以及随机变量对其平均取 值以偏差平方形式给出的平均波动问题，从本质上而言， 归根结底就是如何求随机变量及其函数的数学期望问题. x1m1 + … + xkmk 平均分 = n 退出 上式表明，将各种不同考分 xi ( i = 1, 2,??? , k) 与其在全体考生中所占的百分比 fi 相乘后再相加 结果就是全部考分的平均分 ！ 类似地可解释其还等于在整个平面上的重积分. 退出 返回 2. 随机变量数学期望 E ( X ) 的定量算法 ⑴ 对离散型变量 ⑵ 对连续型变量 或 或 【对连续变量求算公式的简短解释】 依概率密度的含义，连续随机变量在长为 dx 的区间上 因此，该随机变量在整 近似取值 x 的概率应等于 个实轴上的平均取值就应等于前二者之乘积 在 整个实轴上的全部累加之和，即应等于其在实轴上的积分 退出 返回 3. 六大常见分布的数学期望与分布参数的关系 迫松分布 ? P ( ? ) 0-1分布 p B ( 1, p ) 指数分布 1 /λ E ( λ ) 正态分布 ? N ( ? ,? 2 ) 均匀分布 备注 数学期望E ( X ) 分布符号 二项分布 n p B ( n, p ) 运用数学期望 的定量算法可以证实 六大常见分布的数学期望与分布参数的关系如下表所示 退出 返回 *1. 随机变量的常见函数、数学期望及其名称 是 X 与Y 与各自数学期望之差的乘积的数学期望. 【例如】 恰是 X 自身的数学期望. X 的一阶原点矩 是 X 平方的数学期望. X 的二阶原点矩 X 的二阶中心矩 是 X 减其数学期望的平方的数学期望. ⑷ k + l 阶混合中心矩 ⑵ k 阶中心矩 X 的二阶混合原点矩 是 X 与Y 乘积的数学期望. X 的1+1阶混合中心矩 ⑶ k + l 阶混合原点矩 退出 返回 定理一 设一元函数 g (x) 连续，则 当 X 是连续型变量且其一维概率密度为 时 当 X 是离散型变量且一维分布律为 时 定理二 设二元函数 g (x , y) 连续，则 当 (X, Y )是连续型变量且二维联合概率密度为 时 当 (X, Y ) 是离散型变量且二维分布律为 时 2. 函数数学期望的一般算法 退出 ( 设 C 是常数 ) 又当 X，Y 相互独立时 4) 3) 1) 2) 返回 【选证】 若X，Y 相互独立, 则 退出 返回 试求随机变量 U = 2X + 3Y + 1 与V =YZ－4X 的数学期望. 解 ∵ Y , Z 相互独立, 例3-1 设 X, Y , Z 相互独立, E( X ) = 5, E( Y ) = 11, E( Z ) = 8. , ∴ 1/8 1/8 5/8 1/8 Pi 9 4 3 2 X 解 退出 返回 解 0.3 0.3 2 0.1 0 2 0.2 0.1 1 1 0