随机变量的数字特征.pdfVIP

3. 5 随机变量的数字特征 教学要求 本节要求切实掌握随机变量的数学期望、方差等数字特征的定义及其含义，并能够 熟练地运用数学期望或方差的计算公式及其性质求解一些具体问题．对于一些常用的分 布，不但要会按定义进行数学期望、方差的计算，还要熟记它们的概率分布或密度函数、 数学期望和方差，并能灵活运用． 知识点 1. 体现随机变量“平均取值”的数学期望 2. 离散型随机变量的数学期望 3. 连续型随机变量的数学期望 4. 几种重要随机变量的数学期望 5. 数学期望的基本性质 6. 随机变量的方差的概念 7. 离散型随机变量的方差 8. 连续型随机变量的方差 9. 几个重要随机变量的方差 10. 方差的基本性质 *11.随机变量函数的数学期望 *12.配对问题的数学期望 3.5.1 体现随机变量“平均取值”的数学期望 上一节，我们讨论了随机变量的分布函数、密度函数和概率分布，这些都能全面完整 地描述随机变量．但是在实际问题中，要求出随机变量的分布函数或密度函数是比较困难 的，而且在很多情况下，并不需要全面考察随机变量的变化情况，而只要知道其某些数字 特征即可．这些数字特征虽然不一定能够完整地描述随机变量，但是它能够描述随机变量 在某些方面的重要特征．因此，研究随机变量的数字特征在理论上和实际中都有重要的意 义．为此我们将介绍能够反映随机变量取值的集中性和分散性的数字特征：数学期望和方 差． 对于随机变量，我们想要定义一个数，使它能够体现出随机变量的“平均取值”．下 1 面先看一个例子． 例 3.5.1 在一盒子中装有n张卡片，这n张卡片上分别标有 1,2,…,n ，现随机地从盒中抽 取一张卡片，记下数字后再放回，则卡片上的数字ξ是一个随机变量，若共进行了N 次试 验，出现数字 1,2,…,n 的次数分别为μ , μ ，…, μ (μ + μ + …+ μ =N )则N 次试验出 1 2 n 1 2 n n 现的数字总和为 ∑k µk ，每次取得数字的算术平均值为: k 1 1 n n µk n ∑kµk ∑k ∑kf (k ) N k 1 k 1 N k 1 其中f (k)= μ/N 是N 次试验中ξ取得k值的频率．当N 充分大时，事件“ξ=k ”发生的频率 k μ/N 与对应的概率p 很接近，算术平均数 k k n µk n n k kf (k ) ≈ k p ∑ ∑ ∑ k k 1 N k 1 k 1 n 因此，∑k p k 能够体现出随机变量ξ的“平均取值”． k 1 数学期望是度量一随机变量取值集中位置或平均水平的最基本的数字特征．因此 我们要分别讨论离散型随机变量的数学期望和连续型随机变量的数学期望． 3.5.2 离散型随机变量的数学期望 由前面的讨论，我们知道:数学期望是度量随机变量取值平均水平的数字特征，我们 首先引入离散型随机变量数学期望的概念． 定义. 设离散型随机变量ξ的概率分布为 P ( ξ=x k )=p k (k=1,2,… ) ∞ ∞ 如果级数∑| xk | p k 收敛，则称∑xk p k 为随机变量ξ的数学期望，记为E (