《概率统计教学资料》第3章随机变量的数字特征.pptVIP

1. 离散随机变量的数学期望 2. 连续随机变量的数学期望 思考 随机变量函数的数学期望：公式法 例.设X服从超几何分布H(n,M,N),求E(X). 方差 (Variance 或 Dispersion) 注: 方差的计算 (2)利用方差公式 方差的性质 原点矩与中心矩 协方差和相关系数 定义: 设离散随机变量X的概率函数为 若级数 绝对收敛 则随机变量X的数学期望 (简称期望或均值) 为 否则，称X的数学期望不存在. 数学期望 注1o E?X?是一个常数, 它是一种加权平均. 与一般的平均值不同, 它从本质上体现了X 取 可能值的真正的平均值, 也称均值. 注2o 级数的绝对收敛性保证了级数的和不随 级数各项次序的改变而改变. 因为数学期望是反映随机变量X 取可能值的 平均值, 它不因可能值的排列次序而改变. 则X的数学期望（或均值）为 绝对收敛 若积分 否则，称X的数学期望不存在. 定义. 设连续随机变量X的概率密度为f (x), 任一随机变量X都有数学期望（或均值）吗？ 反例：设X服从柯西分布(Cauchy distribution ), 求数学期望E(X). 解: （不绝对收敛） 不存在 密度函数为 定理 设X是一个随机变量, Y? g(X), 则 当X为离散型时, P(X?xi) ?pi , (i ?1,2,…); 当X为连续型时, X的密度函数为f (x). 数学期望的性质 问题还原： 设有一批产品共N件， 其中有M件次品 和N-M件合格品， 不放回地抽取n件样品， n件样品中的次品数X的数学期望。 求抽出的 解： 设Xi表示第i次取出的样品中的次品数， 则 Xi服从“0-1”分布： Xi的数学期望 则X的数学期望 常见的基本方法：可以将一个比较复杂的随机变量 X 拆成有限多个比较简单的随机变量 Xi 之和, 再利用期望性质求得X的期望. n次抽样中的次品数X, 定义. 设X是一随机变量， 则称E[X-E(X)]2称为X的方差, 记作D(X) 即 方差的算术平方根 称为 X 的标准差， 记作 即 若E[X－E(X)]2存在， (2) 方差D(X) 用来体现随机变量X取值分散的程度, 反映了X偏离其数学期望E(X)的程度. (3) 如果D(X)值越大(小)， 表示X取值越分散(集中), 以E(X)作为随机变量X的代表性越差（好）. ≥0 ; (1) 由定义知，D(X)=E[X-E(X)]2 (1)利用随机变量函数的数学期望公式 离散随机变量的方差 连续随机变量的方差 且E(X2) 也存在, 则 证明: 定理：设随机变量X的数学期望E(X)存在， U(a, b) e(? ) P(? ) ? ? B(n, p) (0—1) p pq np npq 常用随机变量的期望与方差 分布 分布列或密度函数 期望 方差 1. k 阶原点矩： 2. k 阶中心矩： 特别地，k=1,E(X)为数学期望. k=2, E[X-E(X)]2为方差. k=2,E(X2)为2阶原点矩,其计算公式 特别地，k=1, E[X-E(X)] =0.