概率论与数理统计-数学期望E(X)分析解析 .PPT

第四章 随机变量的数字特征 数学期望 方差 * 协方差与相关系数 大数定律与中心极限定理 数学期望的引例 Mathematical Expectation 例如：某7人的高数成绩为90，85，85，80，80， 75，60，则他们的平均成绩为 以频率为权重的加权平均 数学期望E(X) Mathematical Expectation 定义 设离散型随机变量的概率分布为 离散型随机变量 随机变量X的数学期望，记作E（X），即 X P 4 1/4 5 1/2 6 1/4 数学期望的计算 已知随机变量X的分布律： 例 求数学期望E（X） 解 连续型随机变量的数学期望E(X) 连续型随机变量 定义 设连续型随机变量X的概率密度为 f (x), 则 即 数学期望的计算 已知随机变量X的密度函数为 例 求数学期望。 解 数学期望的意义 试验次数较大时，X的观测值的算术平均值 在E(X)附近摆动 数学期望又可以称为期望值(Expected Value)， 均值(Mean) E(X)反映了随机变量X取值的“概率平均”,是X的 可能值以其相应概率的加权平均。 二维随机变量的数学期望及边缘分布的数学期望 (X,Y)为二维离散型随机变量 (X,Y)为二维连续型随机变量 设(X,Y)的联合密度为 例 (1) 求k (2) 求X和Y的边缘密度 (3) 求E(X), E(Y). (1)由 解 所以 所以 得 1 1 3 时 (2) （３） 时 1 1 3 1 1 3 （３）另解 无需求 边缘分布密度函数 随机变量的函数的数学期望 定理 1：一维情形 设 是随机变量 X的函数, 离散型 连续型 概率密度为 服从 已知 上的均匀分布，求 的数学期望。 因为 所以 例 解 随机变量的函数的数学期望 定理 2：二维情形 联合概率密度为 设 是随机变量 X， Y的函数, 连续型 离散型 1 5 例 设相互独立的随机变量X，Y的密度函数分别为 求E（XY） 解 数学期望的性质 相互独立时 当随机变量 . C 为常数 . . 设（X,Y）在由4个点（0，0）（3，0），（3，2), (0,2)决定的矩形域内服从均匀分布，求E(X+Y),E(X2) E(Y2),E(XY). 3 0 2 答案： 0-1分布的数学期望 X服从0-1分布，其概率分布为 P(X=1)=p P(X=0)=1- p X P 0 1 1-p p 若X 服从参数为 p 的0-1分布， 则E(X) = p 分布律 数学期望 If X~B( n, p ), then E(X)= np 二项分布的数学期望 分布律 X服从二项分布，其概率分布为 数学期望 二项分布可表示为 个０－１分布的和 其中 则 泊松分布的数学期望 If , then 分布律 数学期望 均匀分布的期望 分布密度 数学期望