离散型随机变量以及函数均值.pptVIP

随机变量的均值（期望，数学期望） * 随机变量的均值 今天我们学习。。。 一：离散型随机变量均值定义 背景：赌徒丢骰子一次，可能得到的点数X是一个随机变量，假定概率分布： = 1×(n1/n)+2×(n2/n)+3×(n3/n)+4×(n4/n)+5×(n5/n)+6×(n6/n) = 1×n1/n+2×n2/n+3×n3/n+4×n4/n+5×n5/n+6×n6/n (1×n1+2×n2+3×n3+4×n4+5×n5+6×n6) /n P(X=1)= P(X=2)= 0.1， P(X=3)= P(X=4)= 0.15，P(X=5)=P(X=6)=0.25. 现在，假定总共抛掷骰子n次，其中出现i点次数为ni，则平均每次得到点数为 X Pr 1 2 3 4 5 6 0.1 0.1 0.15 0.15 0.25 0.25 1×(n1/n)+2×(n2/n)+3×(n3/n)+4×(n4/n)+5×(n5/n)+6×(n6/n) 定义：离散随机变量X，P(X=ai)=pi, i ∈△, 若∑i∈△ ai pi 绝对收敛，则称∑i∈△ ai pi为随机变量X的均值，（期望， Expectation），记EX= ∑i∈△ ai pi 首先 我们推导一个备用公式 时： 因为 时 ，令m趋向无穷大，得 ，然后，在 两边求导，得到 ，又因为 时 ，因此， 时 因为 时 解：首先 P(Y=k)=(1-0.2)k-10.2, k=1,2,3,…, 因此 EY=∑1 ≤k ≤∞ [k×P(Y=k)] =∑1 ≤ k≤∞ [k(1-0.2)k-10.2] =0.2∑1 ≤ k≤∞（0.8k-1k） 例1：射击目标，每次开枪击中的概率0.2，独立射击到击中为止总共 射击的次数Y是一个随机变量，它的平均值EY指的是击中为止，平均 射击次数，我们感觉应该等于1/0.2=5次，下面按照定义计算EY： 按照公式 不难求得 EY=0.2∑1 ≤ k≤∞（0.8k-1k）=0.2/(1-0.8)2=5 计算结果和我们的感觉是吻合的 讲下一个例题之前，在推导一个公式 证明：由牛顿二项式展开 两边对x求导： 注意到 项为常数项，对于x求导为零，因此 最后，将左右两个等式同时乘以x就可以得到 例2：接上例，若射击100子弹击中次数Z，求EZ 解： 因为Z~B(100,0.2), 所以 由推导公式 得： （令n=100,x=0.2,a=1-0.2即可） 这个结果也和我们的感觉相吻合,随机变量均值定义合理！ 求随机变量函数的均值例： X Pr -1 1 0 2 0.2 0.1 0.3 0.4 ，求EX2 X2 Pr (-1)2 12 02 22 0.2 0.1 0.3 0.4 解:如果相等取值的概率不做合并，分布表写成 EX2=(-1)2×0.1+02×0.2+12×0.4+22×0.3=1.7 而如果按照合并后的分布表计算 X2 Pr (-1)2 12 02 22 0.2 0.1 0.3 0.4 X2 Pr 1 02 22 0.2 0.3 0.1+0.4 EX2= 02×0.2+1×(0.1+0.4)+22×0.3=1.7 比较结果说明，计算随机变量期望过程中，取值相等，概率 可以不做合并 一般地：若知道随机变量X的概率分布 X a1 a2 … an (…) (…) Pr p1 p2 … pn 求X函数h(X)的均值，不必合并h(X)取值相等的概率 , h(X) h(a1) … (…) (…) Pr p1 p2 … pn h(a2) h(an) 得到h(X)均值 *