工程硕士概率论与数理统计第8讲 期望.pptVIP

因每个球落入每个盒子是等可能的均为1/M, 所以，对第i 个盒子，一个球不落入这个盒子内的概率为(1-1/M)。 故N个球都不落入这个盒子内的概率为(1-1/M)n ，即 小结 本讲介绍了随机变量数学期望的概念、性质及计算，给出了几种常用随机变量的数学期望，介绍了求随机变量函数数学期望的方法。 * 前面讨论了随机变量及其分布。 知道了随机变量 X 的概率分布，关于 X 的全部概率特征也就知道了。但实际问题中，概率分布是较难确定的。且有时我们并不需要知道随机变量的所有性质，只要知道其一些特征(数字特征)就够了。 因此，确定随机变量的某些数字特征是非常重要的。最常用的数字特征是： 期望 方差 数字特征 一 离散型随机变量的数学期望 １概念 某车间对工人生产情况进行考察，车工小张每天生产的废品数 X 是一个随机变量。如何定义 X 的平均值？ 数学期望 若统计了100天小张生产产品的情况，发现： 32天没有出废品；30天每天出一件废品； 17天每天出两件废品；21天每天出三件废品。 可以得到这100天中每天的平均废品数为 这100天中每天的平均废品数为 可以想象：若另外再统计100天，其中不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，即另外100天每天的平均废品数也不一定就是1.27。 n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到这n天中，每天的平均废品数为 (假定每天至多出三件废品) 一般来说, 若统计了n天, 这是以频率为 权的加权平均 由频率与概率的关系， 不难想到：求废品数X的平均值时，用概率替代频率，得平均值为： 这是以概率为 权的加权平均 这就得到一个确定的数 ——随机变量X的期望(均值) 。 定义1: 设X是离散型随机变量, 概率分布为 P{X=xk}=pk , k=1,2, …。 也就是说：离散型随机变量的期望是一个绝对收敛的级数和。 如果 收敛, 则称 为X 的数学期望(或均值)。 在 X 取可列无穷个值时，级数绝对收敛 可以保证“级数之值不因级数各项次序的改 排而发生变化”，这样E(X)与X取值的人为排列次序无关。 例1：有4只盒子，编号为1, 2, 3, 4。现有3个球，将球逐个独立地随机放入4只盒子中。用X 表示其中至少有一个球的盒子的最小号码，求E(X)。 解：先求概率分布。 X 所有可能取值1, 2, 3, 4。 {X=i} ={i号盒中至少有一个球}，i=1, 2, 3, 4。 求 P{X=1}. 考虑 {X=1} 的对立事件：{1号盒中没有球}，其概率为 (3/4)3，因此 {X=2} 表示 {1号盒无球，2号盒至少有一个球}。 于是， 类似地得到： 1）两点分布：X ～B(1, p), 0 p 1，则 E(X)= 1?p + 0?(1-p) = p . ２.常用离散型随机变量的数学期望 2）二项分布：X ～ B(n, p)，其中 0 p 1，则 据定义和级数概念进行推导。 3）泊松分布: X ～ P(?)，其中? 0 ，则 E(X)= ? . 例2：某种产品次品率为 0.1。检验员每天检验 4 次,每次随机抽取10件产品检验，如发现次品数大于 1, 就调整设备。 若各件产品是否为次品相互独立, 求一天中调整设备次数的期望。 解：用X 表示10件产品中次品数，则X~B(10, 0.1)，每次检验后需要调整设备的概率为 用 Y 表示一天中调整设备的次数，则Y~B(n, p)，其中n=4, p=0.2639。所求期望 二 连续型随机变量的数学期望 １. 定义的引入 设X是连续型随机变量，密度函数 f(x) 在数轴上取很密的点 x0 x1 x2…, 则X 落在小区间 [xi , xi+1) 的概率是 在小区间[xi, xi+1)上 阴影面积≈ 小区间[Xi, Xi+1) 由于xi与xi+1很接近, 所以区间[xi, xi+1)中的值可用 xi 来近似地替代。 这正是 的渐近和式。 阴影面积≈ 近似, 因此, X与以概率 取值 xi 的离散型r.v 该离散