概率论与数理统计41-42.pptVIP

练习： 一个盒中装有2个白球，3个黑球，每次从中任取一个，直到取得白球为止。求取球次数X的数学期望. （1）每次取出的球不再放回； （2）每次取出的球再放回。 例4：设随机变量X和Y相互独立，概率密度分别为 求E(XY)。 解：X 和Y 相互独立，故： X:一维离散型 X:一维连续型 (X,Y):二维离散型 (X,Y):二维连续型 Xi相互独立 设C是常数，则 E(C)=C; 设 X, Y 相互独立，则 E(XY)=E(X) · E(Y); 设C是常数，则E(CX)=CE(X); E(X+Y ) = E(X)+E(Y); 推广： 推广： 数学期望的性质 请注意: E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 P93的例4 X, Y 相互独立 E(XY)=E(X) · E(Y) P93的例5 本题是将X分解成数个随机变量之和 然后利用数学期望的性质 此方法具有一定的意义. 例：将n个球放入M个盒子中, 设每个球落入各个盒子是等可能的,求有球的盒子数X 的期望。 解：引入随机变量 则 X=X1+X2+…+XM E(X)=E(X1)+E(X2)+ …+E(XM) Xi P 一民航送客车载有20位旅客自机场开出，旅客有10个车站可以下车，如到达一个车站没有旅客下车就不停车。以X表示停车的次数，求E(X)。(设每位旅客在各个车站下车是等可能的，并设各旅客是否下车相互独立.) 数学期望在医学上的一个应用 考虑用验血的方法在人群中普查某种疾病。集体做法是每10个人一组，把这10个人的血液样本混合起来进行化验。如果结果为阴性，则10个人只需化验1次；若结果为阳性，则需对10个人在逐个化验，总计化验11次。假定人群中这种病的患病率是10%，且每人患病与否是相互独立的。试问：这种分组化验的方法与通常的逐一化验方法相比，是否能减少化验次数？ 分析：设随机抽取的10人组所需的化验次数为X 我们需要计算X的数学期望，然后与10比较 化验次数X的可能取值为1，11 先求出化验次数X的分布律。 (X=1)=“10人都是阴性” （X=11)=“至少1人阳性” 结论：分组化验法的次数少于逐一化验法的次数 注意求 X期望值的步骤！ 1. 概率p对是否分组的影响 问题的进一步讨论 若p=0.2，则 当p0.2057时，E(X)10 2. 概率p对每组人数n的影响 当p=0.2时，可得出n10.32，才能保证EX10. 当p=0.1时，为使 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。 X:一维离散型 X:一维连续型 (X,Y):二维离散型 (X,Y):二维连续型 * * * * 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 前面讨论了随机变量及其分布。 如果我们知道了随机变量 X 的概率分布，那么关于 X 的全部概率特征也就知道了。 然而，在实际问题中，概率分布是较难确定的。且有时在实际应用中，我们并不需要知道随机变量的所有性质，只要知道其一些数字特征就够了。 因此，在对随机变量的研究中，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： 数学期望、方差、协方差和相关系数 数学期望的引例 例如：某7人的高数成绩为90，85，85，80，80，73， 60，则他们的平均成绩为 以频率为权重的加权平均 数学期望的引例 变形：现将这7个成绩(90,85,85,80,80,73,60 )写在7张纸条上，放入一袋中。现从袋中任取一张纸条，用X表示抽到的成绩，则X分布律为： 若用E(X)表示X的平均值，即抽到的平均成绩，应有 随机变量的平均值(即期望)是以概率为权重的加权平均 数学期望E(X) Mathematical Expectation 一维离散型随机变量 定义：设离散型随机变量X的概率分布为 若级数 绝对收敛，则称此级数为随机变量X的数学期望(简称期望)或均值，记作E(X)，即 若级数 不绝对收敛，则称X的期望E(X)不存在。 关于定义的几点说明 (2) 当随机变量取值有限时，数学期望一定存在；当随机变量取值无穷时，要求级数要绝对收敛，数学期望不一定存在。 (1) E(X)是一个实数,而非变量,它是一种加权平均,与一般的平均值不同 , 它从本质上体现了随机变量 X 取可能值的真正的平均值。 (3) 级数的绝对收敛性保证了级数的和不随级数各项次序的