《概率论——数学期望》.docVIP

第四章 随机变量的特征数 每个随机变量都有一个概率分布（分布函数，或分布律、概率密度），这个分布完整地刻画了随机变量的统计规律性。然而在许多实际应用问题中，人们更关注这个概率分布的一些综合特征，这些综合特征是概率分布某方面信息的概括并且可用一个数值表示。这种由随机的分布确定的，能刻画随机变量某方面特征的常数统称为数字特征或特征数。 例如，考虑某种元件的寿命，如果知道了其寿命的概率分布，那么就把握了元件寿命的所有概率信息。比如可以计算出寿命在任一指定范围内的概率。根据这一分布，还可以确定用以反映寿命平均水平的特征数-数学期望，以及用以刻画寿命值的散布程度（或稳定程度）的特征数-方差.这些特征数虽不能对寿命状况提供完整刻画,但却往往是人们最为关注的一个方面.无论在理论上还是在实用中，这些特征数都有着极重要的意义.尤其是实用中,概率分布虽很“完美”,但难以把握;而特征数则容易把握,并且特征数是以一个“醒目”的数值刻画随机变量的某种特征,这也使得应用方便. §4.1 随机变量的数学期望 一. 数学期望的定义 定义 设离散型随机变量的分布律为 ， 如果 则称为的数学期望，记为，即 若级数不绝对收敛，则称的数学期望不存在。 由以上定义可看出，若只取有限个值，则它的数学期望总是存在的。而若取可列个值，则它的数学期望不一定存在，是否存在就看级数是否绝对收敛，这个要求的目的在于使期望值唯一。因为若无穷级数只是条件收敛，则可通过改变这个级数各项的次序，使得改变后的级数不收敛或收敛到任意指定的值，这意味着这个级数的和存在与否，以及等于多少，与的取值的排列次序有关，而作为刻画取值的平均水平的特征数，具有客观意义，不应与的取值的排列次序有关。 由定义，的期望值就是其所有可能取值的加权平均，每个可能值的权重就是取该值的概率，因此的数学期望又称为的均值。同时还可看出的数学期望只依赖于的概率分布，因此随机变量的期望又叫分布的期望。 期望的定义可以用概率的频率定义来解释:设想是一个机会游戏的某个参与者的所得,每次游戏,该参与者以概率赢得元.如果他连续多次玩这个游戏,比如次,赢得元的次数记为次,那么在次游戏中,他平均所得为.由概率的频率定义,在很大时,频率近乎概率,那么上述平均值近乎于期望值. 对于连续型随机变量,以积分代替求和,从而得到连续型随机变量的期望的定义. 定义 设连续型随机变量的密度函数为，如果 则称 为的数学期望，简称为期望或均值.若不收敛，则称的数学期望不存在. 注:期望这一概念可类比于质量分布的质心这一物理概念.把概率分布看作质量在轴上的分布.在离散场合,概率看作点处的质量,那么该质量分布的质心的坐标为，即为期望值.在连续场合,概率密度函数相应于质量分布密度,质量分布的质心的坐标为，同样是期望值. 例4.1.1 (1)设随机变量的分布律为 的数学期望是否存在? 例4.1.2 按规定，某车站每天8:00～9:00,9:00～10:00都各有一辆客车到站，且到站时刻是随机的，两者到站时间相互独立，其规律为 到站时刻 8:10 9:10 8:30 9:30 8:50 9:50 概率 一旅客8:20到车站，求他候车时间的数学期望。 解 设旅客候车时间记为（单位：min）,则的分布律为 10 30 50 70 90 因此的数学期望为 (min). 例4.1.3 在一个人数很多的团体中普查某种疾病,为此需抽验个人的血,可以用两种方法进行.(i)将每个人的血分别去验,这需要验次.(ii)按个人一组进行分组,把个人的血混在一起进行检验,如果这混合血液呈阴性反应,说明个人的血都呈阴性反应.这样, 个人的血液就只需验一次.若呈阳性,则再对这个人的血液逐一检验.这样, 个人的血液就共需验次.假设每个人血液化验呈阳性的概率为,且这些人的试验反应是相互独立的.试说明当较小时,选取适当的,按第二种方法可以减少化验次数,并说明取什么值时最适宜. 解 设个人以为一组时, 个人共需化验的次数为,则的分布律为 这里. 的数学期望为 , 由此可知,只需选取使得 ,即, 便可使第二种方法减少平均化验次数. 要使最大程度地减少平均化验次数,需选取使得 小于1且取到最小值.这时就能得到最好的分组方法. 例如, ,则当时得到最好的分组方法.若,则按第二次方法平均只需化验次数为 , 这样平均来说,可以减少40%的工作量. 例4.1.4 随机变量的密度函数为 求. 解： . 二. 随机变量函数的期望 如果知道了随机变量的概率分布（分布律或概率密度），我们可以利用其概率分布计算的数学期望。而计算的函数（比如）的期望是经常遇到的问题，既然本身也是一个随机变量，有自己的概率分布，这个分布可通过的概率分