概率论与数理统计4.1 期望.pptVIP

* §4.1 数学期望 §4.2 方差 §4.3 协方差和相关系数 §4.4 矩和协方差矩阵 随机变量的数字特征 第四章 （6学时） 第四章 随机变量的数字特征（即用数字表示随机变量的 分布特点），在理论上和应用上都是有重要意义的。 本章介绍随机变量常用的数字特征：数学期望、方 差、协方差、相关系数。 对于随机变量来说，有时不仅要知道它的概率分 布，还希望知道随机变量取值的“平均”大小，下面 介绍随机变量的数学期望。 §4.1 数学期望 三、随机变量函数的数学期望 一、离散型r.v.的数学期望 四、数学期望的性质 第四章 二、连续型r.v.的数学期望 第十三讲 1、离散型r.v.的数学期望 若统计100天,可得到这100天中每天的平均废品数为 每天生产的废品数X是一个随机变量。如何定义X的 引例： 某车间对工人的生产情况进行考察。车工小张 平均值呢？ (假定小张每天至多出三件废品) 可以想象，若另外统计100天呢？？？ 可以得到n天中每天的平均废品数为 一般来说,若统计n天, (假定小张每天至多出三件废品) 把这种各个数与相应频率相乘的和称为 0、1、2、3 的以频率为权的加权平均，而频率称为权。 由频率和概率的关系，在求废品数X 的平均值时，用 概率代替频率得平均值为 把以上所述归纳起来可以叙述为： X 表示小张所出的次品数，其概率分布为： 则以相应概率作为权的加权平均。 一般在概率论里把这种加权平均称为数学期望。 注意：离散型随机变量的数学期望是一个绝对收敛的 设离散型随机变量X的分布律为 数学期望，简称期望或均值，记为 E(X). 若级数 绝对收敛， 则称此级数的和为X的 即 级数的和.数学期望是随机变量的平均值，其与 X 取 值 xk 的顺序无关（唯一性），从而要求级数绝对收敛。 定义1 甲乙两人射击，他们的射击水平由下表给出 试问哪个人的射击水平较高？ 解:甲乙的平均环数可求得 因此，从平均环数上看，甲的射击水平要比乙的好。 X：甲击中的环数 Y：乙击中的环数 例1 解:设试开次数为X ,则 于是 某人的一串钥匙上有n把钥匙，其中只有一把能打开自己的家门，他随意地试用这串钥匙中的某一把去开门. 若每把钥匙试开一次后除去，求打开门时试开次数的数学期望. 例2 注：连续型随机变量的数学期望是一个绝对收敛的 为X 的数学期望，简称期望或均值，记为 E(X) . 如果 设连续型随机变量X的概率密度为 定义2 绝对收敛， 即 积分。由定义可见： X 的期望是对 X 取值的平均值 的描述。它是一个表示X 取值的平均特征的常数。 则称 2、连续型r.v.的数学期望 已知某电子元件的寿命 X 服从参数为 的指数分布(单位：小时），求这类电子元件的平均 解: 小时。 由定义可得 寿命E(X)。 例3 设随机变量 X 的概率密度为 讨论E(X) 是否存在。 解: 由于 即积分 不绝对收敛，因此E(X) 不存在。 例4 3、随机变量函数的数学期望 那么应该如何计算呢？ 设已知随机变量X的分布，我们需要计算的不是X 的期望，而是X的某个函数g(X)的期望. 故可以按照期望的定义把E[g(X )]计算出来. （1）因为g( X )也是随机变量， 它的分布可以由已知的X的分布求出来， 已知X 的分布律为 求 的数学期望。 1/4 1/8 1/4 3/8 -1 0 1 2 1/8 1/2 3/8 0 1 4 解: 的分布律为 说明：使用这种方法必须先求出随机变量函数g(X ) g(X )的分布而只根据X的分布求E[ g(X ) ]呢？ 的分布，一般是比较复杂的，那么是否可以不先求 例5 定理1 设 ( g为连续函数 ) ⑴ 设X为离散型随机变量，其分布律为 若级数 绝对收敛, 则g(X) 的数学期望为 ⑵ 设X为连续型随机变量，其概率密度为 f (x), 若 绝对收敛, 则g(X) 的数学期望为 这给求随机变量函数的期望带来很大方便。 知道g(X)的分布，而只需知道X的分布就可以了。 该公式的重要性在于:当我们求E[g(X )]时,不必 设随机变量X 的概率密度为 解： 求 例6 ⑴ 设(X, Y)为离散型随机变量，其联合分布律为 若级数 绝对收敛, 则Z 的数学期望 ⑵ 设(X, Y)为连续型随机变量，其概率密度为f (x,y), 若 绝对收敛,则Z 的数学 为 期望为 定理2 设(X, Y)是二维随机变量, g(X, Y)是二元连续 函数 已知( X, Y )的分布律为 求 解: 例7