- 1、本文档共120页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第四章 数字特征与特征函数
第一节 数学期望
第二节 方差、相关系数、矩
第三节 母函数(略)
第四节 特征函数
第五节 多元正态分布(略)
一、数学期望的概念
数字特征是由随机变量决定的一些常数,期望与方差是其中最重要的两个特征,它们只能刻化随机变量的部分性质。
数学期望(Mathematical Expectation)是一个随机变量的平均取值,是它所有可能取值的加权平均,权是这些可能值相应的概率。
§4.1 数学期望
例4.1.1 一位射击教练将从两个候选人中挑选一人作为
他的队员,甲还是乙的成绩更好?
成绩(环数)
甲的概率
乙的概率
8
0.1
0.2
9
0.3
0.5
10
0.6
0.3
解. 以 ξ、η 分别表示甲、乙射击一次的结果,
ξ 的数学期望(甲射击一次的平均成绩)是
Eξ = 8×0.1 + 9×0.3 + 10×0.6 = 9.5 (环),
同理,乙射击一次的平均成绩是
Eη = 8×0.2 + 9×0.5 + 10×0.3 = 9.1 (环)。
□
二. 离散随机变量的数学期望
如果ξ 的分布律为
级数绝对收敛的条件是为了保证期望不受求和顺序的影响。
数学期望反映了随机变量取值的中心趋势。
几种重要的离散型分布的期望:
(1) (0—1)分布:
(2) 二项分布:
(3) 泊松分布:
(4) 几何分布:
但是
从上面的例子可以看出,其中重要的离散型分布的参数都可由数学期望算得,因此它是一个重要的概念。
例4.1.3 某人有 10 万元,如果投资于一项目将有 30%的可能获利 5 万,60% 的可能不赔不赚,但有10%的可能损失全部 10 万元;同期银行的利率为 2% ,问他应该如何决策?
解. 以 ξ 记这个项目 的投资利润。
平均利润为:
Eξ = 5×0.3 + 0×0.6 + (- 10)×0.1 = 0.5,
而同期银行的利息是 10×0.02 = 0.2 ,
因此从期望收益的角度应该投资这个项目。
例4.1.4 假定某人设计了如下一个赌局:每个人从有 3 张假币的 10 张 100 元纸币中随机地抽出 4 张。如果全是真的,则赢得这 400元;如果这 4 张中至少有一张假币,只输 100 元。问这种规则是否公平,或者说你是否愿意参加?
解. 一个公平合理的赌博或博弈规则必须是双方的平均获利都等于 0。
以ξ 记每局赌博中庄家的获利 (可以为负) ,则ξ 所有可能的取值是 - 400 与 100 。
1
5
400 500 50
□
在古典概率模型中已经得到ξ 的分布律
xk
pk
- 400
6
100
6
ξ 的数学期望,即庄家在每局赌博中
的平均获利为:
Eξ = (- ) + =
6 6 3
这种赌博对庄家有利,平均每一局
他将净赚 16.67 元。
三. 连续随机变量的数学期望
如果ξ 的密度函数 p(x) 满足
则连续随机变量ξ 的数学期望是积分:
否则称为这个随机变量的期望不存在
几种常用连续型分布的期望:
(1) 均匀分布
(2)指数分布
(3)柯西分布(期望不存在)
由于
故数学期望不存在。
(4)正态分布
(5) Gamma分布
四.一般场合:适合一切随机变量的数学期望的定义
数学期望的一般定义:
如果ξ 的分布函数 F(x) 满足
则ξ 的数学期望定义成Stieltjes 积分:
否则称这个随机变量的期望不存在.
Riemann积分的推广: Stieltjes积分
(1) F(x)在xk 处具有跳跃度pk 时,化为级数
(2) F(x)存在导数p(x) 时,化为Riemann 积分
设随机变量ξ ,g(x) 为一元Borel 函数,定义随机变量 η =g(ξ),则
不必计算新的随机变量的分布。
这个结果的证明要用到测度论,超出了本课程的范围。
1. 单个变量函数的期望
五、随机变量函数的期望
离散型场合,上述公式化为
则η =g(ξ) 的分布列可由下得到
这是因为: 的分布列为
连续型场合,若 具有密度函数 p(x),则
事实上,不妨只考虑g严格单调增加且可导情形,此时η =g(ξ) 的密度为
例 (报童问题) 设某报童每日的潜在卖报数 服从参数为的泊松分布。如果每卖出一份报可得报酬 a,卖不掉而退回则每份赔偿 b 。若某日该报童买进 n 份报,试求其期望所得,进一步求最佳的买进份数 n 。
解:若记其真正卖报数为 , 则 与 的关系为
这里 服从截尾泊松分布,即
记所得为 ,则
文档评论(0)