2010概率论教案(第四章).docVIP

PAGE PAGE 59 数学与计算科学学院计算与软件教研室刘尚 第四章 随机变量的数字特征 在前面的课程中，我们讨论了随机变量的分布，随机变量的分布能够完整地描述随机变量的行为。现在我们开始学习随机变量的数字特征讨论随机变量的数字特征的原因如下： 1 在实际问题中，随机变量的概率分布一般是较难确定的。而它的一些数字特征较易确定，人们只需要知道它的某些数字特征. 2 在实际应用中，人们有时更关心概率分布的数字特征. 3 此外，对于一些常见分布，如二项分布、泊松分布、指数分布、正态分布等，其中的参数恰好是分布的某些数字特征.只要能够确定分布的数字特征，也就能够完全确定分布. 在这一章中，我们主要研究以下数字特征: 数学期望，方差, 相关系数和矩 第4.1节 数学期望 一 离散型随机变量的数学期望 1.1 引入 例1 某车间对工人的生产情况进行考察. 车工小马每天生产的废品数X是一个随机变量. X的分布律为 现观测N天，发现有n0天出现0个废品，有n1天出现1个废品，有n2天出现2个废品。 求小马平均一天生产的废品数 N天中小马生产的废品总数为 于是小马平均一天生产的废品数为 ni / N是事件{X=i }发生的频率，当N 很大时，它稳定于事件{X=i }的概率pi 当试验次数N很大时，随机变量X的观测值的算术平均值稳定于 因此 可以作为描述随机变量X 取值的加权平均状况的数字特征。 1.2定义 定义1 设X是离散型随机变量，它的分布律为: P(X=xk)=pk , k=1,2,… 如果 绝对收敛，则称它为X的数学期望 或均值，记为E(X), 即 E(X)= 若发散，则称X 的数学期望不存在。 注意:数数学期望反映了随机变量取值的平均值,它是一种加权平均 1.3 几种常见离散型分布的数学期望 1） 两点分布 例3：设随机变量X服从参数为p 的两点分布，求E(X) 2）?? 二项分布 例4：设随机变量X~b(n,p)，求E(X) 是一种加权平均. 3）泊松分布 例5：设随机变量X 服从参数为l的泊松分 布，求E(X)= l 二、连续型随机变量的数学期望 设X是连续型随机变量，密度函数为f (x). 我们的目的是：寻找一个能体现随机变量取值的平均的量. 为此, 只要把前面的求和改成积分即可. 2.1、定义 设X是连续型随机变量，其密度函数 为 f (x),如果 绝对收敛，则称积分值为X的数学期望，E(X)= 若极限不存在，则无数学期望 2.2、常见的连续型随机变量数学期望 例7 设X~U(a,b)，求E(X) E(X)= 例8 设X 服从参数为l的指数分布，求E(X) 数学期望反映了连续型随机变量的平均取值. 例9若X服从 例10 设X 的概率密度为 解 三 随机变量函数的数学期望 3.1. 问题的提出： 设已知随机变量X的分布，我们需要计算的不是X的数学期望，而是X的某个函数的数学期望，比如说g(X)的数学期望. 那么应该如何计算呢？ 一种方法是，因为g(X)也是随机变量，故应有概率分布，它的分布可以由已知的X的分布求出来. 一旦我们知道了g(X)的分布，就可以按照数学期望的定义把E[g(X)]计算出来. 使用上述方法必须先求出随机变量函数g(X)的分布，有时是比较复杂的 . 那么是否可以不先求出g(X)的分布而只根据X的分布直接求得E[g(X)]呢？ 下面的基本公式指出，答案是肯定的 3.2、随机变量函数的数学期望基本公式 设X是一个随机变量，Y=g(X) （1） 设X 为离散型随机变量, 且其分布律为 P(X= xk)=pk ，k=1, 2 ,…。若 绝对收敛，则Y 的数学期望存在，且 （2） 设X 为连续型随机变量, 其概率密度为 f (x)，且 Y= g(X)也是连续型随机变量。若 绝对收敛，则Y 的数学期望存在，且 例12: 设X ~ b(n , p), Y = eaX,求E（Y）。 解:例13: 设X ~ U[0,p], Y =sinX,求E（Y 解: 类似地，利用上面的方法也可以考虑多维随机变量的函数的数学期望 3、已知二维随机变量（X，Y）的联合分 布，求函数Z=g(X,Y)的数学期望 （1） 设二维离散型随机变量(X, Y)的联合分布律为 （2） 设二维连续型随机变量(X, Y)的联合密度为 f (x, y), Z= g(X,Y)也是连续型随机变量 四 数学期望的性质 1. 设C是常数，则E(C)=C; 2. 若k是常数，则E(kX)=kE(X); 3. E(X1+X2) = E(X1)+E(X2); 一般地，随机变量线性组合的数学期望，