第十一讲随机变量的数字特征(数学期望).docxVIP

第四章随机变量的 数字特征 第四章随机变量的 数字特征 前面讨论了随机变量的分布函 数，从中知道随机变量的分布函数 能完整地描述随机变量的统计规律 性. 但在许多实际问题中 ，人们并 不需要去全面考察随机变量的变化 情况，而只要知道它的某些数字特 征即可. 例如，在评价某地区粮食产量 的水平时，通常只要知道该地区粮 食的平均产量； 又如，在评价一批棉花的质量 时，既要注意纤维的平均长度，又要 注意纤维长度与平均长度之间的偏 离程度，平均长度较大，偏离程度 小，则质量就较好.等等 实际上，描述随机变量的平均 值和偏离程度的某些数字特征在理 论和实践上都具有重要的意义 ，它 们能更直接、更简洁更清晰和更实用 地反映出随机变量的本质. 本章将要讨论的随机变量的常 用数字特征包括：数学期望、方差、 相关系数、矩. § 1数学期望 第讲 随机变量的数字特征 随机变量的概率特性：分布函数、密度函数 以及分布律等，在描述随机变量时具有全面、 完整、详细的特点，但分析过程比较 复杂， 且重点不够突出。 如，在评价一批棉花的质量时，人们关心的 往往不是纤维长度的具体分布，而是纤维的 平均长度和纤维长度与平均长度之间的偏离 程度。平均长度较大，偏离程度较小，质量就 好。 1.数学期望一一描述随机变量的平均值 引例一射手进行打靶练习，射手一次射击得 分数X是一个随机变量。设X的分布律为 P{X=k}= Pk,k=0,1,2. 现在射击N次，其中得0分的有ao次，得1 分的有a1次，得2分的有a2次.ao + a1 + a2 = N.他射击N次得分的总和为ao 0 + ai 1 + a2 2。于是平均一次射击的得分数为 ao 0 ai 1 a2 2 . ak k - N k 0 N 射击的平均得分数描述了射手的射击水平。 这里ak/N是事件{ X=k}的频率。当N足 够大时，ak/N在一定意义下接近于事件 {X=k}的概率pk，也就是说，随机变量 X 2 的观察值的算术平均 k 0kak/N在一定意义 2 2 下接近于 k0kpk。我们称 k 0kpk为随机变 量X的数学期望或均值。 定义设离散型随机变量X的分布律为 P{x Xi} Pi,i 1,2, 若级数 Xi p绝对收敛，贝U称级数 Xi Pi的 i 1 i 1 和为随机变量X的数学期望，记为E(X), 即 E(X) xPi? (1.1) i 1 定义设连续型随机变量 X的概率密度为 f(x),若积分 xf(x)dx 绝对收敛,则称积分 xf(x)dx的值为随机 变量X的数学期望，记为E(X)，即 E(X) xf (x)dx. (1.2 ) 数学期望简称期望，又称为均值。若X服从 某一分布，也称E(X)为这一分布的数学期 例1 甲，乙两人进行打靶，所得分数分别 记为X1,X2,它们的分布律分别为 X1 X1 0 1 2 pi 0 0.2 0.8 X2 0 1 2 pi 10.6 0.3 0.1 试评定他们的成绩的好坏 解: E X1 0 0 1 0.2 2 0.8 1.8（分） E X2 0 0.6 1 0.3 2 0.1 0.5(分) 这就意味着，如果甲进行很多次的射击，那 么，所得分数的算术平均就接近于1.8,而乙 的算术平均接近于0.5分。 很明显，乙的成绩远不如甲的成绩 例2 有2个相互独立工作的电子装置，它 们的寿命Xk（k 1,2）服从同一指数分布，其 概率密度为 1 e x/ x 0 f（x） -e X 0, 0. 0, x 0 若将这2个电子装置串联联接组成整机，求 整机寿命（以小时计）N的数学期望. 解：由题意知，整机寿命 N=min（Xi, X2）. （为求N的数学期望，先求N的概率密度）. x F x f(x)dx x x1 -.e dx0 F min x x 1 e_ 2 [1 F(x)] 2x e Xk(k 1,2）的分布函数为 F(x) x/ 1 e , x 0 0, x 0 于是， N的分布函数为 Fmin (x) 1 [1 F(x)]2 2x / 1 e ,x 0 0, x 0 因而， N的概率密度为 fmin (x) 2 2x/ e , x 0 0, x 0 于是N的数学期望为 2x 2x e dx . 2 E(N) xfmin (x)dx 0 - 2x 2xe dx. 0 2x 2 令 t 《，则 dt -dx或 dx 求积分 原积分0te tdt 不定积分的分部积分公式: uv dx uv u vdx 定积分的分部积分公式: b udv a b uv a b vdu a te tdt ,则 te tdt te lim t t ~Te 0td( et) e tdt 0 etdt 2dt e tdt 0 1 例3 按规定，某车站每天 8:00~9