概率论与数理统计第四章数字特征.pptxVIP

在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了.然而，在实际问题中，概率分布一般是较难确定的.而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了.

因此，在对随机变量的研究中，确定某些数字特征是重要的.在这些数字特征中，最常用的是数学期望、方差、协方差和相关系数

单击此处添加小标题第一节数学期望01单击此处添加小标题离散型随机变量的数学期望连续型随机变量的数学期望随机变量函数的数学期望02

一、离散型随机变量的数学期望概念的引入：X的数学期望E(X)0102

若统计100天,32天没有出废品;30天每天出一件废品;17天每天出两件废品;21天每天出三件废品;可以得到这100天中每天的平均废品数为这个数能否作为X的平均值呢？（假定小张每天至多出现三件废品）例如：某车间对工人的生产情况进行考察.车工小张每天生产的废品数X是一个随机变量.如何定义X的平均值呢？我们先观察小张100天的生产情况

可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27.n0天没有出废品;n1天每天出一件废品;n2天每天出两件废品;n3天每天出三件废品.可以得到n天中每天的平均废品数为(假定小张每天至多出三件废品)一般来说,若统计n天,

这样得到一个确定的数.我们就用这个数作为随机变量X的平均值.当N很大时，频率接近于概率，所以我们在求废品数X的平均值时，用概率代替频率，得平均值为这是以频率为权的加权平均这是以概率为权的加权平均

定义1设X是离散型随机变量，它的分布率是:P{X=xk}=pk,k=1,2,…请注意:离散型随机变量的数学期望是一个绝对收敛的级数的和.数学期望简称期望，又称为均值。若级数绝对收敛，则称级数即的和为随机变量X的数学期望，记为,

例10120.60.30.101200.20.8

数学期望的性质设X、Y相互独立，则E(XY)=E(X)E(Y);01请注意:由E(XY)=E(X)E(Y)不一定能推出X,Y独立02

当X为离散型时,它的分布率为P(X=xk)=pk;定理(1)设Y是随机变量X的函数:Y=g(X)(g是连续函数)0102

可见，服从参数为n和p的二项分布的随机变量X的数学期望是np.X~B(n,p),若设则X=X1+X2+…+Xn=npi=1,2，…，n因为P(Xi=1)=p,P(Xi=0)=1-p所以E(X)=则X表示n重贝努里试验中的“成功”次数.E(Xi)==p例2求二项分布X~B(n,p)的数学期望

例设(X,Y)的分布律01

二、连续型随机变量的数学期望设X是连续型随机变量，其密度函数为f(x),在数轴上取很密的分点x0x1x2…,则X落在小区间[xi,xi+1)的概率是小区间[xi,xi+1)阴影面积近似为

由于xi与xi+1很接近,所以区间[xi,xi+1)中的值可以用xi来近似代替.这正是的渐近和式.近似,因此X与以概率取值xi的离散型r.v该离散型r.v的数学期望是小区间[xi,xi+1)阴影面积近似为

03绝对收敛,则称此积分值为X的数学期望,即02定义2设X是连续型随机变量，其密度函数为f(x),如果积分01由此启发我们引进如下定义.04请注意:连续型随机变量的数学期望是一个绝对收敛的积分.

例1.几个常用的随机变量的期望

当X为连续型时,它的密度函数为f(x).若定理设Y是随机变量X的函数:Y=g(X)(g是连续函数)该公式的重要性在于:当我们求E[g(X)]时,不必知道g(X)的分布，而只需知道X的分布就可以了.这给求随机变量函数的期望带来很大方便.

例2

上述定理还可以推广到两个或两个以上随机变量的函数的情况。第一章节

例3

单击此处添加标题单击此处添加正文，文字是您思想的提炼，请尽量言简意赅的阐述观点。例3

同离散型，连续型数学期望的性质1.设C是常数，则E(C)=C;4.设X、Y相互独立，则E(XY)=E(X)E(Y);2.若k是常数，则E(kX)=kE(X);3.E(X+Y)=E(X)+E(Y);（诸Xi相