概率论与数理统计(苏德矿版)课件
第四章 随机变量的数字特征 我们知道,随机变量的分布列或概率密度,全面 地描述了随机变量的统计规律.但在许多实际问 题中,这样的全面描述并不使人感到方便.
已知一只母鸡的年产蛋量是一个随机变量,如 果要比较两个品种的母鸡的年产蛋量,通常只要 比较这两个品种的母鸡的年产蛋量的平均值就 可以了.平均值大就意味着这个品种的母鸡的产 蛋量高.如果不去比较它们的平均值,而只看它们 的分布列,虽然全面,却使人不得要领,既难以掌握 ,又难以迅速地作出判断.
概率论与数理统计(苏德矿版)课件
§1 随机变量的数学期望§1.1 离散型随机变量的数学期望 例:有A,B两射手,他们的射击技术如表所 示,试问哪一个射手本领较好?射手名称 击中环数 概率 8 0.3 A 9 0.1 10 0.6 8 0.2 B 9 0.5 10 0.3
概率论与数理统计(苏德矿版)课件
例:某手表厂在出厂产品中,抽查了N=100只手 表的日走时误差,其数据如表:日走时误差xk 只数Nk -2 3 -1 10 0 17 1 28 2 21 3 16 4 5
则抽查到的100只手表的平均日走时误差为x
xk
k
Nk
N
( 2) 3 ( 1) 10 0 17 1 28 2 21 3 16 4 5 1.22 100
即
Nk 平均值 xk N
x
k
fk
概率论与数理统计(苏德矿版)课件
如果另外再抽验100只手表,每作一次这样的检 验,就得到一组不同的频率,也就有不同的日走时误 差的平均值.由关于频率和概率关系的讨论知,理论 上应该用概率去代替上述和式的频率,这时得到的 平均值才是理论上(也是真正)的平均值.
这样我们就引出了随机变量的数学期望的概念.
概率论与数理统计(苏德矿版)课件
定义:设离散型随机变量X的概率分布为 P{ X xk } p k k 1,2,... 如若
| xk
k
| pk
则称 xk pk 为随机变量X的数学期望,记为E(X).k
如果
| xk
k
| pk
则称随机变量X的数学期望不存在.
概率论与数理统计(苏德矿版)课件
例:有A,B两射手,他们的射击技术如表所示, 试问哪一个射手本领较好?射手名称 A B
击中环数概率
80.3
90.1
100.6
80.2
90.5
100.3
解 A射击平均击中环数为
8 0.3 9 0.1 10 0.6 9.3B射击平均击中环数为
8 0.2 9 0.5 10 0.3 9.1
所以A的射击技术较B的好.
概率论与数理统计(苏德矿版)课件
例:某工人工作水平为:全天不出废品的日子 占 30%,出一个废品的日子占 40%,出二个废品 占 20%,出三个废品占 10%。 ① 设 X 为一天中的废品数,求 X 的分布律; ② 这个工人平均每天出几个废品?
解 ① 分布律为:
X
0
1
2
3
P ② 平均废品数为:
0.3 0.4 0.2 0.1
E ( X ) 0 0.3 1 0.4 2 0.2 3 0.1 1.1( 个 / 天)
概率论与数理统计(苏德矿版)课件
例:设随机变量X具有如下的分布,求E(X).
2 1 P{ X ( 1) } k , k 2k
k
k 1,2,...
解
虽然有 k
2k 1 k 1 xk P{ X xk } ( 1) k 2k ( 1
) k ln 2 k 1 k 1 k 1
收敛,但
k 1
1 xk pk k 1 k
发散,因此E(X)不存在.
概率论与数理统计(苏德矿版)课件
§1.1.1(0-1)分布数学期望设X的分布列为: X P 其中 则 0 q 1 p
0< p< 1
q 1 p
E ( X ) 0 q 1 p p
概率论与数理统计(苏德矿版)课件
§1.1.2 二项分布数学期望 定理:设随机变量X服从二项分布,即k P{ X k} C n p k q n k
k 0,1,2,..., nn
则随机变量X的数学期望E(X)=np. 证明 E ( X ) k P{ X k} kCnk p k q n kk 0 k 1n np(n 1)! k n! k n k p k 1q ( n 1) ( k 1) p q k 1 ( k 1)![( n 1) ( k 1)]! k 1 k!( n k )!
n
n
np
(n 1)! p k 1q ( n 1) ( k 1) np( p q) n 1 np k 1 0 ( k 1)![( n 1) ( k 1)]!n 1
概率论与数理统计(苏德矿版)课件
§1.1.3 泊松分布数学期望 定理:设随机变量X服从泊松分布,即P{ X k}
kk!
e ,
k 0,1,2,...; 0
则随机变量X的数学期望E(X)=λ . 证明: k e e k 1 e e E( X ) k k 0
k!
k 1
(k 1)!
概率论与数理统计(苏德矿版)课件
§1.2 连续型随机变量的数学期望 我们已知离散型随机变量X的数学期望为 E(X)= xk pkk
自然要问连续型随机变量的数学期望是什么?
设p(x) 是连续型随机变量X的密度函数,取分点 x0<x1<…<xn+1则随机变量X落在△xi=(xi, xi+1)中的概率为P{ X xi } xi 1 xi 相当小时 xi
p( x)dx
p( xi ) xi P{Y xi }n i 0
与X近似的随机变量Y的数学期望为 xi p( xi ) xi 由微积分知识自然想到X的数学期望为
xp( x)dx
概率论与数理统计(苏德矿版)课件
定义:设连续型随机变量X的密度函数为p(x),若
则称
| x | p( x)dx
如果
xp( x)dx
为连续型随机变量X的数学期望,记为E(X).
| x | p( x)dx
则称连续型随机变量X的数学期望不存在.
概率论与数理统计(苏德矿版)课件
例:设随机变量X的概率密度函数为 2 x, p( x) 0, 0 x 1 其他
试求X的数学期望 解E( X ) xp( x)dx
x 2xdx0
1
2 31 2 2 x dx x 0 3 0 31 2
概率论与数理统计(苏德矿版)课件
例:若随机变量X的概率密度函数为1 p ( x) , 2 1 x 1 x
问随机变量X的数学期望E(X)是否存在. 解1 2 x | x | p( x)dx | x | 1 x 2 dx 0 1 x 2 dx 1
1
0
1 1 2 d (1 x ) ln(1 x 2 ) |0 1 x2
所以E(X)不存在.但 1 x xp( x)dx 1 x 2 dx 0
概率论与数理统计(苏德矿版)课件
§1.2.1 均匀分布的数学期望 定理:设连续型随机变量X的密度函数为 1 , p( x) b a 0, a x b, 其他b
a b
则E(X)=(a+b)/2. 证明:1 E ( X )
xp( x)dx x dx a b a 1 x 1 ( a b) b a 2 a 22 b
概率论与数理统计(苏德矿版)课件
§1.2.2 指数分布的数学期望 定理:设连续型随机变量X的密度函数为 e , p( x) 0, x 0, x 0,
0
则随机变量X的数学期望为E(X)=1/λ. 证明 E( x) xp( x)dx xe x dx 0
t x
0
1
te t dt 1 ( te t ) e t dt 1
0
0
概率论与数理统计(苏德矿版)课件
§1.2.3 正态分布的数学期望 定理:设连续型随机变量X~N(μ,σ2) ,则 E(X)=μ.1 证明 E ( X ) 2 x t 1 2
x exp{
1 2
( x ) 2 }dx 22
1 2
t (t ) exp{ 2 2 }dt2
t (t exp{ 2 2 }dt 2 t exp{ }dt 2 2 2
t exp{ 2 2 }dt 2 s exp{ 2 }ds 2
2
2
t
s
概率论与数理统计(苏德矿版)课件
§2 随机变量函数的数学期望§2.1 随机变量函数的数学期望 定理:设Y是随机变量X的函数:Y=f(X)(f是连续函数). (1)设离散型随机变量X的概率分布为 P{X=xk}=pk, k=1,2,...
若 则
| f (x ) | pk 1 k
k
k 1
E (Y ) E[ f ( X )] f ( xk ) pk
(2)设连续型随机变量X的密度函数为p(x),若
则有
| f ( x) | p( x)dx
E(Y ) E[ f ( X )] f ( x) p( x)dx
概率论与数理统计(苏德矿版)课件
定理:设Z是随机变量X,Y的函数Z=f(X,Y) (f是连 续函数).
(1)设二维随机向量(X,Y)的分布律为P{ X xi , Y y j } pij i, j 1,2,...
若 则
| f ( x , y ) | pi j j i
ij
E ( Z ) E[ f ( X , Y )] f ( xi , y j ) pijj i
(2)设二维随机向量(X,Y)的分布密度为p(x,y),若
| f ( x, y) | p( x, y)dxdy
则 E(Z ) E[ f ( X , Y )] f ( x, y) p( x, y)dxdy
概率论与数理统计(苏德矿版)课件
例:已知随机变量X~N(0,1),求E(X2).解法1 先求Y= 率密度函数:2
X2
的概
若y<0,则FY(y)=0;若y>0,则FY ( y ) P{ X y} P{ y X y } y y y 1 1 2 e dt 2 e 2 dt 0 2 2 t2
1 1 2y y 2e , pY ( y ) 2 0,
y 0 y 01 2 2 y y e dy 2 1 y
再求 E (Y ) y t2 2
ypY ( y )dy 2 t2 2
0
t
2
0
2t e dt 0 2 t2 2
1 2td (e ) 2
t2 2
t x2
y
0
1 x e dx 2
1 x 2 2
0
1 e dt 1 2 x2 2
所以Y= 数为
X2
的概率密度函
解法2
E ( X ) x 2 1 e dx 1 2 2