文档详情

概率Ch4-1数学期望.ppt

发布:2018-12-31约5.6千字共32页下载文档
文本预览下载声明
§4.1 随机变量的数学期望 4.1.3 数学期望的性质 证明:(1) c是这样的随机变量,它只可能取值c,因而它取c的概率为1,于是E(c) = c?1 = c. 以下仅就X为连续型随机变量的情形给出(2)(3)(4)的证明,离散型情形类似可证. 设二维连续型随机变量(X,Y)的概率密度为f(x,y),其边缘概率密度为fX(x),fY(y). (3) §4.1 随机变量的数学期望 4.1.3 数学期望的性质 证明:(1) c是这样的随机变量,它只可能取值c,因而它取c的概率为1,于是E(c) = c?1 = c. 以下仅就X为连续型随机变量的情形给出(2)(3)(4)的证明,离散型情形类似可证. 设二维连续型随机变量(X,Y)的概率密度为f(x,y),其边缘概率密度为fX(x),fY(y). (4) 若X和Y相互独立,此时f(x,y) = fX(x)fY(y),故有 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 一、数学期望的概念 三、数学期望的性质 二、随机变量函数的数学期望 §4.1 随机变量的数学期望 第四章 随机变量的数字特征 随机变量的概率分布能够完整地描述随机变量的概率性质,从中可以了解到随机变量落入某个区间的概率,但是这还不足以给人留下直观的总体印象. 另外,在一些实际问题中,常常不需要去全面考察随机变量的整体变化情况,只需知道随机变量的某些统计特征就可以了. 例如,在检查一批棉花的质量时,只需要注意纤维的平均长度,以及纤维长度与平均长度的偏离程度,如果平均长度越长、偏离程度越小,质量就越好. 第四章 随机变量的数字特征 随机变量的概率分布能够完整地描述随机变量的概率性质,从中可以了解到随机变量落入某个区间的概率,但是这还不足以给人留下直观的总体印象. 另外,在一些实际问题中,常常不需要去全面考察随机变量的整体变化情况,只需知道随机变量的某些统计特征就可以了. 再如,在评定一批灯泡的质量时,主要看这批灯泡的平均寿命和灯泡寿命相对于平均寿命的偏差,平均寿命越长,灯泡质量越好,灯泡寿命相对于平均寿命的偏差越小,灯泡的质量就越稳定. 第四章 随机变量的数字特征 从这两个例子可以看到,某些与随机变量有关的数字,虽然不能完整地描述随机变量,但却可以概括描述它在某些方面的特征. 这些能代表随机变量主要特征的数字,称为随机变量的数字特征.本章介绍随机变量的几个常用数字特征:数学期望、方差、协方差和相关系数. §4.1 随机变量的数学期望 4.1.1 数学期望的概念 1. 离散型随机变量的数学期望 某年级有100名学生,17岁的有20人,18岁的有30人,19岁的有50人,则该年级学生的平均年龄为 事实上,平均年龄是以频率为权重的加权平均值. §4.1 随机变量的数学期望 4.1.1 数学期望的概念 1. 离散型随机变量的数学期望 【例4-1】(掷骰子游戏)规定掷出1点得1分;掷出2点或3点得2分;掷出4点、或5点、或6点得4分,共掷n次.投掷一次所得的分数X是一个随机变量,则X的分布律为 试问:预期平均投掷一次能得多少分? 解:若在n次投掷中,得1分的共n1次,得2分的共n2次,得4分的共n3次, X 1 2 4 pi 1/6 2/6 3/6 §4.1 随机变量的数学期望 4.1.1 数学期望的概念 1. 离散型随机变量的数学期望 【定义4.1】 设离散型随机变量X的分布律为P{X = xi} = pi,i = 1, 2, …, 若级数 绝对收敛,则称 为随机变量X的数学期望或均值.记为E(X)或EX,即 (4.1) 若级数 发散,则称随机变量X的数学期望不存在 说明:(1) 随机变量X的数学期望E(X)是一个常量,与一般的平均值不同,它是从概率的角度计算随机变量X所有可能取值的平均值,具有重要的统计意义. §4.1 随机变量的数学期望 4.1.1 数学期望的概念 1. 离散型随机变量的数学期望 【定义4.1】 设离散型随机变量X的分布律为P{X = xi} = pi,i = 1, 2, …, 若级数 绝对收敛,则称 为随机变量X的数学期望或均值.记为E(X)或EX,即 (4.1) 若级数 发散,则称随机变量X的数学期望不存在 说明:(2) 级数的绝对收敛性保证了级数的和不随级数各项次序的改变而改
显示全部
相似文档