概率论与数理统计课件：4-1数学期望

《概率论与数理统计课件：4-1数学期望》由会员分享，可在线阅读，更多相关《概率论与数理统计课件：4-1数学期望（32页珍藏版）》请在装配图网上搜索。

1、 概率论与数理统计概率论与数理统计第十一讲第十一讲 前面讨论了随机变量及其分布。前面讨论了随机变量及其分布。如果我如果我们知道了随机变量们知道了随机变量 X 的概率分布，那么，关的概率分布，那么，关于于 X 的全部概率特征也就知道了。的全部概率特征也就知道了。然而，在实际问题中，概率分布是较难然而，在实际问题中，概率分布是较难确定的。且有时在实际应用中，我们并不需确定的。且有时在实际应用中，我们并不需要知道随机变量的所有性质，只要知道其一要知道随机变量的所有性质，只要知道其一些数字特征就够了。些数字特征就够了。因此，在对随机变量的研究中，确定随因此，在对随机变量的研究中，确定随机变量的某些数字

2、特征是非常重要的。机变量的某些数字特征是非常重要的。最常用的数字特征是：最常用的数字特征是：期望和方差。期望和方差。4.1.1 离散型随机变量的数学期望离散型随机变量的数学期望 概念引入：概念引入：某车间对工人生产情况进行考察，车工某车间对工人生产情况进行考察，车工小张每天生产的废品数小张每天生产的废品数 X 是一个随机变量。是一个随机变量。如何定义如何定义 X 的平均值？的平均值？4.1 数学期望数学期望第四章第四章 数字特征数字特征若统计了若统计了100天小张生产产品的情况，发现：天小张生产产品的情况，发现：.27.1100213100172100301100320可以得到这可以得到这10

3、0天中每天的平均废品数为天中每天的平均废品数为32天没有出废品；天没有出废品；30天每天出一件废品；天每天出一件废品；17天每天出两件废品；天每天出两件废品；21天每天出三件废品。天每天出三件废品。可以想象：可以想象：若另外再统计若另外再统计100天，其中不出废天，其中不出废品，出一件、二件、三件废品的天数与前面品，出一件、二件、三件废品的天数与前面的的100天一般不会完全相同，即另外天一般不会完全相同，即另外100天每天每天的平均废品数也不一定就是天的平均废品数也不一定就是1.27。n0天没有出废品天没有出废品;n1天每天出一件废品天每天出一件废品;n2天每天出两件废品天每天出两件废品;n3

4、天每天出三件废品天每天出三件废品.nnnnnnnn32103210可以得到这可以得到这n天中，每天的平均废品数为天中，每天的平均废品数为(假定每天至多出三件废品假定每天至多出三件废品)一般来说一般来说,若统计了若统计了n天天,这是以频率为这是以频率为权的加权平均权的加权平均nnnnnnnn32103210由频率与概率的关系，由频率与概率的关系，不难想到：不难想到：求废品数求废品数X的平的平均值时，用概率替代频率，均值时，用概率替代频率，得平均值为：得平均值为：32103210pppp这是以概率为这是以概率为权的加权平均权的加权平均这样，就得到一个确定的数这样，就得到一个确定的数 随机变量随机变

5、量X的期望的期望(均值均值)。定义定义1:设设X是离散型随机变量是离散型随机变量,概率分布为概率分布为 PX=x k=p k,k=1,2,。也就是说：离散型随机变量的数学期望也就是说：离散型随机变量的数学期望是一个绝对收敛的级数和。是一个绝对收敛的级数和。1)(kkkpxXE1kkkx p如果如果 绝对收敛绝对收敛,则称则称为为X 的数学期望的数学期望(或均值或均值)。在在 X 取可列无穷个值时，级数取可列无穷个值时，级数绝对收敛可以保证绝对收敛可以保证“级数之值不因级数之值不因级数各项次序的改排而发生化级数各项次序的改排而发生化”，这样这样E(X)与与X取值的人为排列次序取值的人为排列次序无

6、关。无关。1.1.两点分布：两点分布：X B(1,p),0 p 1，则，则 E(X)=1 p+0(1-p)=p.常用常用离散型随机变量的数学期望离散型随机变量的数学期望 2.2.二项分布：二项分布：X B(n,p)，其中，其中 0 p 0，则，则 E(X)=.!)(,2,1,0,!10kkkkkekkekkXEkekkXP，所以因.1!1)!1()!1(01111mmkkkkemkmekek4.1.2 连续型随机变量的数学期望连续型随机变量的数学期望 设设X是连续型随机变量，密度函数是连续型随机变量，密度函数 f(x)在数轴上取很密的点在数轴上取很密的点 x0 x1 x2,则则X 落在落在小区

7、间小区间 xi,xi+1)的概率是的概率是1)(iixxdxxfiixxf)(在小区间在小区间xi,xi+1)上上阴影面积阴影面积iixxf)()(1iiixxxf小区间小区间Xi,Xi+1)由于由于xi与与xi+1很接近很接近,所以区间所以区间xi,xi+1)中的值中的值可用可用 xi 来近似地替代。来近似地替代。iiiixxfx)(这正是这正是dxxfx)(的渐近和式。的渐近和式。阴影面积阴影面积iixxf)(近似近似,iixxf)(因此因此,X与以概率与以概率 取值取值 xi 的离散型的离散型r.v 该离散型该离散型r.v 的的数学期望数学期望是是从该启示出发，我们给出如下定义。从该启示

8、出发，我们给出如下定义。定义定义2：设设X是连续型随机变量，概率密度为是连续型随机变量，概率密度为 f(x),如果如果 绝对收敛，则称绝对收敛，则称 ()x f x dx为为X的数学期望。的数学期望。()()E Xx f x dx 也就是说：也就是说：连续型随机变量的数学期望连续型随机变量的数学期望是一个绝对收敛的积分值是一个绝对收敛的积分值.例例3：设随机变量设随机变量X 的概率密度为的概率密度为1()2xf xex ，求求 E(X)。解：解：+0+01()d 211 d d 22 0.xxxE Xxexxexxex 若若X U a,b,即即X服从服从a,b上的均匀分布上的均匀分布,则则.)

9、(XE若若X 服从参数为服从参数为 的指数分布，则的指数分布，则由随机变量数学期望的定义，不难计算出：由随机变量数学期望的定义，不难计算出：；2)(baXE1E(X)；若若X 服从服从 ，则，则),(2N例例4：设某型号电子管的寿命设某型号电子管的寿命X服从指数分布服从指数分布,平均寿命为平均寿命为1000小时小时,计计P1000X1200。解：解：由由 E(X)=1/=1000，知，知 =0.001，X的概率密度为的概率密度为.067.0 d 001.012001000(2112001000001.0eexeXPx.0,0,0,001.0)(001.0 xxexfx4.1.3 随机变量函数的

10、数学期望随机变量函数的数学期望I.问题的提出：问题的提出：设随机变量设随机变量X的分布已知，需要计算的量的分布已知，需要计算的量并非并非X的期望，而是的期望，而是X的某个函数的期望，比的某个函数的期望，比如说是如说是 g(X)的期望。那么，如何计算呢？的期望。那么，如何计算呢？一种方法是：由于一种方法是：由于g(X)也是随机变量，也是随机变量，故应有概率分布，其分布可以由故应有概率分布，其分布可以由X的分布求的分布求出。一旦知道了出。一旦知道了g(X)的分布的分布,就可以按照期就可以按照期望的定义把望的定义把 E g(X)计算出来。计算出来。但使用该方法但使用该方法 必须先求出必须先求出g(X

11、)的分布。的分布。一般说来，这是比较复杂的事。一般说来，这是比较复杂的事。那么那么,可否不求可否不求g(X)的分布，而只根据的分布，而只根据X的分布来计算的分布来计算 E g(X)呢？呢？答案是肯定的。答案是肯定的。且有如下公式：且有如下公式：设设X是一个随机变量，是一个随机变量，Y=g(X)，则，则 1 (),()()()(),.kkkg xpXE YE g Xg x f x dxX离散型连续型 当当X为离散型时为离散型时,P(X=x k)=p k;当当X为连续型时为连续型时,X 的密度函数为的密度函数为 f(x)。该公式的重要性在于：当我们求该公式的重要性在于：当我们求 E g(X)时时,

12、不必求不必求g(X)的分布，而只需知道的分布，而只需知道X的分布的分布足矣。这对求足矣。这对求 g(X)的期望带来了极大方便。的期望带来了极大方便。例例5：设 X N(0,1)，求，求 E(X 2)。解：解：22x222x21E(X)xe d x21 x d e2 22xx+2211xeedx220 11.dtet2 式：这里采用了泊松积分公J 说明说明 前面我们给出了求前面我们给出了求g(X)g(X)的期的期望的方法。实际上，该结论可轻望的方法。实际上，该结论可轻易地推广到两个随机变量函数易地推广到两个随机变量函数 Z=g(=g(X,Y)的情形。的情形。.),(),(11ijijjipyxg

13、YXgE 设二维连续型随机向量设二维连续型随机向量(X,Y)的的密度函数为密度函数为 f(x,y),则则:+(,)(,)(,).E g X Yg x y f x y dxdy 设二维离散型随机向量设二维离散型随机向量(X,Y)的概率分布为的概率分布为,1,2,1,2,ijpij则则：例7：设二维离散型随机向量设二维离散型随机向量(X,Y)的概率分的概率分布如下表所示，求布如下表所示，求Z=X2+Y的期望的期望.E(Z)=E(Z)=g(1,1)g(1,1)0.125+g(1,2)0.125+g(1,2)0.250.25 +g(2,1)+g(2,1)0.5+g(2,2)0.5+g(2,2)0.12

14、50.125解：解：Y X 1 2 1 1/8 1/4 2 1/2 1/8 =4.25.例8：设随机变量设随机变量X和和Y相互独立，概率密度分相互独立，概率密度分别为别为求求 E(E(XY)。解：解：.,0,0 ,2)(,0,0 ,4)(24其他其他yeyfxexfyYxX 因因 G(G(X,Y)=XY,X 和和Y 相互独立。相互独立。XY4x2y004x2y00Eg(X,Y)xyf(x)f(y)dxdy xy 4e2edxdy 4xedx2yedy1 1 4 21 .8 所以，所以，3.1.4 期望的性质期望的性质(1).设设C是常数，则是常数，则E(C)=C;(4).设设 X,Y 相互独立

15、，则相互独立，则 E(XY)=E(X)E(Y);(2).若若k是常数，则是常数，则E(k X)=k E(X);(3).E(X1+X2)=E(X1)+E(X2);；niiniiXEXE11)(niiniiXEXE11)(注意注意:由由E(XY)=E(X)E(Y)不一定能推出不一定能推出X,Y独立独立推广：推广：推广：推广：(诸诸Xi 独立时独立时)。期望性质的应用期望性质的应用例例9:求二项分布的数学期望。求二项分布的数学期望。分析：分析：若若 X B(n,p)，则，则 X 表示表示n重贝努重贝努里试验中里试验中“成功成功”的次数。的次数。设设则则 X=X1+X2+X n，.,0,1 次试验失败

16、如第次试验成功如第iiXii=1,2,n.由此可见：由此可见：服从参数为服从参数为n,p的二项分布的的二项分布的随机变量随机变量X的数学期望是的数学期望是 n p。=n p.因为因为 P Xi=1=p,P Xi=0=1-1-p p，niiXE1)(所以所以 E(X)=E(Xi)=p，小结小结 本讲介绍了随机变量数学本讲介绍了随机变量数学期望的概念、性质及计算，给期望的概念、性质及计算，给出了几种常用出了几种常用随机变量的数学随机变量的数学期望，介绍了求随机变量函数期望，介绍了求随机变量函数数学期望的方法。数学期望的方法。作业：（注：每周一早上8点交作业）P103-104 4.1 4.2 4.5 4.8