概率论与数理统计 科学出版社出版 骆先南主编ch4-01

更新时间:2023-06-10 22:39:01 阅读量: 实用文档 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

概率论与数理统计 科学出版社出版 骆先南主编

第四章 随机变量的数字特征在前面的课程中,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.上一页 下一页 1

概率论与数理统计 科学出版社出版 骆先南主编

例如:评定某企业的经营能力时,只要知道该企业 人均赢利水平; 研究水稻品种优劣时,我们关心的是稻穗的 平均粒数及每粒的平均重量;

检验棉花的质量时,既要注意纤维的平均长度,又要注意 纤维长度与平均长度的偏离程度,

平均长度越长、偏离程度越小,质量就越好;上一页 下一页 2

概率论与数理统计 科学出版社出版 骆先南主编

考察一射手的水平,既要看他的平均环数 是否高,还要看他弹着点的范围是否小,即数 据的波动是否小. 由上面例子看到,与随机变量有关的某些 数值,虽不能完整地描述随机变量,但能清晰 地描述随机变量在某些方面的重要特征,这些 数字特征在理论和实践上都具有重要意义. 随机变量某一方面的概率特性 都可用数字来描写上一页 下一页 3

概率论与数理统计 科学出版社出版 骆先南主编

引例: 某大学新聘一位教授给 位研究生上课, 15 期末考试成绩如下: 72 81 90 85 90 63 80 73 83 30 78 82 76, 75, 90

成绩上报后,教学院长 认为:试题太易,因为 得 90分的就有3人;系主任认为:考题 偏难,因为 平均成绩才76.5分;教授认为:考题适 宜,因为从 总体看80分是有代表性的,多于 分和少于80分的 80 人数相等,谁的话有道 理?上一页 下一页 4

概率论与数理统计 科学出版社出版 骆先南主编

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,最常用的是期望和方差 下面,我们先介绍随机变量的数学期望.

上一页

下一页

概率论与数理统计 科学出版社出版 骆先南主编

第一节 数学期望一、数学期望的定义 问题: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? 某电话交换台每天8:00-9:00收到的呼叫数 X是一个随机变量. 如何定义X的平均值即该 交换台每天8:00-9:00收到的平均呼叫数呢? 我们来看第一个问题.上一页 下一页 6

1、离散型随机变量的数学期望

概率论与数理统计 科学出版社出版 骆先南主编

例 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? 若统计100天, 可以得到这100天中 每天的平均废品数为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;

32 30 17 21 0 1 2 3 1.27 100 100 100 100这个数能否作为 X的平均值呢?上一页 下一页

概率论与数理统计 科学出版社出版 骆先南主编

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1.27.一般来说,若统计n天,(假定小张每天至多出 三件废品)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 n0 n1 n2 n3 0 1 2 3 n n n n上一页 下一页 8

概率论与数理统计 科学出版社出版 骆先南主编

n0 n1 n2 n3 0 1 2 3 这是 n n n n 以频率为权的加权平均 由频率和概率的关系 不难想到,在求废品数X 的平均值时,用概率代替 这是 以概率为权的加权平均 频率,得平均值为 0 p0 1 p1 2 p2 3 p3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 .

上一页

下一页

概率论与数理统计 科学出版社出版 骆先南主编

对于一个随机变量,若它可能取的值是 x1,x2, …, 相应的概率为 p1,p2, …,则对X作一系列观察(试验),所得X的试验值 的平均值也是随机的. 但是,如果试验次数很大,出现xk的频率会 接近于pk,于是可期望试验值的平均值接近

xk 1

k

pk

由此引入离散型r.v.X的数学期望的定义如下:上一页 下一页 10

概率论与数理统计 科学出版社出版 骆先南主编

定义1 设X是离散型随机变量,它的概率函数 是: P(X=xk)=pk , k=1,2,… 如果 | xk | pk 有限,定义X的数学期望k 1

E ( X ) xk pkk 1

也就是说,离散型随机变量的数学期望是一个绝 对收敛的级数的和.上一页 下一页 11

概率论与数理统计 科学出版社出版 骆先南主编

2、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x0 <x1<x2< …,则X落 在小区间[xi, xi+1)的概率是

xi 1

xi

f ( x )dx

阴影面积 近似为

f ( xi ) xi

f ( xi )( xi 1 xi ) f ( xi ) xi小区间[xi, xi+1)上一页 下一页 12

概率论与数理统计 科学出版社出版 骆先南主编

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.因此X与以概率 f ( xi ) xi 取值xi的离散型r.v 阴影面积 近似, 该离散型r.v 的数 近似为 学期望是 f ( x ) x

x f ( x ) xi i i

i

i

i

这正是

x f ( x )dx小区间[Xi, Xi+1)上一页 下一页 13

的渐近和式.

概率论与数理统计 科学出版社出版 骆先南主编

由此启发我们引进如下定义. 设X是连续型随机变量,其密度函数 为 f (x),如果 | x | f ( x)dx定义2

收敛,定义X的数学期望为

E ( X ) x f ( x )dx

也就是说,连续型随机变量的数学期望是一个绝 对收敛的积分.上一页 下一页 14

概率论与数理统计 科学出版社出版 骆先南主编

例1

已知X ~ B(n, p), 求 EXk EX kC n p k (1 p) n k n k 0 n

n! k p k (1 p)n k k! ( n k )! k 1( n 1)! k 1 ( n 1 ) ( k 1 ) np p (1 p) k 1 ( k 1)! ( n k )!nk np C n 1 p k (1 p)( n 1) k k 0 n 1

np上一页 下一页 15

概率论与数理统计 科学出版社出版 骆先南主编

例2 已知X ~ P( ), ( 0), 求 EX 解 EX k e e k!

k 0 k 1 ( k 1)! k

k 1

例3 解

已知 X ~ U (a, b) ,求 EX

EX

xf ( x )dx

b

a

x a b dx b a 2

上一页

下一页

概率论与数理统计 科学出版社出版 骆先南主编

例4 已知 X 服从参数为 的指数分布 求EX , 解 e x , f ( x) 0 ,

x 0 x 0 x

EX

xf ( x )dx xe0

dx xd (e x )0

xe

x 0

e0

x

x 1 dx lim ( x ) x e

0

e

x

dx

1 1 lim ( x ) x e

0

e

x

d ( x )

1

上一页 下一页 17

概率论与数理统计 科学出版社出版 骆先南主编

例5

对服从正态分布 N , 的随机变量2

X ,求其数学期望。

解 已知 X 的概率密度为

f x

1 e 2

x 2 2

2

, x , , x 2 2 2

则所求数学期望为

E X

x f x dx

x e 2 上一页

dx,18

下一页

概率论与数理统计 科学出版社出版 骆先南主编

作变换 t

x

,得到

E X e dt 2 2 2 0 2 t2 22

te

t2 2

dt

即正态分布 N , 的第一个参数 就是随机变量 X 的均值。上一页 下一页 19

概率论与数理统计 科学出版社出版 骆先南主编

例6 若随机变量X服从柯西分布 即其概率 , 1 1 密度为 f ( x ) , x 2 1 x 说明随机变量 的数学期望不存在 X 解 因为

x x f ( x )dx 1 x 2 dx 1

即 xf ( x )dx 不绝对收敛 故 X 的数学期望不存在上一页 下一页 20

概率论与数理统计 科学出版社出版 骆先南主编

常见随机变量的数学期望

分布参数为p 的 0-1分布 B(n,p)

概率分布P ( X 1) p P ( X 0) 1 pk P ( X k ) C n p k (1 p) n k

期望 p

k 0,1,2, , n

np

P( )

P( X k )

ek

k! k 0,1,2, 上一页 下一页

21

本文来源:https://www.bwwdw.com/article/mhx1.html

Top