- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
EXxk pk
k1
通过前面的例子可以看到,随机变量的 均值反映了变量取值的平均水平。
如果级数 x k
k 1
p k 不绝对收敛,即
k 1
xk
pk
不收敛,则称随机变量 X 的数学期望不存在。
下面我们举例来说明。
例2 对服从(0—1)分布的随机变量 X ,其 分布列为:
的加权平均。
定义1 设离散型随机变量 X 的分布列为
X x 1 x 2 x k
p k p 1 p 2 p k
如果级数
x k p k 绝对收敛,即 xk pk
k 1
k 1
收敛,则和 xk p k 为随机变量 X 的数学
k 1
期望或均值,记为 EX,即
解 设某购买者得到的奖金数为 X , 则 X 为一随机变量,其分布列为
X 1500 500 70
3 0.5
0
1 1 1 1 1 22 p k 5 1605 1505 1405 1305 120 1 170
从而 X 的数学期望为
E X 15 5 0 1 16 0 0 5 0 5 1 1 05 0 7 0 5 1 140
0
0
例9 对服从正态分布 N,2 的随机变量
X ,求其数学期望.
解 已知 X 的概率密度为
fx
1
x2
e 22 ,x,,
2
则所求数学期望为:
EX xf xd x
x
ex2 22d,x
2
作变换 t x ,得到
为 f x,如果积分
x
f
xd
x
绝对收敛,即
x
f
xd
x
收敛,则称积分
xf
xd
x
的值为连续型随机变量 X 的数学期望或均值,
记为 EX。即
Ex xfxdx
反之,如果积分
x
f
xd发x 散,则
称随机变量 X 的数学期望不存在。
例7 设 X 服从 a,b区间上的均匀分布,
求 X 的数学期望。 解 已知 X 的概率密度为
1
f
x
b
a
从而
0
, xa,b ,
, 其它.
E x x x fd x b a x b 1 a d x 1 2 a b
正好是a,b区间的中点。
P X 1 p ,P X 0 1 p 。
求 X 的数学期望. 解 由数学期望定义
EXP X11P X00 p11p0p.
例3 设 X~Bn,p ,求 EX.
解 已知二项分布的分布列为
P X k C n k p k 1 p n k , k 0 , 1 , 2 , , n
P ( X x k ) p k k 1 , 2 , ,
Ygx, g 为连续函数
如果级数
gxk pk 收敛,则
k 1
EYEgXgxkpk k1
特别的,离散型随机变量 X只取有限值,
则 gX 的数学期望一定存在。
例8 设 X 服从参数为 的指数分布,求
X 的数学期望。 解 已知 X 的概率密度为
f
x
ex
,
0 ,
x 0, 0,
x 0,
从而
E Xx fxd x xexdx
0
xde x exd x1.
E 2 X 1 3 1 1 1 3 3 5 1
84 8 4
7. 4
例11 设 X 服从参数为 的泊松分布,试
计算 YX2 的数学期望.
解 已知 X 的分布列为:
从而
P Xkke , k0 ,1 ,2,0 ,
第4章 随机变量的数字特征 4.1 数学期望
4.1.1 离散型随机变量的数学期望 假如甲、乙两选手各向目标靶射击十枪,
二人命中靶子的情况分别为:(单位:环)
甲 9 8 10 8 9 9 8 9 8 9 乙 6 7 9 10 10 9 10 8 9 10
现问,甲、乙二人哪一个命中率更高点?
很显然,通过某一枪的命中情况比较二 人命中率是不合适的,比较容易理解的是通 过二人各自命中环数的平均值来比较。
k!
EYEX2 k2ke k0 k!
k1
k
kk1!e
ek 1 k11k k1 1!
e k 1k1k k 1 1!k 1k k 1 1! ek 2k k2 2!k 1k k1 1!
sinx
1dx0.
0
2
3.二维随机变量函数的数学期望
定理3 (1) 如果 X,Y 是二维离散型随机变
量,其分布列为 P X x i , Y y j p i , j i , j 1 , 2 , ,
gx,y 是关于 x 和 y 的二元连续函数,
351 13 00.551 12 00
1 5106
(1
5005001
07010
0
310000.51000)0
0.0043元
即平均每购一张奖券可能得到的奖金不到半
分钱,但在实际生活中吸引力还是相当大的.
4.1.2 连续型随机变量的数学期望
定义2 设 X 为连续型随机变量,概率密度
则 ZgX,Y的数学期望为:
E Z E g X ,Y g x ,y fx ,y dx . d
例13 设随机变量 X,Y的概率密度为
6xy,
fx,y
0,
0x1,0y21x,
其.他
试计算 EX和 EXY . 解 由定义, EX xfx,ydx.dy
则由数学期望的定义,
EXY xi yj pij i,j1
若
g xi , yj pij
绝对收敛, 则 ZgX,Y
i, j1
的数学期望为
EZEgX,Ygxi,yjpij; i,j1
(2)如果 X,Y 是二维连续型随机变量,概率
密度为 fx,y, gx,y 是关于 x 和 y 的二元连
续函数,若 gx,yfx,ydxd绝y对收敛,
0
15
4.1.4、数学期望的性质
如果 X , Y 是两个随机变量,c 为任意常
数,且 EX,EY 都存在,则数学期望有以
下四条常见的性质。
(1 ) E C C ;
( 2 ) E C C X E X ;
( 3 ) E X Y E X E Y ;
解 已知泊松分布列为:
从而
P Xkke , k0 ,1 ,2 ,
k!
E XkP Xkkke
k0
k0 k!
ek 1k k1 1!ee
例5 设随机变量 X
取值为
xk
1k 2k
k
对应的概率为,PX
量X 的数学期望不存在。
例6 某种奖券销售单位为提高大众购买奖券 的兴趣,采用当众开奖的办法,每张奖券面值 1 元,每 500 万张设若干奖项如下:奖项 特等 一等 二源自 三等 纪念个数 1 10
100 1000 10000
奖品价值(元) 1500 500 70 3 0.5
试计算每购一张奖券平均能取多少奖金?
EX
t2
e2d t
t2
te2d t
2
2
20 2
即正态分布 N,2的第一个参数 就是
随机变量 X 的均值。
4.1.3 随机变量函数的数学期望 1、离散型随机变量函数的数学期望
定理1 设离散型随机变量 X 的分布列为
解 由于 X 是随机取值的, N 个值分别 是多少无法确定,但由分布列的定义,从理
论上讲N 次取之中有 N 次取到1, N 次取到
3
4
2, 5 N 次取到3,从而所求平均值应为:
12
1N11N25N3
X3
4
12
N
11125325 . 3 4 12 12
可以看到,平均值实际上是以分布概率为权重
例12 已知 X 服从 0,2 上的均匀分布,计算
YsinX的数学期望。
解 已知 X 的概率密度为
f
x
1
2
,
0,
x [0,2 ],
其它。
则所求 YsinX的数学期望为:
E YE siX n sixn fxdx
2
从平均值来看,乙选手比甲选手命中率更 高些。
如果我们用随机变量的取值表示两选手命 中的环数,则比较二人的命中率实际上是比较 两随机变量平均值的大小。
例1 设某离散型随机变量 X 的分布列为
X
12 3
pk
1
1
5
3
4
12
如果对随机变量连续进行N 次取值,问这 N
个值的平均值应是多少?(假设 N 相当大)
对于甲选手,命中环数的平均值为
98108998989 10
10 1 9 5 8 4 8.( 7 环,) 10 10 10
对于乙选手,命中环数的平均值为
67910109108910 10
104938171618.( 8 环 . ) 10 10 10 10 10