第三章 随机变量的数字特征

ydxdy.
定理1 cov(X ,Y ) E( XY ) E( X )E(Y )
定理2 若X与Y 独立，则：covX ,Y 0. 逆命题不成立。
注 设X与Y是任两个随机变量，
10
D( X Y ) D( X ) D(Y ) 2cov(X ,Y )
2、X与Y 的相关系数
定义 R( X ,Y ) cov( X ,Y )
EX
xf
xdx
1
二、二维随机变量的数学期望
（1）设二维离散随机变量(X,Y)的联合概率函数为p(xi , yj)，则
随机变量X及Y 的数学期望分别定义如下：
EX xi p xi , y j , EY y j p xi , y j .
i j
ji
即： EX xi pX xi , EY y j pY y j .
第三章 随机变量的数字特征
（一）基本内容 一、一维随机变量的数学期望
定义1：设X是一离散型随机变量，其分布列为：
X x1 x2 xi
P p( x1 ) p( x2 )p( xi )
则随机变量X 的数学期望为: EX xi pxi
i
定义2：设X是一连续型随机变量，其分布密度为 f x,
则随机变量X的数学期望为
i
j
假定级数是绝对收敛的.
（2）设二维连续随机变量(X,Y)的联合概率密度为f(x, y)，则
随机变量X及Y 的数学期望分别定义如下：
EX
xf
x,
ydxdy,
EY
yf x, ydxdy.
即：EX
xf X x dx,
EY
yfY y dy.
2
假定积分是绝对收敛的.

（完整版）概率论习题答案随机变量的数字特征第3章随机变量的数字特征1，在下列句⼦中随机地取⼀单词，以X 表⽰取到的单词所包含的字母个数，试写出X 的分布律并求)(X E .“They found Peking greatly changed ”解：根据题意，有1/5的可能性取到5个单词中的任意⼀个。

它们的字母数分别为4，5，6，7，7。

所以分布律为5/29)77654(51)(=++++=X E .2，在上述句⼦的29个字母中随机地取⼀个字母，以Y 表⽰取到的字母所在的单词所包含的字母数，写出Y 的分布律并求)(Y E 。

解：５个单词字母数还是４，５，６，７，７。

这时，字母数更多的单词更有可能被取到。

分布律为29/175)147665544(291)(=?+?+?+?=Y E .3，在⼀批12台电视机中有2台是次品，若在其中随即地取3台，求取到的电视机中包含的次品数的数学期望。

解：根据古典概率公式，取到的电视机中包含的次品数分别为0，1，2台的概率分别为1163123100==C C p ， 229312210121==C C C p ， 221312110222==C C C p 。

所以取到的电视机中包含的次品数的数学期望为)(21222112290116台=?+?+?=E 。

4，抛⼀颗骰⼦，若得6点则可抛第⼆次，此时得分为6+（第⼆次所抛的点数），否则得分就是第⼀次所抛的点数，不能再抛。

求所得分数的分布律，并求得分的数学期望。

解：根据题意，有1/6的概率得分超过6，⽽且得分为7的概率为两个1/6的乘积（第⼀次6点，第2次1点），其余类似；有5/6的概率得分⼩于6。

分布律为得分的数学期望为)(1249)121110987(361)54321(61点=++++++++++=E 。

5，（1）已知)(~X λπ，}6{}5{===X P X P ，求)(X E 。

（2）设随机变量X 的分布律为Λ,4,3,2,1,6}{22--===k k k X P π，问X 的数学期望是否存在？解：（1）根据)(~X λπ，可得}6{!6!5}5{65=====--X P e e X P λλλλ，因此计算得到6=λ，即)6(~X π。

协方差阵为
⎜⎜⎝⎛
0.21 − 0.02
−00.2.042⎟⎟⎠⎞ ，
相关阵为
⎜⎜⎝⎛
−
1 0.089
− 01.089⎟⎟⎠⎞ 。
18．设随机变量（X，Y）的概率密度为
f
(x,
y)
=
⎪⎧1 ⎨8
(x
+
y)，
0
≤
x
≤
2，0 ≤
y
≤
2
⎪⎩
0，
其它
求相关系数 ρ XY 。 答案与提示：欲求相关系数，需先求 DX、DY、EX、EY 、Cov ( X，Y ) 。
4
4
12．设 X、Y 的概率分布分别为
f
(x)
=
⎧2e −2 x，
⎨ ⎩
0，
x x
> ≤
0 0
求： E( X + Y ) 和 E(2X − 3Y 2 ) 。
f
( y)
=
⎧4e−4 y，
⎨ ⎩
0，
y y
> ≤
0 0
答案与提示：可利用由数学期望性质及常用分布随机变量的数学期望和方差来
计算 E( X + Y ) 和 E(2X − 3Y 2 ) ，关键是计算 EX 、 EY 、 EY 2 。
答案与提示：事件在 n 次独立重复试验中发生的次数服从参数为 n ， p 的二项分
布 B(n, p) ，当然在一次试验中发生的次数应服从 B(1, p) ，即为(0-1)分布。
可令
X
=
⎧1，事件A在试验中发生， ⎨⎩0，事件A在试验中不发生.
得 DX ≤ 1 ，即事件在一次试验中发生的次数的方差不超过 1 。

第三章 随机变量的数字特征
一、数学期望的概念 二、数学期望的性质 三、应用实例
回
停 下
§3.1
数学期望
一、数学期望的概念
1. 问题的提出 1654年, 一个名叫梅累的骑士就“两个赌徒 约定赌若干局, 且谁先赢 c 局便算赢家, 若在一 赌徒胜a局 (a<c), 另一赌徒胜b局(b<c)时便终止 赌博, 问应如何分赌本” 为题求教于帕斯卡, 帕 斯卡与费马通信讨论这一问题, 于1654 年共同 建立了概率论的第一个基本概念 — 数学期望








因而其数学期望E(X)不存在.
§3.2 数学期望的性质 一、性质
性质3.1 设C是常数, 则有ECC. 证
E X E C 1 C C . E CX CE X .
性质3.2 设 X 是一个随机变量, C 是常数, 则有 证 E CX Cxk pk C xk pk CE X .

数学期望, 记为EX, 即
E X

xp x dx .
4. 数学期望不存在的实例
例3
设随机变量X的分布律为 1 PX n , n 1,2,, nn 1
求证: 随机变量X没有数学期望.
证 由定义, 数学期望应为

1 E X npn . n1 n 1 n 1
求EX, EY, E (Y / X ), E[( X Y )2 ]. 思考： X2的分布律？
例7 设随机变量X ~ N0,1, Y ~U0,1, Z~B5,0.5, 且X, Y, Z相互独立, 求随机变量W 2X+3Y4Z1
的数学期望.