3.2随机变量函数的数学期望

第一节 数学期望
离散、连续型随机变量的数学期望 随机变量函数的数学期望 数学期望的性质 课堂练习
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.
N
证明: E
n
k nk
C C M M N M
k C C n
C C k0
N
n
n N k 1
k 1 (n1)(k 1) M 1 ( N 1)(M 1)
M CNn
C n1 N量X的概率密度为f(x)，如
果积分 xf (x)dx 绝对收敛，则称该积分的值
为随机变量X的数学期望或者均值，记为EX，即
即
E( X ) xk pk
k 1
若级数发散 xk pk ，则称X的数学期望不存在。
k 1
例1 谁的技术比较好? 甲、乙两个射手 , 他们射击的分布律分别为
甲射手
击中环数 8 9 10
概率
0.3 0.1 0.6
乙射手
击中环数 8 9 10
概率
0.2 0.5 0.3
试问哪个射手技术较好?
解 设甲、乙射手击中的环数分别为 X1, X2 . E( X1) 8 0.3 9 0.1 10 0.6 9.3(环), E( X2 ) 8 0.2 9 0.5 10 0.3 9.1(环),
E(X ) x f (x)dx
如果积分 x f (x)dx 发散，则称X的数学期
望不存在。
注： E(X)是一个实数而非变量, 并非所有的随机变 量都存在数学期望。

0.95.
2. 连续型随机变量函数的数学期望的求法：
(1)设X的概率密度为f ( x)，则Y g( X )的数学期望为：
EY E[g( X )] g( x) f ( x)dx.
(2) 设( X，Y )的概率密度为f ( x，y)，则Z g( X，Y )的数学期望为：
EZ E[g( X ,Y )] g( x, y) f ( x, y)dxdy.
0
1 3
.
(3)
E(X 2)
x2 f ( x)dx
1 2x3dx
0
1 2
x4
1 0
1 2
.
2. 连续型随机变量函数的数学期望的求法：
(1)设X的概率密度为f ( x)，则Y g( X )的数学期望为：
EY E[g( X )] g( x) f ( x)dx.
(2) 设( X，Y )的概率密度为f ( x，y)，则Z g( X，Y )的数学期望为：
0
0
(
xex
)
0
exdx
0
1
e x
0
1
.
(3) 正态分布N(, 2)的数学期望
设X服从正态分布，其概率密度为：
f (x)
1
( x )2
e
2 2
,
x ,
2
则 EX .
证明：E( X )
xf ( x)dx
＋
x
( x )2
e 2 2 dx
2
令t
x
1
(t
)e
t2 2
dt
甲： 环数 8
9 10 乙： 环数 8
9 10
P 0.4 0.2 0.4
P 0.2 0.5 0.3

+∞
∑ g ( x ) p 绝对收敛,则Y的期望为 ∞
k =1 k k
∑ g(x
k =1
k
) pk
(2) 设X是连续型随机变量,概率密度为 f ( x) , 如果积分 ∫−∞ g ( x) f ( x)dx 绝对收敛,则Y的期望为
E (Y ) = E[ g ( X )] = ∫ g ( x ) f ( x )dx
例 设X的概率分布律为
X −1
0 12
1
2
p 1 3 1 6 1 6 1 12 1 4
试求Y=－X+1及 Z = X 2 的期望和方差。 X －1 0 1/2 解 由于 P 1/3 1/6 1/6 Y =－X+1 2 1 1/2 Z = X2 1 0 1/4
1 1 1 1 1 1 2 E (Y ) = ( −1) ⋅ + 0 ⋅ + ⋅ + 1⋅ + 2 ⋅ = 4 12 2 6 6 3 3
2 2
D( Z ) = E ( Z 2 ) + [ E ( Z )]2 = 2.23264
1 + x − 1 < x < 0 例 设随机变量X的概率密度为 f ( x ) = 1 − x 0 ≤ x < 1 1)求D(X）, 2)求 D ( X 2 )
解 (1) E ( X ) = ∫ x(1 + x)dx + ∫ x(1 − x)dx
第四章 随机变量的数字特征
离散型随机变量的数学期望 连续型随机变量的数学期望 数学期望的性质及随机变量函数的期望 方差及其性质
4.1数学期望 数学期望
数学期望——描述随机变量取值的平均特征 数学期望——描述随机变量取值的平均特征 一、离散型随机变量的数学期望 定义 设离散型随机变量X的概率分布为

利川“腾龙洞（水洞口）”
前面已经讲授了有关随机变量及其分布的相关概念和相关 概率计算问题。
我们知道：随机变量的取值不止一个，且取某个值
（或某范围的值）都有相应的概率，但实际中经常要 考察随机变量取值趋势问题，如取值的平均值问题、 取值的集中性问题等等。
某年级学生《 概率统计》 考试成绩X的分布如下， 例1： 设某班40名学生的《概率统计》成绩及 求该年级《 概率统计》 的平均成绩 . X表示从该班任取一人的 成绩 得分人数如下表所示
1
0.8
i 1
Xi
2
0.2 0.8 0.16
9
3
0.22 0.04
P
E X i 1.24 EX EX i 9 1.24 11.16
i 1
再多准备10%至15%，大约需为他们准备13发子弹。
例14：甲、乙两名射手在一次射击中得分（分别用X、Y表示） 的分布律如下表所示：
E ( X ) xk pk . E ( X ) xf ( x)dx.




g ( x) f ( x)dx.
设随机变量 Z是随机变量 X , Y的函数，Z g ( X , Y )， 这里z g ( x, y)是连续函数
且 g ( xi , y j ) pij绝对收敛， 则Z g ( X , Y )的数学期望为:
r k
P77
前面讲的数学期望 EX就是“一阶原点矩”
例12：设随机变量X的分布律为 求X的一阶原点矩和二阶中心矩 解: X的一阶原点矩为： 1 1 1 E ( X ) (1) 0 1 0 3 3 3 X的二阶中心矩为：
2 EX E ( X EX )
X Pk