概率论与数理统计讲义-(17)课件_第1页
概率论与数理统计讲义-(17)课件_第2页
概率论与数理统计讲义-(17)课件_第3页
概率论与数理统计讲义-(17)课件_第4页
概率论与数理统计讲义-(17)课件_第5页
已阅读5页,还剩63页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第四章第一节数学期望第四章第一节

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.在前面的课程中,我们讨论了随机变量及其分布,因此,在对随机变量的研究中,确定某些数字特征是重要的.其中最常用的是期望和方差因此,在对随机变量的研究中,确定某些数字特征是重要的.其一、离散型随机变量的数学期望

概念的引入: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?我们来看这个问题.一、离散型随机变量的数学期望概念的引入:某若统计100天,例1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?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;可以得到这100天中每天的平均废品数为这个数能否作为X的平均值呢?若统计100天,例1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.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(假定小张每天至多出三件废品)

一般来说,若统计n天,可以想象,若另外统计100天,车工小张不出废品,出一件、二件这是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,用概率代替频率,得平均值为这是以概率为权的加权平均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.这是由频率和概率的关系不定义1设X是离散型随机变量,它的概率分布是:P{X=Xk}=pk,k=1,2,…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.如果有限,定义X的数学期望定义1设X是离散型随机变量,它的概率分布是:

两点分布

X∼B(1,p),0<p<1P{X=1}=p,P{X=0}=1-p

E(X)=1p+0(1-p)=p

常见离散型随机变量的数学期望二项分布

X∼B(n,p),其中0<p<1推导见(板)书,另一简单证明见期望的性质后面例题两点分布X∼B(1,p),0<p<1常见离散型随机

泊松分布

X∼P()其中>0,则E(X)=泊松分布X∼P()其中>0,则E(X)=二、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)的概率是小区间[xi,xi+1)阴影面积近似为二、连续型随机变量的数学期望设X是连续型随机变量,其密度小区间[Xi,Xi+1)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.这正是的渐近和式.阴影面积近似为近似,因此X与以概率取值xi的离散型r.v

该离散型r.v的数学期望是小区间[Xi,Xi+1)由于xi与xi+1由此启发我们引进如下定义.定义2设X是连续型随机变量,其密度函数为f(x),如果有限,定义X的数学期望为也就是说,连续型随机变量的数学期望是一个绝对收敛的积分.由此启发我们引进如下定义.定义2设X是连续型随机变量,

若X~U[a,b],即X服从[a,b]上的均匀分布,则若X服从若X服从参数为由随机变量数学期望的定义,不难计算得:若X~U[a,b],即X服从[a,b]上的均匀分布

这意味着,若从该地区抽查很多个成年男子,分别测量他们的身高,那么,这些身高的平均值近似是1.68.已知某地区成年男子身高X~这意味着,若从该地区抽查很多个成年男子,分别三、随机变量函数的数学期望

1.问题的提出:设已知随机变量X的分布,我们需要计算的不是X的期望,而是X的某个函数的期望,比如说g(X)的期望.那么应该如何计算呢?三、随机变量函数的数学期望1.问题的提出:如何计算随机变量函数的数学期望?一种方法是,因为g(X)也是随机变量,故应有概率分布,它的分布可以由已知的X的分布求出来.一旦我们知道了g(X)的分布,就可以按照期望的定义把E[g(X)]计算出来.

使用这种方法必须先求出随机变量函数g(X)的分布,一般是比较复杂的.如何计算随机变量函数的数学期望?一种方法是,那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢?下面的基本公式指出,答案是肯定的.那么是否可以不先求g(X)的分布而只根据X的类似引入上述E(X)的推理,可得如下的基本公式:设X是一个随机变量,Y=g(X),则

当X为离散型时,P(X=xk)=pk;当X为连续型时,X的密度函数为f(x).类似引入上述E(X)的推理,可得如下的基本公式:

该公式的重要性在于:当我们求E[g(X)]时,不必知道g(X)的分布,而只需知道X的分布就可以了.这给求随机变量函数的期望带来很大方便.该公式的重要性在于:当我们求E[g(XX∼N(0,1)求:E(X2)解:例3

X∼N(0,1)求:E(X2)解:例3

设:国际市场上对我国某种出口商品的每年需求量是随机变量X(单位:吨).X服从区间[2000,4000]上的均匀分布.每销售出一吨商品,可为国家赚取外汇3万元;若销售不出,则每吨商品需贮存费1万元.求:应组织多少货源,才能使国家收益最大?例4.

设组织货源t吨.显然应要求2000≤t≤4000.国家收益Y(单位:万元)是X的函数Y=g(X).表达式为:解设:国际市场上对我国某种出口商品的每年需求量是随由已知条件,X的概率密度函数为由已知条件,X的概率密度函数为可算得当t=3500时,E(Y)=-2t2+14000t-8000000达到最大,因此,应组织3500吨货源.

说明前面我们给出了求g(X)的期望的方法.实际上定理的结论可以原封不动地推广到两个随机变量函数Z=g(X,Y)的情形.可算得当t=3500时,说明前面我们给出了求g(X)的期望设二维离散型随机向量(X,Y)的分布律为piji=1,2,;j=1,2,.则:设二维连续型随机向量(X,Y)的密度函数为f(x,y),则:设二维离散型随机向量(X,Y)的分布律为设二维连续型随机向量

设二维离散型随机向量(X,Y)的概率分布如下表所示,求:Z=X2+Y的期望.

E(Z)=g(1,1)0.125+g(1,2)0.25+g(2,1)0.5+g(2,2)0.125解:例5

=4.25设二维离散型随机向量(X,Y)的概率分布如

设随机变量X和Y相互独立,概率密度函数分别为求:E(XY)解:

∵G(X,Y)=XY,X和Y相互独立.例6设随机变量X和Y相互独立,概率密度函数分别为求:概率论与数理统计讲义-(17)课件四、数学期望的性质

1.设C是常数,则E(C)=C;4.设X、Y独立,则E(XY)=E(X)E(Y);

2.若k是常数,则E(kX)=kE(X);

3.E(X1+X2)=E(X1)+E(X2);(诸Xi独立时)注意:由E(XY)=E(X)E(Y)不一定能推出X,Y独立四、数学期望的性质1.设C是常数,则E(C)=C;五、数学期望性质的应用例7求二项分布的数学期望若X~B(n,p),则X表示n重贝努里试验中的“成功”次数.现在我们来求X的数学期望.五、数学期望性质的应用例7求二项分布的数学期望若X~可见,服从参数为n和p的二项分布的随机变量X的数学期望是np.

X~B(n,p),若设则X=X1+X2+…+Xn=npi=1,2,…,n因为P{Xi=1}=p,P{Xi=0}=1-p所以E(X)=则X表示n重贝努里试验中的“成功”次数.E(Xi)==p可见,服从参数为n和p的二项分布的随机变量例8将n个球放入M个盒子中,设每个球落入各个盒子是等可能的,求有球的盒子数X的期望.解:引入随机变量:则X=X1+X2+…+XM,于是E(X)=E(X1)+E(X2)+…+E(XM).每个随机变量Xi都服从两点分布,i=1,2,…,M.例8将n个球放入M个盒子中,设每个球落入各个盒子是∵每个球落入每个盒子是等可能的均为1/M,∴对第i个盒子,一个球不落入这个盒子内的概率为(1-1/M).故N个球都不落入这个盒子内的概率为(1-1/M)n,即:∵每个球落入每个盒子是等可能的均为1/M,小结:这一讲,我们介绍了随机变量的数学期望,它反映了随机变量取值的平均水平,是随机变量的一个重要的数字特征.接下来的一讲中,我们将向大家介绍随机变量另一个重要的数字特征:方差小结:这一讲,我们介绍了随机变量的数学期望,它反映了随机变第四章第一节数学期望第四章第一节

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.在前面的课程中,我们讨论了随机变量及其分布,因此,在对随机变量的研究中,确定某些数字特征是重要的.其中最常用的是期望和方差因此,在对随机变量的研究中,确定某些数字特征是重要的.其一、离散型随机变量的数学期望

概念的引入: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?我们来看这个问题.一、离散型随机变量的数学期望概念的引入:某若统计100天,例1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?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;可以得到这100天中每天的平均废品数为这个数能否作为X的平均值呢?若统计100天,例1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.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(假定小张每天至多出三件废品)

一般来说,若统计n天,可以想象,若另外统计100天,车工小张不出废品,出一件、二件这是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,用概率代替频率,得平均值为这是以概率为权的加权平均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.这是由频率和概率的关系不定义1设X是离散型随机变量,它的概率分布是:P{X=Xk}=pk,k=1,2,…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.如果有限,定义X的数学期望定义1设X是离散型随机变量,它的概率分布是:

两点分布

X∼B(1,p),0<p<1P{X=1}=p,P{X=0}=1-p

E(X)=1p+0(1-p)=p

常见离散型随机变量的数学期望二项分布

X∼B(n,p),其中0<p<1推导见(板)书,另一简单证明见期望的性质后面例题两点分布X∼B(1,p),0<p<1常见离散型随机

泊松分布

X∼P()其中>0,则E(X)=泊松分布X∼P()其中>0,则E(X)=二、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)的概率是小区间[xi,xi+1)阴影面积近似为二、连续型随机变量的数学期望设X是连续型随机变量,其密度小区间[Xi,Xi+1)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.这正是的渐近和式.阴影面积近似为近似,因此X与以概率取值xi的离散型r.v

该离散型r.v的数学期望是小区间[Xi,Xi+1)由于xi与xi+1由此启发我们引进如下定义.定义2设X是连续型随机变量,其密度函数为f(x),如果有限,定义X的数学期望为也就是说,连续型随机变量的数学期望是一个绝对收敛的积分.由此启发我们引进如下定义.定义2设X是连续型随机变量,

若X~U[a,b],即X服从[a,b]上的均匀分布,则若X服从若X服从参数为由随机变量数学期望的定义,不难计算得:若X~U[a,b],即X服从[a,b]上的均匀分布

这意味着,若从该地区抽查很多个成年男子,分别测量他们的身高,那么,这些身高的平均值近似是1.68.已知某地区成年男子身高X~这意味着,若从该地区抽查很多个成年男子,分别三、随机变量函数的数学期望

1.问题的提出:设已知随机变量X的分布,我们需要计算的不是X的期望,而是X的某个函数的期望,比如说g(X)的期望.那么应该如何计算呢?三、随机变量函数的数学期望1.问题的提出:如何计算随机变量函数的数学期望?一种方法是,因为g(X)也是随机变量,故应有概率分布,它的分布可以由已知的X的分布求出来.一旦我们知道了g(X)的分布,就可以按照期望的定义把E[g(X)]计算出来.

使用这种方法必须先求出随机变量函数g(X)的分布,一般是比较复杂的.如何计算随机变量函数的数学期望?一种方法是,那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢?下面的基本公式指出,答案是肯定的.那么是否可以不先求g(X)的分布而只根据X的类似引入上述E(X)的推理,可得如下的基本公式:设X是一个随机变量,Y=g(X),则

当X为离散型时,P(X=xk)=pk;当X为连续型时,X的密度函数为f(x).类似引入上述E(X)的推理,可得如下的基本公式:

该公式的重要性在于:当我们求E[g(X)]时,不必知道g(X)的分布,而只需知道X的分布就可以了.这给求随机变量函数的期望带来很大方便.该公式的重要性在于:当我们求E[g(XX∼N(0,1)求:E(X2)解:例3

X∼N(0,1)求:E(X2)解:例3

设:国际市场上对我国某种出口商品的每年需求量是随机变量X(单位:吨).X服从区间[2000,4000]上的均匀分布.每销售出一吨商品,可为国家赚取外汇3万元;若销售不出,则每吨商品需贮存费1万元.求:应组织多少货源,才能使国家收益最大?例4.

设组织货源t吨.显然应要求2000≤t≤4000.国家收益Y(单位:万元)是X的函数Y=g(X).表达式为:解设:国际市场上对我国某种出口商品的每年需求量是随由已知条件,X的概率密度函数为由已知条件,X的概率密度函数为可算得当t=3500时,E(Y)=-2t2+14000t-8000000达到最大,因此,应组织3500吨货源.

说明前面我们给出了求g(X)的期望的方法.实际上定理的结论可以原封不动地推广到两个随机变量函数Z=g(X,Y)的情形.可算得当t=3500时,说明前面我们给出了求g(X)的期望设二维离散型随机向量(X,Y)的分布律为piji=1,2,;j=1,2,.则:设二维连续型随机向量(X,Y)的密度函数为f(x,y),则:设二维离散型随机向量(X,Y)的分布律为设二维连续型随机向量

设二维离散型随机向量(X,Y)的概率分布如下表所示,求:Z=X2+Y的期望.

E(Z)=g(1,1)0.125+g(1,2)0.25+g(2,1)0.5+g(2,2)0.125解:例5

=4.25设二维离散型随机向量(X,Y)的概率分布如

设随机变量X和Y相互独立,概率密度函数分别为求:E(XY)解:

∵G(X,Y)=XY,X和Y相互独立.例6设随机变量X和Y相互独立,概率密度函数分别为求:概率论与数理统计讲义-(17)课件四、数学期望的性质

1.设C是常数,则E(C)=C;4.设X、Y独立,则E(XY)=E(X)E(Y);

2.若

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论