概率论与数理统计：数学期望的性质
概率论与数理统计 --- 第四章{随机变量的数字特征} 第一节：数学期望
这个数能否作为 X的平均值呢？
若统计100天,
可以想象, 若另外统计100天, 车工小张不出废品, 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)
又设飞机机翼受到的正压力W 是V 的函数 : W kV 2 ( k 0, 常数), 求W 的数学期望.
解: 由上面的公式
1 1 2 E (W ) kv f (v )dv kv dv ka a 3 0
2 2
a
例7 设二维连续型随机变量（X , Y）的概率密度为
A sin( x y ) 0 x , 0 y f ( x, y) 2 2 0 其它 (1)求系数A , ( 2)求E ( X ), E ( XY ).
x f ( x )x
i i i
i
阴影面积近似为
这正是:
f ( xi )xi
x f ( x )dx
的渐近和式.
小区间[xi, xi+1)
定义: 设X是连续型随机变量, 其密度函数为 f (x), 如果积分: xf ( x )dx
概率论
绝对收敛, 则称此积分值为X的数学期望, 即:
2. 设二维连续型随机变量 (X, Y) 的联合概率密度为 f (x, y), 则： E ( X )
E (Y )
xf X ( x )dx
yfY
( y )dy
xf ( x , y )dxdy,
高等教育自学考试 概率论与数理统计期末自学 复习重要知识点
概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）： 若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x p p ====-<<，则称X 服从12,x x 处参数为p 的两点分布。
两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：{}(1),0,1,...,.k k n kn P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。
5.常用的连续型分布： （1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。
《概率论与数理统计》数学期望
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
概率论与数理统计
§4.4 协方差和相关系数
协方差 相关系数 授课内容 例题
§4.4 协方差和相关系数 协方差
1. 定义
§4.4 协方差和相关系数 协方差
2. 协方差的计算公式
概率论与数理统计
§4.1 数学期望
离散型随机变量的数学期望
连续型随机变量的数学期望
授课内容
数学期望的性质
§4.1 数学期望 离散型随机变量的数学期望
1. 定义
§4.1 数学期望 离散型随机变量的数学期望
关于定义的几点说明
(2) 级数的绝对收敛性保证了级数的和不随级数各项次序的改变 而改变 , 之所以这样要求是因为数学期望是反映随机变量X 取可能值 的平均值,它不应随可能值的排列次序而改变.
§4.4 协方差和相关系数 相关系数
3. 不相关的定义
§4.4 协方差和相关系数 相关系数
4. 不相关性的判定
以下四个条件等价 (1) ρ 0; (2)Cov( X ,Y ) 0; (3) D( X Y ) DX DY;
(4)3 随机变量函数的数学期望 二维随机变量函数的数学期望
§4.3 随机变量函数的数学期望 二维随机变量函数的数学期望
一维随机变量函数的数学期望 二维随机变量函数的数学期望 授课内容 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
5 .不相关与相互独立的关系
协方差 相关系数 授课内容 例题
§4.4 协方差和相关系数 例题
概率论与数理统计总复习参考
定义7 （概率的统计定义） 定义8 （概率的公理化定义） 设试验E的样本
空间为Ω，对任意事件A，赋予一实数 P(A)，若
它满足
非负性公理：0≤P(A) ≤1;
规范性公理：P(Ω)=1;
可列可加性公理：若A1, A2, …两两互斥, 则
P ( Ai ) P ( Ai ).
二、随机事件的关系与运算
1. 事件的关系
(1) 包含关系 若事件A发生必然导致事件B发生，则称事件A包含于B，
记为 A B.
(2) 互斥（互不相容）： 若两个事件A、B不可能同时发生，则称事件A与B互斥 （互不相容）. 必然事件与不可能事件互斥; 基本事件之间是互斥的.
2. 事件的运算
(1) 事件的并（和） 若C表示“事件A与事件B至少有一个发生”这一事件，
fY
(
y)
f
X
[h(
y)] | 0,
h(
y)
|,
y ,
其他.
第三章 二维随机变量及其分布
1. 二维随机变量
(X, Y )：X, Y 是定义在同一样本空间 上的两个随机变量.
2. 联合分布函数、性质 F(x, y) =P{X x, Y y}, (任意实数x, y).
3. 边缘分布函数 FX (x) = F(x, +), FY (y) = F(+, y).
P p1
p2 … pn …
注 ：如果 g( xk ) 中有些项相同，则需将它们 作适当并项.
(2) 连续型随机变量函数的分布 (i) 定义法
FY ( y) P{Y y} P{g( X ) y}
{ x|g( x) y} f X ( x)dx.
概率论与数理统计复习4-5章
∑ 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
概率论与数理统计》课后习题答案第四章
习题4.11．设10个零件中有3个不合格． 现任取一个使用，若取到不合格品，则丢弃重新抽取一个，试求取到合格品之前取出的不合格品数X 的数学期望．解 可得X 的概率分布为0123~77711030120120X ⎡⎤⎢⎥⎢⎥⎣⎦于是X 的数学期望为7771()012310301201204531208E X =⨯+⨯+⨯+⨯==2．.某人有n 把外形相似的钥匙，其中只有1把能打开房门，但他不知道是哪一把，只好逐把试开．求此人直至将门打开所需的试开次数X 的数学期望．解 可得X 的概率分布为12~111n X nn n ⎡⎤⎢⎥⎢⎥⎣⎦于是X 的数学期望为111()121(1)122E X n n n nn n n n =⨯+⨯++⨯++==3．设5次重复独立试验中每次试验的成功率为0.9，若记失败次数为X ，求X 的数学期望。
解 由题意~(5,0.1)X B ，则X 的数学期望为 ()50.10.E X =⨯= 4．设某地每年因交通事故死亡的人数服从泊松分布．据统计，在一年中因交通事故死亡一人的概率是死亡两人的概率的21，求该地每年因交通事故死亡的平均人数。
解 设该地每年因交通事故死亡的人数为X ，由题意X 服从泊松分布() (0)P λλ>.因1{1}{2}2P X P X === 即121 41!22!ee λλλλλ--=⇒= 于是X 的数学期望为()4E X λ== 所以地每年因交通事故死亡的平均人数为4人。
5．设随机变量X 在区间(1,7)上服从均匀分布，求2{()}P X E X <. 解 因X 在区间(1,7)上服从均匀分布，故X 的数学期望为17()42E X +== 于是22{()}{4}1 {22}6P X E X P X P X <=<=<-<<=6．设连续型随机变量X 的概率密度为01() (,0)0 b ax x p x a b ⎧<<=>⎨⎩其它又知()0.75E X =,求,a b 的值解 由密度函数的性质可得()1p x dx +∞-∞=⎰即1111b aax dx b =⇒=+⎰又由()0.75E X =，可得1()0.75b xp x dx x ax dx +∞-∞=⋅=⎰⎰即0.752ab =+ 求解110.752ab a b ⎧=⎪⎪+⎨⎪=⎪+⎩可得 3,2a b ==.7．设随机变量X 的概率密度为0<1()2 120 x x p x x x <⎧⎪=-≤<⎨⎪⎩其它求数学期望()E X解1201331221()() (2) ()133E X xp x dxx xdx x x dx x x x +∞-∞==⋅+⋅-=+-=⎰⎰⎰8.设随机变量X 的概率分布为X -2 -1 0 1 P 0.2 0.3 0.1 0.4 求 (1)(21)E X -；（2）2()E X .解 (1) (21)2()1E X E X -=- 其中()20.210.3010.40.3E X =-⨯-⨯++⨯=-则(21)2()12(0.3)1 1.6E X E X -=-=⨯--=-(2）22222()0.2(2)0.3(1)0.100.41 1.5E X =⨯-+⨯-+⨯+⨯=9．假设一部机器在一天内发生故障的概率为0.2，机器发生故障时全天停止工作。
数学期望(均值)、方差和协方差的定义与性质
均值、方差和协方差的定义和基本性质1 数学期望（均值）的定义和性质定义：设离散型随机变量X 的分布律为{}, 1,2,k k P X x p k === 若级数1k k k xp ∞=∑绝对收敛，则称级数1k k k xp ∞=∑的和为随机变量X 的数学期望，记为()E X 。
即()1k k k E X x p ∞==∑。
设连续型随机变量X 的概率密度为()f x ，若积分()xf x dx ∞−∞⎰ 绝对收敛，则称积分()xf x dx ∞−∞⎰的值为随机变量X 的数学期望，记为()E X 。
即 ()()E X xf x dx ∞−∞=⎰ 数学期望简称期望，又称为均值。
性质：下面给出数学期望的几个重要的性质（1）设C 是常数，则有()E C C =；（2）设X 是一个随机变量，C 是常数，则有()()E CX CE X =；（3）设X 和Y 是两个随机变量，则有()()()E X Y E X E Y +=+，这一性质可以推广至任意有限个随机变量之和的情况；（4）设X 和Y 是相互独立的随机变量，则有()()()E XY E X E Y =。
2 方差的定义和性质定义：设X 是一个随机变量，若(){}2E X E X −⎡⎤⎣⎦存在，则称(){}2E X E X −⎡⎤⎣⎦为X的方差，记为()D X 或()Var X ，即性质：下面给出方差的几个重要性质（1）设C 是常数，则有()0D C =；（2）设X 是一个随机变量，C 是常数，则有()()2D CX C D X =，()()D X C D X +=；（3）设X 和Y 是两个随机变量，则有()()()()()()(){}2D X Y D X D Y E X E X Y E Y +=++−−特别地，若X 和Y 相互独立，则有()()()D X Y D X D Y +=+ （4）()0D X =的充分必要条件是以概率1取常数()E X ，即(){}1P X E X ==。
第11讲 数学期望
P
Exi=1.24
0.8
0.16
0.04
Ex=Ex1+...+Ex9=91.24=11.16
再多准备10%, 则约需为他们准备13发子弹
例9
一民航送客车载有20位旅客自机场开出, 旅客有10
个车站可以下车. 如到达一个车站没有旅客下车就不停 车. 以X表示停车的次数, 求E(X)(设每位旅客在各个车 站下车是等可能的, 并设各旅客是否下车相互独立). 解 引入随机变量
0.25a=0.5, 即a=2, k=3
某商店对某种家用电器的销售采用先使用后付款的方 例4 式, 记使用寿命为X(以年计), 规定: X1, 一台付款1500元;
1<X2, 一台付款2000元;
2<X3, 一台付款2500元;
X>3, 一台付款3000元.
设寿命X服从指数分布, 概率密度为
第四章
数字特征
第一节 数学期望
一、随机变量的数学期望
二、随机变量函数的数学期望
三、数学期望的性质
通常求出随机变量的分布并不是一件容易的事, 而人们更关心的是用一些数字来表示随机变量的 特点, 这些与随机变量有关的数字, 就是随机变 量的数字特征. 最常用的数字特征为数学期望, 方差和相关系数.
一、随机变量的数学期望
0 0
x
mxλe λydy
x
1 1 λx (m n) (m n) e nx. λ λ
1 1 λx E(Q) (m n) (m n) e nx. λ λ d 令 E(Q) (m n)e λx n 0, dx 得 而 1 n x ln . λ mn d2 λx E(Q) λ(m n)e 0, 2 dx
《概率论与数理统计》第4-7 章复习与自测题
《概率论与数理统计》第4－7章复习第四章 随机变量的数字特征常用分布的期望与方差第五章 大数定律及中心极限定理第六章 数理统计的基本概念第七章参数估计常用概率分布的参数估计表自测题第四章﹑数字特征1. 设随机变量X 的密度函数f(x)= ⎩⎨⎧5x 4 0≤x ≤1 0 其他, 求数学期望EX 。
2.设随机变量X ～N (-1，3)，Y ～N (0，5)，Cov(X ,Y )=0.4，求D (X +Y )的值。
3. 设随机变量X 和Y 的密度函数分别为f X (x)= ⎩⎨⎧0.5， 1≤x ≤30， 其它 ，f Y (y)= ⎩⎨⎧3e -3y ， y>00， y ≤0， 若X ，Y 相互独立，求： E(XY)4. 设 X 服从参数为 λ 的普阿松分布(λ>0)，则下列6个等式中那几个是错误的。
DX=1λ, E(X)D(X) =1 , E(X 2)=E(X)[E(X)+1] , E(X) = λ , E (X - λ)2 = 0, EX=λ2+λ5．设随机变量的联合分布律为⎣⎢⎡⎦⎥⎤X ╲Y 1 2 0 1/4 1/12 2 1/6 1/2 求：(1) E(X), E(Y)；(2)D(X), D(Y)；(3) ρxy 。
6．设二维随机变量(X ，Y)的联合分布律为⎣⎢⎡⎦⎥⎤X ╲Y 0 1 3 0 0.1 0.2 0.1 1 0.2 0.4 0，求(1)E(XY); (2)Cov(X,Y)。
试问：X 与Y 是否相互独立？为什么？7. 设随机变量X 的分布律为 ⎣⎡⎦⎤X -2 0 1 2P 0.2 0.3 0.4 0.1.记Y =X 2， 求：(1)D (X )，D (Y )；(2)Cov(X,Y ), ρxy .8. 已知投资某短期项目的收益率R 是一随机变量，其分布为：⎣⎡⎦⎤R -2% 0% 3% 10%P 0.1 0.1 0.3 0.5 。
(1) 求R 的数学期望值E(R)与方差D(R)；(2) 若一位投资者在该项目上投资100万元，求他预期获得多少收益(纯利润)(万元)？9. 假定暑假市场上对冰淇淋的需求量是随机变量X 盒，它服从区间[200，400]上的均匀分布，设每售出一盒冰淇淋可为小店挣得1元，但假如销售不出而屯积于冰箱，则每盒赔3元。
自考_概率论与数理统计(经管类)__真题及答案详解分析
1【解析】因为，所以，而，所以，即；又由集合的加法公式P（AB）=P（A）+P（B）-P（A∪B）=0.5+0.4-0.6=0.3，所以＝0.5－0.3＝0.2，故选择B.[快解] 用Venn图可以很快得到答案：【提示】1. 本题涉及集合的运算性质：（i）交换律：A∪B=B∪A,AB=BA；（ii）结合律：（A∪B）∪C=A∪（B∪C）,（AB）C=A（BC）；（iii）分配律：（A∪B）∩C=（A∩C）∪（B∩C），（A∩B）∪C=（A∪C）∩（B∪C）；（iv）摩根律（对偶律）,.2.本题涉及互不相容事件的概念和性质：若事件A与B不能同时发生，称事件A与B互不相容或互斥，可表示为A∩B＝，且P（A∪B）=P（A）+P（B）.2.【答案】C【解析】根据分布函数的性质，选择C。
【提示】分布函数的性质：① 0≤F（x）≤1；② 对任意x1，x2（x1<x2），都有P{x1<X≤x2}=F（x2）-F（x1）；③ F（x）是单调非减函数；④ ，；⑤ F（x）右连续；⑥ 设x为f（x）的连续点，则F‘（x）存在，且F’（x）=f（x）.3【答案】D【解析】由课本p68，定义3－6：设D为平面上的有界区域，其面积为S且S>0. 如果二维随机变量（X,Y）的概率密度为，则称（X,Y）服从区域D上的均匀分布.本题x2+y2≤1为圆心在原点、半径为1的圆，包括边界，属于有界区域，其面积S=π，故选择D.【提示】课本介绍了两种二维连续型随机变量的分布：均匀分布和正态分布，注意它们的定义。
若（X,Y）服从二维正态分布，表示为（X,Y）～.4.【答案】A【解析】因为随机变量X服从参数为2的指数分布，即λ=2，所以；又根据数学期望的性质有 E（2X-1）=2E（X）-1=1-1=0，故选择A.【提示】1.常用的六种分布（1）常用离散型随机变量的分布：A. 两点分布① 分布列② 数学期望：E（X）=P③ 方差：D（X）=pq。
2019年4月全国自考概率论与数理统计答案详解19页word
2019年4⽉全国⾃考概率论与数理统计答案详解19页word 2019年4⽉⾼等教育⾃学考试《概率论与数理统计》（经管类）答案解析课程代码：04183⼀、单项选择题（本⼤题共10⼩题，每⼩题2分，共20分）1.甲，⼄两⼈向同⼀⽬标射击，A表⽰“甲命中⽬标”，B表⽰“⼄命中⽬标”，C表⽰“命中⽬标”，则C=（）A.AB.BC.ABD.A∪B【答案】D【解析】“命中⽬标”=“甲命中⽬标”或“⼄命中⽬标”或“甲、⼄同时命中⽬标”，所以可表⽰为“A∪B”，故选择D.【提⽰】注意事件运算的实际意义及性质：（1）事件的和：称事件“A，B⾄少有⼀个发⽣”为事件A与B的和事件，也称为A 与B的并A∪B或A+B.性质：①,；②若，则A∪B=B.（2）事件的积：称事件“A，B同时发⽣”为事件A与B的积事件，也称为A与B的交，记做F=A∩B或F=AB.性质：①，；②若，则AB=A.（3）事件的差：称事件“A发⽣⽽事件B不发⽣”为事件A与B的差事件，记做A－B.性质：①；②若，则；③.（4）事件运算的性质（i）交换律：A∪B=B∪A, AB=BA；（ii）结合律：（A∪B）∪C=A∪（B∪C）, （AB）C=A（BC）；（iii）分配律：（A∪B）∩C=（A∩C）∪（B∩C）（A∩B）∪C=（A∪C）∩（B∪C）.（iv）摩根律（对偶律）,2.设A，B是随机事件，，P（AB）=0.2，则P（A－B）=（）A.0.1B.0.2C.0.3D.0.4【答案】A【解析】，，故选择A.【提⽰】见1题【提⽰】（3）.3.设随机变量X的分布函数为F（X）则（）A.F（b－0）－F（a－0）B.F（b－0）－F（a）C.F（b）－F（a－0）D.F（b）－F（a）【答案】D【解析】根据分布函数的定义及分布函数的性质，选择D.详见【提⽰】. 【提⽰】1.分布函数定义：设X为随机变量，称函数，为的分布函数.2.分布函数的性质：①0≤F（x）≤1；②对任意x1，x2（x1< x2），都有；③F（x）是单调⾮减函数；④，；⑤F（x）右连续；⑥设x为f（x）的连续点，则f′（x）存在，且F′（x）=f（x）.3.已知X的分布函数F（x），可以求出下列三个常⽤事件的概率：①；②，其中a③.4.设⼆维随机变量（X，Y）的分布律为0 1 20 1 0 0.1 0.2 0.4 0.3 0则（）A.0B.0.1C.0.2D.0.3【答案】D【解析】因为事件，所以，= 0 + 0.1 + 0.2 = 0.3故选择D【提⽰】1.本题考察⼆维离散型随机变量的边缘分布律的求法；2.要清楚本题的三个事件的概率为什么相加：因为三事件是互不相容事件，⽽互不相容事件的概率为各事件概率之和.5.设⼆维随机变量（X，Y）的概率密度为，则（）A.0.25B.0.5C.0.75D.1【答案】A【解析】积分区域D：0＜X≤0.5，0＜Y≤1，所以故选择A.【提⽰】1.⼆维连续型随机变量的概率密度f（x，y）性质：①f（x，y）≥0；②；③若f（x，y）在（x，y）处连续，则有，因⽽在f（x，y）的连续点（x，y）处，可由分布函数F（x，y）求出概率密度f（x，y）；④（X，Y）在平⾯区域D内取值的概率为.2.⼆重积分的计算：本题的⼆重积分的被积函数为常数，根据⼆重积分的⼏何意义可⽤简单⽅法计算：积分值=被积函数0.5×积分区域⾯积0.5.6.设随机变量X的分布律为X﹣2 0 2P 0.4 0.3 0.3则E（X）=（）A.﹣0.8B.﹣0.2C.0D.0.4【答案】B【解析】E（X）=（﹣2）×0.4+0×0.3+2×0.3＝﹣0.2故选择B.【提⽰】1.离散型⼀维随机变量数学期望的定义：设随机变量的分布律为，1，2，….若级数绝对收敛，则定义的数学期望为.2.数学期望的性质：①E（c）=c，c为常数；②E（aX）=aE（x），a为常数；③E（X+b）=E（X+b）=E（X）+b，b为常数；④E（aX+b）=aE（X）+b，a，b为常数.7.设随机变量X的分布函数为，则E（X）=（）A. B. C. D.【答案】C【解析】根据连续型⼀维随机变量分布函数与概率密度的关系得，所以，=，故选择C.【提⽰】1.连续型⼀维随机变量概率密度的性质①;②;③;④；⑤设x为的连续点，则存在，且.2.⼀维连续型随机变量数学期望的定义：设连续型随机变量X的密度函数为，如果⼴义积分绝对收敛，则随机变量的数学期望为.8.设总体X服从区间[,]上的均匀分布（），x1，x2，…，x n为来⾃X的样本，为样本均值，则A. B. C. D.【答案】C【解析】，，⽽均匀分布的期望为，故选择C.【提⽰】1.常⽤的六种分布（1）常⽤离散型随机变量的分布（三种）：X0 1概率q pA.两点分布①分布列②数学期望：E（X）=P③⽅差：D（X）=pq.B.⼆项分布：X～B（n，p）①分布列：，k=0，1，2，…，n；②数学期望： E（X）=nP③⽅差： D（X）=npq.C.泊松分布：X～①分布列：，0，1，2，…②数学期望：③⽅差：＝（2）常⽤连续型随机变量的分布（三种）：A.均匀分布：X～①密度函数：,②分布函数：，③数学期望：E（X）＝,④⽅差：D（X）＝.Ｂ.指数分布：X～①密度函数：,②分布函数：，③数学期望：E（X）＝,④⽅差：D（X）＝.Ｃ.正态分布（A）正态分布：X～①密度函数：，－∞＋∞②分布函数：③数学期望：＝,④⽅差：＝，⑤标准化代换：若X～，，则～.（B）标准正态分布：X～①密度函数：，－∞＋∞②分布函数：，－∞＋∞③数学期望：E（X）＝0,④⽅差：D（X）＝1.2.注意：“样本”指“简单随机样本”，具有性质：“独⽴”、“同分布”.9.设x1，x2，x3，x4为来⾃总体X的样本，且，记，，，，则的⽆偏估计是（）A. B. C. D.【答案】A【解析】易知，，故选择A.【提⽰】点估计的评价标准：（1）相合性（⼀致性）：设为未知参数，是的⼀个估计量，是样本容量，若对于任意，有，则称为的相合（⼀致性）估计.（2）⽆偏性：设是的⼀个估计，若对任意，有则称为的⽆偏估计量；否则称为有偏估计.（3）有效性设，是未知参数的两个⽆偏估计量，若对任意有样本⽅差，则称为⽐有效的估计量.若的⼀切⽆偏估计量中，的⽅差最⼩，则称为的有效估计量.10.设总体～，参数未知，已知.来⾃总体的⼀个样本的容量为，其样本均值为，样本⽅差为，，则的置信度为的置信区间是（）A.，B.，C.，D.【答案】A【解析】查表得答案.【提⽰】关于“课本p162，表7-1：正态总体参数的区间估计表”记忆的建议：①表格共5⾏，前3⾏是“单正态总体”，后2⾏是“双正态总体”；②对均值的估计，分“⽅差已知”和“⽅差未知”两种情况，对⽅差的估计“均值未知”；③统计量顺序：, t, x2, t, F.⼆、填空题（本⼤题共15⼩题，每⼩题2分，共30分）11.设A，B是随机事件，P （A）=0.4，P （B）=0.2，P （A∪B）=0.5，则P （AB）= _____.【答案】0.1【解析】由加法公式P （A∪B）= P （A）+ P （B）－P （AB），则P （AB）= P （A）+ P （B）－P （A∪B）=0.1故填写0.1.12.从0，1，2，3，4五个数字中不放回地取3次数，每次任取⼀个，则第三次取到0的概率为________.【答案】【解析】设第三次取到0的概率为，则故填写.【提⽰】古典概型：（1）特点：①样本空间是有限的；②基本事件发⽣是等可能的；（2）计算公式.13.设随机事件A与B相互独⽴，且，则________.【答案】0.8【解析】因为随机事件A与B相互独⽴，所以P （AB）=P （A）P （B）再由条件概率公式有=所以，故填写0.8.【提⽰】⼆随机事件的关系（1）包含关系：如果事件A发⽣必然导致事件B发⽣，则事件B包含事件A，记做；对任何事件C，都有，且；（2）相等关系：若且，则事件A与B相等，记做A=B，且P （A）=P （B）；（3）互不相容关系：若事件A与B不能同时发⽣，称事件A与B互不相容或互斥，可表⽰为＝，且P （AB）=0；（4）对⽴事件：称事件“A不发⽣”为事件A的对⽴事件或逆事件，记做；满⾜且.显然：①；②，.（5）⼆事件的相互独⽴性：若, 则称事件A, B相互独⽴；性质1：四对事件A与B，与B，A与，与其⼀相互独⽴，则其余三对也相互独⽴；性质2：若A, B相互独⽴，且P （A）＞0, 则.14.设随机变量服从参数为1的泊松分布，则________.【答案】【解析】参数为泊松分布的分布律为，0，1，2，3，…因为，所以，0，1，2，3，…，所以=，故填写.15.设随机变量X的概率密度为，⽤Y表⽰对X的3次独⽴重复观察中事件出现的次数，则________.【答案】【解析】因为，则～，所以，故填写.【提⽰】注意审题，准确判定概率分布的类型.16.设⼆维随机变量（X，Y）服从圆域D： x2+ y2≤1上的均匀分布，为其概率密度，则=_________.【答案】【解析】因为⼆维随机变量（X，Y）服从圆域D：上的均匀分布，则，所以故填写.【提⽰】课本介绍了两种重要的⼆维连续型随机变量的分布：（1）均匀分布：设D为平⾯上的有界区域，其⾯积为S且S>0，如果⼆维随机变量（X，Y）的概率密度为，则称（X，Y）服从区域D上的均匀分布，记为（X，Y）～.（2）正态分布：若⼆维随机变量（X，Y）的概率密度为。
概率论与数理统计-数学期望_图文
因每个球落入每个盒子是等可能的均为1/M, 所以，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
最常用的数字特征是：期望和方差。
第四章 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 概念引入：
某车间对工人生产情况进行考察，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？
若统计了100天小张生产产品的情况，发现 ： 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n天中，每天的平均废品数为
这是以频率为 权的加权平均
由频率与概率的关系，
不难想到：求废品数X的平 均值时，用概率替代频率， 得平均值为：
这样，就得到一个确定的数
这是以概率为 权的加权平均
——随机变量X的期望(均值) 。
定义1: 设X是离散型随机变量, 概率分布为 P{X=xk}=pk , k=1,2, …。
解：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
由已知条件, 知X的概率密度函为
可算得当 t = 3500 时， E(Y)=-2t2 + 14000t-8000000
达到最大值 1.55×106。 因此，应组织3500吨货源。
概率论与数理统计-数学期望_图文.ppt
前面讨论了随机变量及其分布。 如果我 们知道了随机变量 X 的概率分布，那么，关 于 X 的全部概率特征也就知道了。
然而，在实际问题中，概率分布是较难 确定的。且有时在实际应用中，我们并不需 要知道随机变量的所有性质，只要知道其一 些数字特征就够了。
概率论与数理统计第四章数学期望
如果 | xk | pk 有限,定义X的数学期望
k 1
P(X=xk)=pk , k=1,2,…
E ( X ) xk pk
k 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.
分赌本问题 A 期望所得的赌金即为 X 的数学期望
因此彩票发行单位发行 10 万张彩票的创收利 润为
击中环数 概率 击中环数 概率 8 9 10
0 . 3 0 .1 0 . 6
8 9 10
乙射手
0 .2 0 .5 0 .3
试问哪个射手技术较好?
解 设甲、乙射手射中的环数分别为 X 1 , X 2 . 甲射手
击中环数 概率 8 9 10
0 . 3 0 .1 0 . 6
E ( X 1 ) 8 0.3 9 0.1 10 0.6 9.3(环),
200
即为 X 的可能值与其概率之积的累加.
引例2 射击问题 设某射击手在同样的条件下, 瞄准靶子相继射击90次,(命中的 环数是一个随机变量).射中次数 记录如下 命中环数 k 0 1 2 3
命中次数 nk
2 13 15
4 20
5
10
30
2 13 15 nk 10 20 30 频率 90 90 90 n 90 90 90 试问:该射手每次射击平均命中靶多少环?
1 3 200 0 4 4
50(元).
若设随机变量 X 为:在 A 胜2局 B 胜1局 的前提下, 继续赌下去 A 最终所得的赌金.
0 3 1 其概率分别为: 4 4 因而A期望所得的赌金即为X的 “期望”值, 3 1 200 0 150(元). 等于 4 4
概率论与数理统计（理工类_第四版）吴赣昌主编课后习题答案第四章.pdf
第四章随机变量的数字特征4.1 数学期望习题1设随机变量X服从参数为p的0-1分布，求E(X).解答：依题意，X的分布律为X01P1-p p由E(X)=∑i=1∞xipi,有E(X)=0⋅(1-p)+1⋅p=p.习题2袋中有n张卡片，记有号码1,2,…,n.现从中有放回抽出k张卡片来，求号码之和X的期望.分析：.解答：设Xi表示第i次取得的号码，则X=∑i=1kXi,且P{Xi=m}=1n,其中m=1,2,⋯,n,i=1,2,⋯,k,故E(Xi)=1n(1+2+⋯+n)=n+12,i=1,2,⋯,k,从而E(X)=∑i=1kE(Xi)=k(n+1)2.习题3某产品的次品率为0.1,检验员每天检验4次. 每次随机地抽取10件产品进行检验，如发现其中的次品数多于1，就去调整设备. 以X表示一天中调整设备的次数，试求E(X)(设诸产品是否为次品是相互独立的).解答：X的可能取值为0,1,2,3,4,且知X∼b(4,p),其中p=P{调整设备}=1-C101×0.1×0.99-0.910≈0.2639,所以E(X)=4×p=4×0.2639=1.0556.习题4据统计，一位60岁的健康(一般体检未发生病症)者，在5年之内仍然活着和自杀死亡的概率为p(0<p<1,p为已知),在5年之内非自杀死亡的概率为1-p,保险公司开办5年人寿保险，条件是参加者需交纳人寿保险费a元(a已知),若5年内非自杀死亡，公司赔偿b元(b>a),应如何确定b才能使公司可期望获益，若有m人参加保险，公司可期望从中收益多少？解答：令X=“从一个参保人身上所得的收益”，由X的概率分布为+32×0.1+22×0.0+12×0.1+42×0.0+32×0.3+22×0.1=5.也可以利用期望的性质求E(Z), 得E[(X-Y)2]=E(X2-2XY+Y2)=E(X2)-2E(XY)+E(Y2)=(12×0.4+22×0.2+32×0.4)-2[-1×0.2 +1×0.1+(-2)×0.1+2×0.1+(-3)×0.0+3×0.1] +(-1)2×0.3+12×0.3 =5.习题12设(X,Y)的概率密度为f(x,y)={12y2,0≤y≤x≤10,其它,求E(X),E(Y),E(XY),E(X2+Y2). 解答： 如右图所示.E(X)=∫-∞+∞∫-∞+∞xf(x,y)dxdy=∫01dx∫0xx ⋅12y2dy=45,E(Y)=∫-∞+∞∫-∞+∞yf(x,y)dxdy=∫01dx∫0xy ⋅12y2dy=35,E(XY)=∫-∞+∞∫-∞+∞xyf(x,y)dxdy=∫01dx∫0xxy ⋅12y2dy=12,E(X2+Y2)=∫-∞+∞∫-∞+∞(x2+y2)f(x,y)dxdy=∫01dx∫0x(x2+y2)⋅12y2dy=23+615=1615. 习题13设X 和Y 相互独立，概率密度分别为ϕ1(x)={2x,0≤x≤10,其它,ϕ2(y)={e-(y-5),y>50,其它,求E(XY). 解答：解法一 由独立性.E(XY)=E(X)⋅E(Y)=∫01x ⋅2xdx∫0+∞ye -(y-5)dy=23×6=4.解法二 令z=y-5, 则E(XY)=E(X)⋅E(Y)=∫01x ⋅2xdx ⋅E(z+5)=23×(1+5)=4.4.2 方差习题1设随机变量X 服从泊松分布，且P(X=1)=P(X=2), 求E(X),D(X). 解答：由题设知，X 的分布律为P{X=k}=λkk!e -λ(λ>0)λ=0(舍去),λ=2.所以E(X)=2,D(X)=2.习题2下列命题中错误的是().(A)若X∼p(λ),则E(X)=D(X)=λ;(B)若X服从参数为λ的指数分布，则E(X)=D(X)=1λ; Array (C)若X∼b(1,θ),则E(X)=θ,D(X)=θ(1-θ);(D)若X服从区间[a,b]上的均匀分布，则E(X2)=a2+ab+b23.解答：应选(B).E(X)=1λ,D(X)=1λ2.习题3设X1,X2,⋯,Xn是相互独立的随机变量，且都服从正态分布N(μ,σ2)(σ>0),则ξ¯=1n∑i=1nξi服从的分布是¯.解答：由多维随机变量函数的分布知：有限个相互独立的正态随机变量的线性组合仍然服从正态分布，且E(X¯)=μ,D(X¯)=σ2n.习题4若Xi∼N(μi,σi2)(i=1,2,⋯,n),且X1,X2,⋯,Xn相互独立，则Y=∑i=1n(aiXi+bi)服从的分布是 .解答：应填N(∑i=1n(aiμi+bi),∑i=1nai2σi2).由多维随机变量函数的分布知：有限个相互独立的正态随机变量的线性组合仍然服从正态分布，且E(Y)=∑i=1n(aiμi+bi),D(Y)=∑i=1nai2σi2.习题5设随机变量X服从泊松分布，且3P{X=1}+2P{X=2}=4P{X=0},求X的期望与方差.解答：X的分布律为P{X=k}=λkk!e-λ,k=0,1,2,⋯,于是由已知条件得3×λ11!e-λ+2×λ22!e-λ=4×λ00!e-λ,\becauseD(XY)=E(XY)2-E2(XY)=E(X2Y2)-E2(X)2 (Y),又\becauseE(X2Y2)=∫-∞+∞∫-∞+∞x2y2f(x,y)dxdy=∫-∞+∞x2fX(x)dx∫-∞+∞y2fY(y)dy=E(X2)E(Y2),∴D(XY)=E(X2)E(Y2)-E2(X)E2(Y)=[D(X)+E2(X)][D(Y)+E2(Y)]-E2(X)E2(Y)=D(X)D(Y)+D(X)E2(Y)+D(Y)E2(X)=2×3+2×32+3×12=27.习题9设随机变量X1,X2,X3,X4相互独立，且有E(Xi)=i,D(Xi)=5-i,i=1,2,3,4,又设Y=2X1-X2+3X3-12X4,求E(Y),D(Y).解答：E(Y)=E(2X1-X2+3X3-12X4)=2E(X1)-E(X2)+3E(X 3)-12E(X4)=2×1-2+3×3-12×4=7,D(Y)=4D(X1)+D(X2)+9D(X3)+14D(X4)=4×4+3+9×2+14×1=37.25.习题105家商店联营，它们每两周售出的某种农产品的数量(以kg计)分别为X1,X2,X3,X4,X5.已知X1∼N(200,225),X2∼N(240,240),X3∼N(180,225),X4∼N(260,265),X5∼N(320,270),X1,X2,X3,X4,X5相互独立.(1)求5家商店两周的总销售量的均值和方差；(2)商店每隔两周进货一次，为了使新的供货到达前商店不会脱销的概率大于0.99，问商店的仓库应至少储存该产品多少千克？解答：(1)设总销售量为X,由题设条件知X=X1+X2+X3+X4+X5,于是E(X)=∑i=15E(Xi)=200+240+180+260+320=1200, D(X)=∑i=15D(X i)=225+240+225+265+270=1225 .(2)设商店的仓库应至少储存y千克该产品，为使P{X≤y}>0.99,求y.由(1)易知，X∼N(1200,1225),P{X≤y}=P{X-12001225≤y-12001225=Φ(y-12001225)>0.99.查标准正态分布表得y-12001225=2.33,y=2.33×1225+1200≈1282(kg).习题11设随机变量X1,X2,⋯,Xn相互独立，且都服从数学期望为1的指数分布，求Z=min{X1,X2,⋯,Xn}的数学期望和方差.解答：Xi(i=1,2,⋯,n)的分布函数为F(x)={1-e-x,x>00,其它,Z=min{X1,X2,⋯,Xn}的分布函数为FZ(z)=1-[1-F(z)]n={1-e-nz,z>00,其它,于是E(Z)=∫0∞zne-nzdz=-ze-nz∣0∞+e-nzdz=1n,而E(Z2)=∫0∞z2ne-nzdz=2n2,于是D(Z)=E(Z2)-(E(Z))2=1n2.4.3 协方差与相关系数习题1设(X,Y)服从二维正态分布，则下列条件中不是X,Y相互独立的充分必要条件是().(A)X,Y不相关；(B)E(XY)=E(X)E(Y);(C)cov(X,Y)=0;(D)E(X)=E(Y)=0.解答：应选（D）。
概率论与数理统计第四章期末复习
概率论与数理统计第四章期末复习(一)随机变量的数学期望1.数学期望的定义定义1设离散随机变量X 的分布律为)()(i i i x X P x p p ===， ,2,1=i ．若+∞<∑+∞=1i i i p x ，则称∑+∞==1)(i i i p x X E 为随机变量X 的数学期望，或称为该分布的数学期望，简称期望或均值．定义2设连续随机变量X 的密度函数为)(x f ．若+∞<⎰∞+∞-x x f x d )(，则称xx xf X E d )()(⎰∞+∞-=为随机变量X 的数学期望，或称为该分布的数学期望，简称期望或均值．2.随机变量函数的数学期望定理1设随机变量Y 是随机变量X 的连续函数：)(X g Y =．设X 是离散型随机变量，其分布律为)(i i x X P p ==， ,2,1=i ，若∑+∞=1)(i i i p x g 绝对收敛，则有∑+∞===1)()]([)(i i i p x g X g E Y E ．设X 是连续型随机变量，其概率密度为)(x f ，若⎰∞+∞-x x f x g d )()(绝对收敛，则有x x f x g X g E Y E d )()()]([)(⎰∞+∞-==．【例1】设随机变量X 的分布律为X 2-1-0123P1.02.025.02.015.01.0求随机变量X 的函数2X Y =的数学期望．【解】1.0315.022.0125.002.0)1(1.0)2()(222222⨯+⨯+⨯+⨯+⨯-+⨯-=Y E 3.2=．【例2】设随机变量X 具有概率密度⎪⎩⎪⎨⎧≤≤=，其他．；，001)(ππx x f X ，求X Y sin =的数学期望．【解】x x f x g X g E Y E d )()()]([)(⎰∞+∞-==πππ2d 1sin 0=⋅=⎰x x ．【例3】某公司经销某种原料，根据历史资料表明：这种原料的市场需求量X (单位：吨)服从)500,300(上的均匀分布．每售出1吨该原料，公司可获利1.5(千元)；若积压1吨，则公司损失0.5(千元)．问公司应该组织多少货源，可使平均收益最大？【解】设该公司应该组织a 吨货源，则显然应该有500300≤≤a ．又记Y 为在a 吨货源条件下的收益额(单位：千元)，则收益额Y 为需求量X 的函数，即)(X g Y =．由题设条件知：当a X ≥时，此a 吨货源全部售出，共获利a 5.1．当a X <时，则售出X 吨(获利X 5.1)，且还有X a -吨积压(获利)(5.0X a --)，所以共获利a X X a X 5.02)(5.05.1-=--．由此知⎩⎨⎧<-≥=．，；，a X a X a X a X g 5.025.1)(则x x g x x f x g Y E X 2001)(d )()()(500300⎰⎰==∞+∞-]d 5.1d )5.02([2001500300x a x a x a a ⎰⎰+-=)300900(200122-+-=a a ．易知，当450=a 时，能使)(Y E 达到最大，即公司应该组织450吨货源．定理2设随机变量Z 是随机变量X ，Y 的连续函数：),(Y X g Z =．设),(Y X 是二维离散型随机变量，其联合分布律为),(j i ij y Y x X P p ===，,2,1,=j i ，若∑∑+∞=+∞=11),(i j ij j i p y x g 收敛，则有∑∑+∞=+∞===11),()],([)(i j ij j i p y x g Y X g E Z E ．设),(Y X 是二维连续型随机变量，其联合概率密度函数为),(y x f ，若y x y x f y x g d d ),(),(⎰⎰∞+∞-∞+∞-收敛，则有y x y x f y x g Y X g E Z E d d ),(),()],([)(⎰⎰∞+∞-∞+∞-==．【例4】设随机变量),(Y X 的联合概率密度为⎩⎨⎧<<<<--=其他．，，，，010102),(y x y x y x f 求)(X E ，)(XY E ．【解】⎰⎰∞+∞-∞+∞-=y x y x f x X E d d ),()(125d d )2(1010=--=⎰⎰y x y x x ，⎰⎰∞+∞-∞+∞-=y x y x f xy XY E d d ),()(61d d )2(1010=--=⎰⎰y x y x xy ．3.数学期望的性质性质1若a 是常数，则a a E =)(．性质2对任意常数a ，有)()(X aE aX E =．性质3对任意的两个函数)(1x g 和)(2x g ，有)]([)]([)]()([2121X g E X g E X g X g E +=+．性质4设),(Y X 是二维随机变量，则有)()()(Y E X E Y X E +=+．推广到n 维随机变量场合，即)()()()(2121n n X E X E X E X X X E +++=+++ ．性质5若随机变量X 与Y 相互独立，则有)()()(Y E X E XY E =．推广到n 维随机变量场合，即若1X ，2X ，…，n X 相互独立，则有)()()()(2121n n X E X E X E X X X E =．【例5】设随机变量X 与Y 相互独立，X ～)4,1(-N ，Y ～)2,1(N ，则=-)2(Y X E ．【解析】因为X ～)4,1(-N ，Y ～)2,1(N ，所以1)(-=X E ，1)(=Y E ，故3)(2)()2(-=-=-Y E X E Y X E ．(二)随机变量的方差1.方差的定义定义1设X 是一个随机变量，若})]({[2X E X E -存在，则称})]({[2X E X E -为X 的方差，记为)(X D ，即})]({[)(2X E X E X D -=．称方差的平方根)(X D 为随机变量X 的标准差，记为)(X σ或X σ．定理1(方差的计算公式)【例1】设随机变量X 的概率密度为⎪⎩⎪⎨⎧<≤-<<-+=其他．，；，；，0101011)(x x x x x f ，求)(X D ．【解】0d )1(d )1()(101=-++=⎰⎰-x x x x x x X E ，61d )1(d )1()(120122=-++=⎰⎰-x x x x x x X E ，所以61)]([)()(22=-=X E X E X D ．2.方差的性质性质1常数的方差为0，即0)(=c D ，其中c 是常数．性质2若a ，b 是常数，则)()(2X D a b aX D =+．性质3若随机变量X 与Y 相互独立，则有)()()(Y D X D Y X D +=±．推广到n 维随机变量场合，即若1X ，2X ，…，n X 相互独立，则有)()()()(2121n n X D X D X D X X X D +++=±±± ．【例2】已知2)(-=X E ，5)(2=X E ，求)31(X D -．【解】9})]([)({9)()3()31(222=-=-=-X E X E X D X D ．(三)常见随机变量的数学期望、方差1.两点分布X ～),1(p b p X E =)(，)1()(p p X D -=．2.二项分布X ～),(p n b np X E =)(，)1()(p np X D -=．3.泊松分布X ～)(λP λ=)(X E ，λ=)(X D ．4.均匀分布X ～),(b a U )(21)(b a X E +=，12)()(2a b X D -=．5.指数分布X ～)(λE λ1)(=X E ，21)(λ=X D ．6.正态分布X ～),(2σμN μ=)(X E ，2)(σ=X D ．【例1】设X ～),(p n b 且6)(=X E ，6.3)(=X D ，则下列结论正确的是()A ．15=n ，4.0=pB ．20=n ，3.0=pC ．10=n ，6.0=p D ．12=n ，5.0=p 【解析】6)(==np X E ，6.3)1()(=-=p np X D ，解之得15=n ，4.0=p ．正确选项为A ．【例2】若X ～)5,2(N ，Y ～)1,3(N ，且X 与Y 相互独立，则=)(XY E ()A ．6B ．2C ．5D ．15【解析】因为X ～)5,2(N ，所以2)(=X E ，因为Y ～)1,3(N ，3)(=Y E ，故6)()()(==Y E X E XY E ，正确选项为A ．【例3】X 与Y 相互独立，X ～)2(P ，Y ～)1(E ，则=-)2(Y X D ．【解析】因为X ～)2(P ，所以2)(=X D ，因为Y ～)1(E ，所以1)(=Y D ，又因为随机变量X 与Y 相互独立，所以9)()1()(2)2(22=-+=-Y D X D Y X D ．(四)协方差、相关系数与矩1.协方差定义1设),(Y X 是一个二维随机变量，若)]}()][({[Y E Y X E X E --存在，则称其为X 与Y 的协方差，记为),(Cov Y X ．即)]}()][({[),(Cov Y E Y X E X E Y X --=．定理1)()()(),(Cov Y E X E XY E Y X -=．【例1】设二维随机变量),(Y X 的联合分布律为：求协方差),(Cov Y X ．【解】由题易得32)(=X E ，0)(=Y E ，0311131003111)(=⨯⨯+⨯⨯+⨯⨯-=XY E ．于是0)()()(),(Cov =-=Y E X E XY E Y X ．定理2若X 与Y 相互独立，则0),(Cov =Y X ，反之不然．定理3对任意二维随机变量),(Y X ，有),(Cov 2)()()(Y X Y D X D Y X D ±+=±．关于协方差的计算，还有下面四条有用的性质．性质1协方差),(Cov Y X 的计算与X ，Y 的次序无关，即),(Cov ),(Cov X Y Y X =．性质2任意随机变量X 与常数a 的协方差为零，即0),(Cov =a X ．性质3对任意常数a ，b ，有),(Cov ),(Cov Y X ab bY X a =．性质4设X ，Y ，Z 是任意三个随机变量，则),(Cov ),(Cov ),(Cov Z Y Z X Z Y X +=+．2.相关系数定义2设),(Y X 是一个二维随机变量，且()0D X >，()0D Y >，则称Y X XY Y X Y D X D Y X σσρ),(Cov )()(),(Cov ==为X 与Y 的相关系数．性质11≤XY ρ．性质21=XY ρ的充要条件是X 与Y 间几乎处处有线性关系，即存在)0(≠a 与b ，使得1)(=+=b aX Y P ．其中当1=XY ρ时，有0>a ；当1-=XY ρ时，有0<a ．性质3设随机变量X 与Y 独立，则它们的相关系数等于零，即0=XY ρ．【例2】设1)()(==Y D X D ，21=XY ρ，则=+)(Y X D 3．【解析】因为21)()(),(Cov ==Y D X D Y X XY ρ，所以)()(21Y D X D XY =ρ21=，故),(Cov 2)()()(Y X Y D X D Y X D ++=+3=．【例3】已知1)(-=X E ，3)(=X D ，则=-)]2(3[2X E 6．【解析】)]2([3)]2(3[22-=-X E X E }2)]([)({32-+=X E X D 6=．【例5】设随机变量),(Y X 的概率密度函数为⎪⎩⎪⎨⎧≤≤≤≤+=其他．，，，，02020)(81),(y x y x y x f 求),(Cov Y X ，)(Y X D +和XY ρ．【解】⎰⎰+∞∞-+∞∞-=y x y x f x X E d d ),()(67d d )(822=+=⎰⎰y x y x x ，⎰⎰+∞∞-+∞∞-=y x y x f x X E d d ),()(2235d d )(820202=+=⎰⎰y x y x x ，⎰⎰+∞∞-+∞∞-=y x y x f xy XY E d d ),()(34d d )(82020=+=⎰⎰y x y x xy ，由轮换对称性，有67)(=Y E ，35)(=Y E ，361)()()(),(Cov -=-=Y E X E XY E Y X ，3611)]([)()()(22=-==X E X E X D Y D ，95),(Cov 2)()()(=++=+Y X Y D X D Y X D ，111)()(),Cov(-==Y D X D Y X XY ρ．。
概率论与数理统计01第一节随机变量的数学期望
第三章 随机变量的数字特征前面讨论了随机变量的分布函数， 从中知道随机变量的分布函数能完整地描述随机变量的统计规律性。
但在许多实际问题中， 人们并不需要去全面考察随机变量的变化情况， 而只要知道它的某些数字特征即可.例如, 在评价某地区粮食产量的水平时， 通常只要知道该地区粮食的平均产量;又如, 在评价一批棉花的质量时， 既要注意纤维的平均长度， 又要注意纤维长度与平均长度之间的偏离程度, 平均长度较大， 偏离程度小， 则质量就较好. 等等实际上, 描述随机变量的平均值和偏离程度的某些数字特征在理论和实践上都具有重要的意义, 它们能更直接、更简洁更清晰和更实用地反映出随机变量的本质.本章将要讨论的随机变量的常用数字特征包括: 数学期望、方差、相关系数、矩。
第一节 随机变量的数学期望内容要点：一、离散型随机变量的数学期望平均值是日常生活中最常用的一个数字特征， 它对评判事物、作出决策等具有重要作用。
定义 设X 是离散型随机变量的概率分布为,2,1,}{===i p x X P i i如果∑∞=1i i i p x 绝对收敛, 则定义X 的数学期望（又称均值）为 .)(1∑∞==i i i p x X E二、连续型随机变量的数学期望定义 设X 是连续型随机变量， 其密度函数为)(x f ,如果⎰∞∞-dx x xf )(绝对收敛， 定义X 的数学期望为 .)()(⎰∞∞-=dx x xf X E三、 随机变量函数的数学期望设X 是一随机变量, )(x g 为一实函数，则)(X g Y =也是一随机变量， 理论上， 虽然可通过X 的分布求出)(X g 的分布, 再按定义求出)(X g 的数学期望)]([X g E . 但这种求法一般比较复杂。
下面不加证明地引入有关计算随机变量函数的数学期望的定理.定理1 设X 是一个随机变量， )(X g Y =，且)(Y E 存在, 则 （1） 若X 为离散型随机变量, 其概率分布为,2,1,}{===i p x X P i i则Y 的数学期望为.)()]([)(1∑∞===i i i p x g X g E Y E（2) 若X 为连续型随机变量， 其概率密度为)(x f , 则Y 的数学期望为.)()()]([)(⎰∞∞-==dx x f x g X g E Y E注: (i)定理的重要性在于：求)]([X g E 时， 不必知道)(X g 的分布， 只需知道X 的分布即可。
概率论与数理统计期望
第一节 数学期望
单击此处添加副标题
一、离散型随 机变量的数学 期望
汇报日期
我们希望引进这样一个特征数字，它能反 映随机变量X所取数值的集中位置，就象 力学系统中的重心反映该系统质量的集中 位置一样，在概率论中，这样一个数字就 是随机变量的数学期望（也称平均值）. 先看一个例子。
中靶环数(xi) 0 1 2 3 4 5 6 7 8 9 10 频 数(ni) 1 2 1 2 3 3 2 1 2 2 1
0,
0 x,
其它.
E(Y)0sinx1dx2
f(x) 1e1 2x2, x
2
E(例X)10设xfX(x~)dNx (0,1), 求 E(xX)1,E(eX122x2)d.x 0
2解
E( X 2 )
x2 f (x)d x
x2
1
x2
e 2 dx
2
1
x2
xd(e 2 )
2
方法1 先利用分布函数法求得Y的概率密度为
fY (y)
2, 1y2
0 y 1,
0,
其它.
再由公式(2)得
1
E(Y) y
0
12y2dy2
例9 设随机变量X在区间(0,p)内服从均匀分 布，求随机变量函数Y=sinX的数学期望.
- 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)。
数学期望的性质
利用4.1.3中的定理可以得到数学期望的几条重要性质： 性质1 设C 为常数, 则()E C C =.
性质2 设C 为常数,X 为随机变量, 则()()E CX CE X =. 证明 设X 的概率密度为()f x ,则
()()d E CX Cxf x x +∞-∞
=⎰()d C xf x x +∞
-∞
=⎰
().
CE X =
性质3 设,X Y 为任意两个随机变量,则
()()()E X Y E X E Y +=+.
证明 设二维随机变量(,)X Y 的概率密度为(,)f x y ,边缘概率密度分别为()X f x 和
()Y f y ,则
()()(,)d d E X Y x y f x y x y +∞
+∞
-∞
-∞
+=+⎰
⎰
(,)d d xf x y x y +∞
+∞-∞
-∞
=⎰⎰
(,)d d yf x y x y +∞
+∞
-∞
-∞
+⎰
⎰
()d X xf x x +∞
-∞
=
⎰
()d Y yf y y +∞
-∞
+⎰
()()E X E Y =+.
性质4 设,X Y 为相互独立的随机变量,则
()()()E XY E X E Y =.
证明 因为
X 与Y 相互独立,其联合概率密度与边缘概率密度满足
(,)()()X Y f x y f x f y =,
所以
()(,)d d E XY xyf x y x y +∞
+∞
-∞
-∞
=⎰⎰
()()d d X Y xyf x f y x y +∞
+∞
-∞
-∞
=⎰
⎰
()d ()d X Y xf x x yf y y +∞
+∞-∞
-∞
=
⎰
⎰
()()E X E Y =.
性质5 若,X Y 相互独立，则()()()E XY E X E Y =； 这一结论推广到有限多个，若12,,
,n X X X 相互独立，则
1212()()()()n n E X X X E X E X E X =。
例4.22 设二维随机变量(,)X Y 的概率密度为
2
1(1)1,1,
(,)40x y x y f x y ⎧-<<⎪=⎨⎪⎩
，，其他.
试验证()()()E XY E X E Y =,但X 和Y 是不独立的.
解 因为
()(,)d d E XY xyf x y x y +∞
+∞
-∞
-∞
=⎰
⎰
1
1
2
111(1)d d 4
xy x y x y --=⋅-⎰
⎰0=， ()E X =
1
1
2
111(1)d d 4x x y x y --⋅-⎰⎰0=， ()E Y =112111(1)d d 4y x y x y --⋅-⎰⎰1
9=-，
所以()()()E XY E X E Y =
.
X
和
Y
的边缘概率密度
()X f x 和()Y f y 分别为
12
111(1)d 11,11()(,)d 42
00X x y y x x f x f x y y +∞
--∞
⎧⎧--<<-<<⎪⎪===⎨⎨⎪⎪⎩⎩⎰⎰
，，，，其他，，其他， 12
1111(1)11(1)d ,11()(,)d 23
400,Y y y x y x y f y f x y x +∞
--∞
⎧⎧--<<--<<⎪⎪===⎨⎨⎪⎪⎩⎩⎰⎰
，，，，其他，其他，
由于
(,)()()X Y f x y f x f y ≠,因而X
和
Y 不独立.
例4.23 设i X ～n i p B ,,2,
1),,1( =，i X 的分布律为：
其中10<<
p ，且n X X X ,,,21 相互独立。
n X X X X +++= 21,求)(X E
解法1 由二项分布的定义知，X ～),(p n B ，因此，np X E =)( 解法2 由i X ～),1(p B 得p X E i =)(，由期望性质知
np p p p X E X E X E X X X E X E n n =+++=+++=+++= )
()()()()(2121
这一结论与直接计算一致。
注 利用性质来计算数学期望往往较有效，应该学会这种方法。
另外，应记住常用分布相应的数学期望。