《概率论》第4章§1数学期望

合集下载

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

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
32 30 17 21 0 1 2 3 1.27 100 100 100 100
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,

概率论与数理统计第一节随机变量的数学期望

概率论与数理统计第一节随机变量的数学期望
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

【精品】概率论与数理统计PPT课件第四章 数学期望和方差

【精品】概率论与数理统计PPT课件第四章 数学期望和方差

8
9
10
P
0.1 0.3 0.6
Y
8
9
10
P
0.2 0.5 0.3
试问哪一个人的射击水平较高? 9
例1(续)
甲、乙的平均环数可写为
EX 80.1 90.3 100.6 9.5 EY 80.2 90.5 100.3 9.1
10
例2.对产品进行抽样,只要发现废品就认为这批产 品不合格,并结束抽样。若抽样到第 n件仍未发现 废品则认为这批产品合格。假设产品数量很大,抽 查到废品的概率是 p,试求平均需抽查的件数。
6
(3)泊松分布 X的所有可能取值为0,1,2,…,且
7
(4)几何分布 X的可能取值为1,2,…, 且 P(X=k)= (1-p)k-1 p, k= 1,2,….
由于
这可以由等式
两边同时对x求导数得到。
8
例1:
甲、乙两人射击,他们的射击水平由下表给出: X:甲击中的环数; Y:乙击中的环数;
X
p)nm
29
注意到二项分布B(n , p)的数学期望,就有 于是
注: 最后一步用了泊松分布数学期望的结果.
30
例8: 设X ~ U[0,], Y =sinX,求E(Y)。
解: X 的概率密度为 所以
31
例9 设二维随机变量(X ,Y)的密度函数为 求E(X), E(Y), E( X + Y ), E(XY), E(Y / X) 解:
36
37
最终, 显然,y = 3500 时,E (Y )最大,
E(Y)max =8250万元.
38
例11.假设由自动线加工的某种零件的内径 X (mm)~
N ( ,1). 已知销售每个零件的利润T (元)与销售零件

概率论第四章总结-精品文档

概率论第四章总结-精品文档

XY
=
数.
Cov ( X ,Y ) D( X ) D(Y)
称为随机变量X与Y的相关系
2.基本性质
7)| |=1的充要条件是,存在常数 a,b使得 P{Y=a+bX}=1
XY
1)Cov(X,Y)=Cov(Y,X) , Cov(X,X)=D(X).
5)Cov(X1+X2,Y)=Cov(X1,Y)+Cov (X2,Y). 6)| |≤1. *当=0时,称X与Y不 相关.
XY
2)D(X+Y)=D(X)+D(Y)+2Cov(X,Y) 3)Cov(X+Y)=E(XY)-E(X)E(Y).
4)Cov(aX,bY)=abCov(X,Y),a,b是常数.
3.例题 • 设随机变量X ~ N( , ),Y ~ N( , ),且设X,Y相互独立,试求 • Z1=aX+bY和Z2=aX-bY的相关系数(其中a,b是不为零的常数).
The key
解:E[(X-C)2]=E(X2-2CX+C2)=E(X2)-2CE(X)+C2=E(X2) -[E(X)]2+{[E(X)]2-2CE(X)+C2}=D(X)-[E(X)-C]2 ≥ D(X),等 号当且仅当C=E(X)时成立.
三、协方差及相关系数
1.定义
量E{(X-E(X))(Y-E(Y))}称为随机变量X与Y的协方差. 记为Cov(X,Y),即 Cov(X,Y)=E{(X-E(X))(Y-E(Y))}

j=1,2,····,说明X的 数学期望不存在. 例2.将n只球(1—n号)随 机的放进n个盒子(1—n号) 中,一个盒子装一只球.若
3j j

第四章第一节数学期望2016

第四章第一节数学期望2016
PX k pk 1 p1k , k 0,1.
求EX .
解 由定义有
EX 01 p1 p p.

二项分布
2
设X ~ Bn, p,其分布律为
PX k Cnk pk qnk , q 1 p, k 0,1,2, , n. 求EX .

EX
n
kCnk
k 0
pk qnk
n k 1
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 .
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?
下面的定理指出,答案是肯定的.
定理 设Y 是随机变量X 的函数, Y=g(X)(g是连续函数)
Y X 2 ,求EY .
解法1
首先求出Y X 2的概率分布如下: Y0 4 P 0.3 0.7
由离散型随机变量的数学期望定义得出
EY 00.3 40.7 2.8
解法2 利用定理,因X的可能取值为 2,0,2, 且取这些值的概率依次为0.4 , 0.3, 0.3.因此,由定理得
EY EgX g 20.4 g00.3 g20.3
高等院校非数学类本科数学课程 大 学 数 学(四) —— 概率论与数理统计
脚本编写:孟益民
教案制作:孟益民
第四章 数字特征
理解数学期望概念,掌握它的性质与计算。 理解方差概念,掌握它的性质与计算。 掌握(0-1)分布,二项分布,泊松分布,正态 正态分布,指数分布的数学期望与方差。 掌握协方差、相关系数的概念及计算。 了解矩、协方差矩阵的概念。
8428

概率论与数理统计第四版课后学习资料第四章

概率论与数理统计第四版课后学习资料第四章

(4.1)
i,j 1, 2, 3,
则有E(Z) E g(X, Y) g(x i ,y j )p ij , (4.2) (假设级数绝对收敛)
例. 设随机变量(X, Y)的概率密度为 3 , 1 y x.x 1 x 3 2 f(x,y) 2x y 0, 其它, 1 试求 : E(Y),E( ) XY
e
1 x
dx
1 t x
2


0
t 2 e t dt 22 ,
D(X) E(X2 ) -[ E(X)]2 2 .
30 正态分布: 设X~N(, 2 ), 则
解 : E(X)


2

t2 2
1


xe
t2 2
-
(x )2 22
例. 二项分布的均值的计算: 设X~b(n,p),引入r.v.Xi(i=1, 2, …, n), 它们是相互独 立的且都服从0--1分布: P{Xi=1}=p, P{Xi=0}=q, X表 示n次独立重复试验中A发生的次数,Xi表示第i次试 验的结果:Xi=1表示A发生, Xi=0表示A不发生, 所以
解: 计算X1的均值, 由定义有 E(X1) =00+1 0.2+2 0.8=1.8 E(X2)=00.6+1 0.3+2 0.1=0.5
显然,乙的成绩比甲的差.
例2. 有2个相互独立工作的电子装置, 它们的寿命Xk (k 1, 2 )服从同一指数分布, 其概率密度为:
x 1 e , x 0, f(x) θ 0, 0, x 0,
i
n
故 E(X) np D(X) npq.

概率论与数理统计课件 数学期望

概率论与数理统计课件 数学期望

2019/4/22
4.1—数学期望
28
p( x)
1
e ,
(
xμ 2σ2
)2
σ 0,
x .
2πσ
则有
E( X ) xp( x)d x
x
1
( x μ)2
e 2σ2 d x.
2πσ
令 x μ t x μ σ t, σ
2019/4/22
4.1—数学期望
14
所以
E(X) x
1
e d x
(
x μ)2 2σ2
则 E C1 X1 C2 X2 ... Cn Xn
C1EX1 C2EX2 ... CnEXn
(4) 设 X, Y 是相互独立的随机变量, 则有
EXY EXEY .
反之不成立
2019/4/22
4.1—数学期望
25
例1 X ~B(n, p), 求EX
设X 表示n 重贝努利试验中成功恰好出现的次数
(1). 两点分布
已知随机变量 X 的分布列为
X1
0
p
p 1 p
则有 E( X ) 1 p0 (1 p) p
2019/4/22
4.1—数学期望
8
(2) 二项分布
设随机变量 X 服从参数为 n, p 二项分布,
其分布列为
P{ X
k}
n
k
pk (1
p)nk ,(k
0,1, 2,
, n),
4.1—数学期望
12
(2) 指数分布
设随机变量 X 服从参数为 的指数分布, 其概率密度为
e x ,
p( x) 0,
则有
x 0, x 0.

概率论与数理统计 第四章

概率论与数理统计 第四章
可见,方差是二阶中心矩,协方差是二阶混合中心
矩,它们都是随机变量函数的数学期望。
河南理工大学精品课程
概率论与数理统计
【例3】[P.115:eg6]
〖解〗设X为随机取一球的标号,则r.v.X等可 能地取值1,2,3,4,5,6;
又Y=g(X),且
g(1)= g(2)= g(3)=1; g(4)= g(5)=2, g(6)=5. 故随机摸一球得分的期望为
河南理工大学精品课程 概率论与数理统计
显然, 方差D(X)就是随机变量X的函数 g ( X ) [ X E( X )]2 的数学期望.因此,当X的分布律 p 或概率密度 k 已知时,有
2 [ x E ( X )] pk , 离散型 k k 1 D ( X ) [ x E ( X )]2 f ( x)dx, 连续型
1500 (分) □
河南理工大学精品课程 概率论与数理统计
二、随机变量函数的数学期望 利用随机变量函数的分布可以证明下列两定理: 定理1 设Y=g(X)是随机变量X的连续函数,则 Y 也是随机变量,且其数学期望为
离散型 g ( xk ) pk , k 1 E (Y ) E[ g ( X )] g ( x) f ( x)dx, 连续型
X2 Pk 3X2+5 Pk 0 0.3 5 0.3 4 0.7 17 0.7
于是,
E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2;
河南理工大学精品课程 概率论与数理统计
例6-续
E(X2)=0×0.3+4×0.7=2.8; E(3X2+5)=5×0.3+17×0.7=13.4.
方法2(定义+性质法) 因为 E(X)=(-2)×0.4+0×0.3+2×0.3=-0.2; E(X2)=(-2)2×0.4+02×0.3+22×0.3=2.8; 所以, E(3X2+5)=3E(X2)+5=3×2.8+5=13.4. □

概率论——数学期望

概率论——数学期望

第四章 随机变量的特征数每个随机变量都有一个概率分布(分布函数,或分布律、概率密度),这个分布完整地刻画了随机变量的统计规律性。

然而在许多实际应用问题中,人们更关注这个概率分布的一些综合特征,这些综合特征是概率分布某方面信息的概括并且可用一个数值表示。

这种由随机的分布确定的,能刻画随机变量某方面特征的常数统称为数字特征或特征数。

例如,考虑某种元件的寿命,如果知道了其寿命X 的概率分布,那么就把握了元件寿命的所有概率信息。

比如可以计算出寿命在任一指定范围内的概率。

根据这一分布,还可以确定用以反映寿命平均水平的特征数-数学期望,以及用以刻画寿命值的散布程度(或稳定程度)的特征数-方差.这些特征数虽不能对寿命状况提供完整刻画,但却往往是人们最为关注的一个方面.无论在理论上还是在实用中,这些特征数都有着极重要的意义.尤其是实用中,概率分布虽很“完美”,但难以把握;而特征数则容易把握,并且特征数是以一个“醒目”的数值刻画随机变量的某种特征,这也使得应用方便. §4.1 随机变量的数学期望 一. 数学期望的定义定义 设离散型随机变量X 的分布律为i i p x X P ==}{, ,2,1=i如果∞<∑∞=1||i i ip x则称i i i x p ∑∞=1为X 的数学期望,记为)(X E ,即∑∞==1)(i i i x p X E若级数∑∞=1i i i x p 不绝对收敛,则称X 的数学期望不存在。

由以上定义可看出,若X 只取有限个值,则它的数学期望总是存在的。

而若X 取可列个值,则它的数学期望不一定存在,是否存在就看级数∑∞=1i ii px 是否绝对收敛,这个要求的目的在于使期望值唯一。

因为若无穷级数∑∞=1i ii px 只是条件收敛,则可通过改变这个级数各项的次序,使得改变后的级数不收敛或收敛到任意指定的值,这意味着这个级数的和存在与否,以及等于多少,与X 的取值的排列次序有关,而)(X E 作为刻画X 取值的平均水平的特征数,具有客观意义,不应与X 的取值的排列次序有关。

概率论数学期望

概率论数学期望

概率论数学期望数学期望公式是:e(x) = x1*p(x1) + x2*p(x2)+ …… + xn*p(xn) = x1*f1(x1)+ x2*f2(x2)+ …… + xn*fn(xn)在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)的意思是试验中每次可能结果的概率乘以其结果的总和,是最基本的数学特征之一。

它反映随机变量平均取值的大小。

须要特别注意的就是,期望值并不一定等同于常识中的“希望”——“期望值”也许与每一个结果都不成正比。

期望值就是该变量输入值的平均数。

期望值并不一定涵盖于变量的输入值子集里。

大数定律规定,随着重复次数接近无穷大,数值的算术平均值几乎肯定地收敛于期望值。

历史故事在17世纪,有一个赌徒向法国著名数学家帕斯卡挑战,给他出了一道题目:甲乙两个人赌博,他们两人获胜的机率相等,比赛规则是先胜三局者为赢家,一共进行五局,赢家可以获得法郎的奖励。

当比赛进行到第四局的时候,甲胜了两局,乙胜了一局,这时由于某些原因中止了比赛,那么如何分配这法郎才比较公平?用概率论的科学知识,不难获知,甲获得胜利的可能性小,乙获得胜利的可能性大。

因为甲输掉后两局的可能性只有(1/2)×(1/2)=1/4,也就是说甲赢得后两局或后两局中任意赢一局的概率为1-(1/4)=3/4,甲有75%的期望获得法郎;而乙期望赢得法郎就得在后两局均击败甲,乙连续赢得后两局的概率为(1/2)*(1/2)=1/4,即乙有25%的期望获得法郎奖金。

可知,虽然无法再展开比赛,但依据上述可能性推测,甲乙双方最终胜利的客观希望分别为75%和25%,因此甲应分得奖金的*75%=75(法郎),乙应分得奖金的的×25%=25(法郎)。

这个故事里发生了“希望”这个词,数学希望由此而来。

2022概率论与数理统计4-1

2022概率论与数理统计4-1

2022-11-5
lfb
19
第4.1节:数学期望
例:
已知 X ,Y 的联合密度:
f
x,
y
பைடு நூலகம்
12
y
2
,
0 y x 1
0, else
求E X ,E Y , E XY , E X 2 Y 2 的期望.
解: E X
xf x, ydxdy
1
dx
x x 12 y2dy 4
0
0
5
xf x dx
1 x kxadx
0
1 kxa1dx
0
a
k
2
0.75
f x dx 1
f x dx
1 kxadx
0
a
k
1
1
a a
k k
2 1
0.75 1
a k
2 3
2022-11-5
lfb
23
第4.1节:数学期望
8:已知X的概率密度为:
f
x
1
1
x
x0dx
0
1
2
1 x xdx 2 x 2 xdx
0
1
121 33
lfb
24
0
0
15
2022-11-5
lfb
20
第4.1节:数学期望 u 期望的性质
(1) E C C (2) E CX CE X (3) E X Y E X E Y (4) X ,Y相互独立 E XY E X E Y 注:不能由E XY E X E Y X ,Y相互独立
第4章 ——随机变量的数字特征
u数学期望(*****) u方差(*****) u协方差与相关系数(****) u大数定律与中心极限定理(****)

概率论与数理统计第四章数学期望

概率论与数理统计第四章数学期望
定义1 设X是离散型随机变量,它的分布律是:
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

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

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——数学期望

概率论——数学期望

第四章 随机变量的特征数每个随机变量都有一个概率分布(分布函数,或分布律、概率密度),这个分布完整地刻画了随机变量的统计规律性。

然而在许多实际应用问题中,人们更关注这个概率分布的一些综合特征,这些综合特征是概率分布某方面信息的概括并且可用一个数值表示。

这种由随机的分布确定的,能刻画随机变量某方面特征的常数统称为数字特征或特征数。

例如,考虑某种元件的寿命,如果知道了其寿命X 的概率分布,那么就把握了元件寿命的所有概率信息。

比如可以计算出寿命在任一指定范围内的概率。

根据这一分布,还可以确定用以反映寿命平均水平的特征数-数学期望,以及用以刻画寿命值的散布程度(或稳定程度)的特征数-方差.这些特征数虽不能对寿命状况提供完整刻画,但却往往是人们最为关注的一个方面.无论在理论上还是在实用中,这些特征数都有着极重要的意义.尤其是实用中,概率分布虽很“完美”,但难以把握;而特征数则容易把握,并且特征数是以一个“醒目”的数值刻画随机变量的某种特征,这也使得应用方便. §4.1 随机变量的数学期望 一. 数学期望的定义定义 设离散型随机变量X 的分布律为i i p x X P ==}{, ,2,1=i如果∞<∑∞=1||i i ip x则称i i i x p ∑∞=1为X 的数学期望,记为)(X E ,即∑∞==1)(i i i x p X E若级数∑∞=1i i i x p 不绝对收敛,则称X 的数学期望不存在。

由以上定义可看出,若X 只取有限个值,则它的数学期望总是存在的。

而若X 取可列个值,则它的数学期望不一定存在,是否存在就看级数∑∞=1i ii px 是否绝对收敛,这个要求的目的在于使期望值唯一。

因为若无穷级数∑∞=1i ii px 只是条件收敛,则可通过改变这个级数各项的次序,使得改变后的级数不收敛或收敛到任意指定的值,这意味着这个级数的和存在与否,以及等于多少,与X 的取值的排列次序有关,而)(X E 作为刻画X 取值的平均水平的特征数,具有客观意义,不应与X 的取值的排列次序有关。

数学期望课件

数学期望课件
le lx , f ( x) 0, x0 , 其它
lx
E ( X ) xf ( x)dx



0
lxe
dx
1

0
xdelx
[ xe
《概率统计》
lx 0
|
e
0

lx
dx ] e
0

lx
dx
l
.
下页 结束
第四章 随机变量的数字特征
何谓随机变量的数字特征? 通常是指与随机变量有关的,虽然不能完整地 刻划随机变量,但却能较为集中地反映随机变量某 些方面的重要特征的一些数值.
1. 数学期望的概念及性质
2. 方差的概念及性质 3. 常见分布的数字特征 4. 协方差、相关系数的概念及性质
《概率统计》 返回 下页 结束
E (Z ) E[ g ( X , Y )]
特别 E ( X )






g ( x, y) f ( x, y)dxdy .

xf ( x, y)dxdy ; E (Y )

yf ( x, y)dxdy.
y
例8.设二维随机向量(X,Y)的概率密度为
§4.1 数学期望
一、离散型随机变量的数学期望 引例.有甲、乙两射手各射击100次,他们的射击技术用 下表给出:
击中环数 次 数 频 率 击中环数 次 数 频 率 8 30 0.3 8 20 0.2 甲射手射击情况 9 10 0.1 乙射手射击情况 9 50 0.5 10 60 0.6 10 30 0.3
E ( X ) xk pk .
k 1
  1. 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. 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. 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)。
2
∞ ∫0
§1
数学期望
17/32 17/32
某商店对某种家用电器的销售采用先使用后付款 的方式. 来确定: 的方式.付款额根据使用寿命 X来确定:
寿命( 寿命(年) 付款(元) 付款(
X ≤1 1 < X ≤ 2 2 < X ≤ 3 X > 3 1500 2000 2500 3000
假设 X ~ EXP(10), 试求该商店出售一台电器的平均收费额 设出售一台电器的收费额为 Y,分布律为
k =1
§1
数学期望
11/32 11/32
设 r.v X的分布律为 x1 x2 ⋅⋅⋅ xk ⋅⋅⋅ X { P X = xk} p1 p2 ⋅⋅⋅ pk ⋅⋅⋅ 若级数 ∑| xk | pk < +∞, 则称
k =1 ∞
E( X ) = ∑xk pk = ∑xk P{X = xk }
k =1
k =1
E[g( X )] = ∑g(xi ) pi
i =1 ∞
§1
数学期望
22/32 22/32
定理2 设 续 随 变 X的 率 度 f (x), g(x) 连 型 机 量 概 密 为
是 值 续 数且 义 分 实 连 函 , 广 积
解: 有分布律 因X
X的数学期望为
E( X ) = 0 × (1− p) +1× p = p
§1
数学期望
7/32
设 X ~ π (λ), 求 E( X ) X的分布律为 k
∴ X的均值为

P{X = k} = λ e−λ , k = 0,1 ⋅⋅⋅ ,2, k!
k= k =0
E( X ) = ∑ k ⋅ P X = k} {
E( X ) = ∑ xk pk
k =1 ∆ 3
§1
数学期望
5/32
设 r.v X的分布律为
X { P X = xk}

x1 p1
x2 ⋅⋅⋅ xk ⋅⋅⋅ p2 ⋅⋅⋅ pk ⋅⋅⋅
∑ 若级数 k =1| xk | pk < +∞, 则称 ∞ ∞ ∆ E( X ) = ∑xk pk= ∑xk P X = xk } {
1 x 2
3 E(Y) = ∫∫ y ⋅12y dσ = ∫ dx∫ 12y dy = 0 0 5 D
2 1 x 3
§1
数学期望
21/32 21/32
四、随机变量函数的数学期望
定理 设离散型随机变量X的分布律为 1
P( X = xi ) = pi , i = 1,2,⋅ ⋅ ⋅,
∞ i=1
g(x)是 值 续 数 且 数 g(xi ) pi绝 收 , 实 连 函 , 级 ∑ 对 敛 则 机 量 数 (X )的 学 望 随 变 函 g 数 期 为
1 1 −x /10 0 10 2 1 −x /10
e
dx = 0.0952
§1
数学期望
18/32 18/32
习题: 习题:P 100 1/2/5/6
§1
数学期望
19/32 19/32
三、二维随机变量的数学期望
定 : 二 随 变 (X,Y)数 期 为 (X,Y) = (EX, EY) 义 维 机 量 学 望 E
P{Y = 1500} = P{X ≤ 1 = ∫ }
P{Y =42000} = P{ < X ≤ 2} = ∫1 10e 1 dx = 0.0861 ∴ E(Y) = ∑ 参数为10的指数分布密度函数为 yk P{Y = yk 的指数分布密度函数为 参数为10}< X ≤ 3} = 3 1 e−x /10dx = 0.0779 P{Y ==1 } = P{2 k 2500 ∫2 10 x == 3000 = P{X > 3 0.08611+,2500×0.07797408 ×0.7408 1500×0.0952 + 2000× 1 e−10e−x />dx = 0. + 3000 = ∞ x 10 0, P{Y } f (x) = 10 ∫3 10 } = 2732.17 即 0 ,x≤0 Y 1500 2000 2500 3000 即商店出售一台电器平均收费额为 2732.17元 pk 0.0952 0.0861 0.0779 0.7408
环数 次数
8 9 10 15 40 45
乙:
环数 次数
8 9 10 35 10 55
怎样评估两人的成绩? 怎样评估两人的成绩? 记甲每枪击中的环数为 X ,因为射击次数 较多, 较多,故可认为 X的分布律为
X 8 9 10 pk 0.15 0.40 0.45
则甲射手每枪平均环数为 即平均环数为
8×0.15 + 9×0.40 +10×0.45 = 9.3
( x−µ)2
从直观上看 dx (X ) =? E
= µ +0
奇函数
§1
数学期望
15/32 15/32
设某元器件的寿命 X服从指数分布,其密度为 服从指数分布,
1 e−x /θ , x > 0 f (x) = θ 0 , x≤0 求 X的数学期望 E( X )
E( X ) = ∫−∞xf (x)dx
§1

数学期望
10/32 10/32
在数学期望的定义中,为什么要求 在数学期望的定义中,
k =1

∑| xk | pk < +∞
E( X ) = ∑ xk pk 收敛
k= k =1 ∞
由高等数学知
k= k =1
∑| xk | pk < +∞

且 E( X ) 与 xk pk 出现的先后位置无关! 出现的先后位置无关! 若 ∑| xk | pk = +∞, 则称 E( X )不存在
100
100
100
可见甲的射击水平比乙略好
§1
数学期望
3/32
某班级某课程考试的平均成绩 电子产品的平均无故障时间 某地区的日平均气温和日平均降水量 某地区水稻的平均亩产量 某地区的家庭平均年收入 某国家国民的平均寿命 怎样定义 r.v 的平均值概念
§
数学期望
4/32
100发 甲、乙两射手进行打靶训练,每人各打了100发 乙两射手进行打靶训练,每人各打了100 子弹,成绩如下: 子弹,成绩如下: 甲:
λk e−λ = ∑k ⋅
∞ k =0
−λ ∞
λi = λe ⋅ ∑
−λ ∞ i =0
λk −1 = λe ⋅ ∑ (k −1 )!
k =1
k!
令 k −1 = i
i! −λ λ = λe ⋅ e = λ
§1
n
数学期望
8/32
设 X ~ b(n, p), 求 E( X )
k E( X ) = ∑ k ⋅ Cn pk (1− p)n−k= ? k =0
怎样粗线条地描述r.v 怎样粗线条地描述r.v 的特性 简单明了、特征鲜明、直观实用 简单明了、特征鲜明、
§1
数学期望
2/32
100发 甲、乙两射手进行打靶训练,每人各打了100发 乙两射手进行打靶训练,每人各打了100 子弹,成绩如下: 子弹,成绩如下: 甲:
环数 次数
8 9 10 15 40 45
i=1
i=1 j =1
设 维 机 量 X,Y)的 合 率 度 f (x, y) 二 随 变 ( 联 概 密 为
E( X ) = ∫ xfX (x)dx = ∫
−∞ +∞ +∞
+∞ +∞ −∞ −∞

xf (x, y)dxdy
E(Y) = ∫ yfY ( y)dy = ∫
−∞
+∞ +∞
−∞ −∞

yf (x, y)dxdy

= ∫0 x 1 e θ dx θ −x ∞ x =θ ⋅ e θ d( x )
= θ ⋅ ∫0 te−t dt

−x
∫0 θ

θ

即该元器件的平均寿命为 θ
§1
数学期望
16/32 16/32
计算 E( X ). ∞ E( X 因为 ) = ∫−∞ xf (x)dx ∞ x dx 1 f (x)dx = 1 ∫∞ | x | ∫∞ ∫−∞= π π −∞ 2
乙:
环数 次数
8 9 10 35 10 55
怎样评估两人的成绩? 怎样评估两人的成绩? 平均环数 两人的总环数分别为 甲: 8×15 + 9× 40 +10× 45 = 930 (环) 乙: 8×35 + 9×10 +10×55 = 920 (环) 每枪平均环数为
15 40 45 甲: 8×100 + 9×100 +10×100 = 9.3 (环) 乙: 8× 35 + 9× 10 +10× 55 = 9.2 (环)
−∞
分布, 设 r.v X服从 Cauchy分布,其概率密度为 f (x) = 1 ⋅ 1 2 , −∞ < x < ∞ π 1+ x
x | dx 1+ x2 奇函数 ,对称区间
|
=0
1+ x
不存在. 故 E( X )不存在.
x dx 1+ x2 1 ∞ dx2 = π ∫0 1+ x2 1 ln(1+ x2 ) ∞ = ∞ =π 0 =π
n
∀ p, q ∈(0,1 令 ),
k ϕ( p, q) = ∑Cn pk qn−k ≡ ( p + q)n
n ∂ϕ k ∴ = ∑kCn pk −1qn−k ≡ n( p + q)n−1 ∂p k =1 特别令 q =1− p, 则有 n
相关文档
最新文档