概率论与数理统计课件习题课4-1

合集下载

概率论与数理统计课件4.1

概率论与数理统计课件4.1




xe x dx 0
xe
x
x 1 0 e dx 0
(3)正态分布
1 X ~ N ( , ), f ( x ) e 2
2

( x )2 2 2 .
EX

2

(1 q ) q 1 p p (1 q )2
2. 常见离散型分布的期望
(1) 0--1分布
X
0
1
pk 1 p p
E ( X ) 0 (1 p) 1 p p
(2) 二项分布
k X ~ b( n, p). P{ X k } Cn pk q n k , k 0,1,, n.
y
x
x e 2
( x )2 2 2
dx

y2 y 2 e dy



2
y2 y e 2 dy


1 2
y2 e 2 dy
0
三. 随机变量函数的数学期望
1. 随机变量函数的期望
定理
设E[ g( X )] 存在, 则 (1) X为离散型,P{ X xk } pk ( k 1,2,),
X Xi
i 1 n
E ( X ) E ( X i ) np .
i 1
n
例6 一民航送客车自机场开出,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,并设各位旅客是否下车相互独立). 解 0, 第i站没有人下车, i 1,,10. Xi 1, 第i站有人下车,

概率论与数理统计习题课课件共100页

概率论与数理统计习题课课件共100页
P(B| A)nAB2 nA 3
四. 全概公式
由于 A2 A1A2A1A2,其A1中 A2与A1A2 互不相容。因此有
P (A 2) P (A 1A 2) P (A 1A 2) P (A 1)P (A 2A 1)P (A 1)P (A 2A 1)
四. 全概公式
一般地,有
定理1.1 设有限个或可数个事件A1, A2,L ,
解:设Ai为第i次取球时取到白球,则
P ( A 1 A 2 A 3 A 4 ) P ( A 1 ) P ( A 2 |A 1 ) P ( A 3 |A 1 A 2 ) P ( A 4 |A 1 A 2 A 3 )
P( A1)
2 5
P(A2
|
A1)
3 6
P(A3
|
A1A2)
3 7
P(A4| A1A2A3)84
将加法公式推广3个 到事件的情况, 设A, B,C ,则 P(AB C) P(A) P(B) P(C) -P(AB) P(AC) P(BC) P(ABC).
§1.3 古典概型与几何概型
一. 古典概型
称满足下列两个条件的概率模型为古典概型:
(1)由有限个基本事件组成,即
,2只次品的概率分别为0.8, 0.1, 0.1,某顾客选中一 箱,从中任选4只检查,结果都是好的,便买下了这一箱 .问这一箱含有一个次品的概率是多少?
解:设A:从一箱中任取4只检查,结果都是好的.
B0, B1, B2分别表示事件每箱含0,1,2只次品
已知:P(B0)=0.8, P(B1)=0.1, P(B2)=0.1 P(A|B0)1
An,L 为一个完备事件组,且P(Ai ) 0,
(i 1,2,L , n,L ),且U Ai =,则对于任意事件 i1

概率论与数理统计课后习题答案 第四章

概率论与数理统计课后习题答案 第四章

(2) ρxy.
(1)
(2)(X,Y)的分布律为
Y X
0
1
-1
0
1
习题 4.1 1. 设随机变量 X 的概率密度为
(1) 求 E(X)
其他
(2)
解: (1)
(2) 2. 设连续型随机变量 X 的分布函数为
试确定常数 a,b,并求 E(X). 解:
(1)
其他
又因当

(2) 3. 设轮船横向摇摆的随机振幅 X 的概率密度为
的导数为 的导数为
即 即
求 E(X). 解:
4. 设 X1, X2,….. Xn 独立同分布,均值为 ,且设
D. (X,Y)~N(
)
解: 与 不相关 ρ
5. 设二维随机变量(X,Y)~N(
A.
B. 3
C. 18
解: ρ
),则 Cov(X,Y)= B . D. 36
6. 已知随机变量 X 与 Y 相互独立,且它们分别在区间[-1,3]和[2,4]上服从均匀分布,则 E(XY)= A .
A. 3
B. 6
C. 10
解: Cov(X,Y)=0
2. 设随机变量 X 的分布律为 3 .
X
-1
0
1
2

P
0.1 0.2 0.3 0.4
令 Y=2X+1,则 E(Y)=
3
.
解: E(2X+1)=(2*-1+1)*0.1+(2*0+1)*0.2+(2*1+1)*0.3+(2*2+1)*0.4=3
3. 已知随机变量 X 服从泊松分布,且 D(X)=1,则 P{X=1}=

概率论与数理统计课件(1-4)

概率论与数理统计课件(1-4)
P( A1 | B1 ) P A1 B1 P( B1 ) P( A1 ) P B1 | A1 P( A1 ) P B1 | A1 P( A1 ) P B1 | A1
0.5 0.7 70 0.5 0.7 0.5 0.25 95
说明狼没有来,小孩
2016年6月25日星期六
20
【例 22】 金工车间有 10 台同类型的机床,每台机床配 备的电动机功率为 10 千瓦,已知每台机床工作时,平 均每小时实际开动 12 分钟,且开动与否是相互独立 的.现因当地电力供应紧张,供电部门只提供 50 千瓦 的电力给这 10 台机床,问这 10 台机床能够正常工作的 概率为多大?
2016年6月25日星期六
22
解 设系队得胜人数为 X ,则在上述三种方案中,系队 胜利的概率分别为
(1) P X 2 C
k 2 5
3
k 3
0.4 0.6
k k
3 k
0.352. 0.317. 0.290.
(2) P X 3 C
k 3 7
条件概率 小 结
条件概率 缩减样本空间 乘法公式 定义式
全概率公式
贝叶斯公式
1.5 事件的独立性
一、两事件独立
(P19) 定义1 设A、B是两事件,P(A) ≠0,若 P(B)=P(B|A) 则称事件A与B相互独立。 式(1.5.1)等价于: (1.5.1)
P(AB)=P(A)P(B)
(1.5.2)
§1.6 伯努里概型
2016年6月25日星期六
18
定义 13 设有两个试验 E1 和 E2 ,假如试验 E1 的任意一个 结果(事件)与试验 E2 的任意一个结果(事件)都是相互 独立的,则称这两个试验相互独立.类似地,假如 n 个 试验 E1 , E2 ,, En 满足: E1 的任意一个结果、 E2 的任意 一个结果… En 的任意一个结果都是相互独立的,则称试 验 E1 , E2 ,, En 相互独立.如果这 n 个试验还是相同的, 则称其为 n 重独立重复试验.如果在 n 重独立重复试验 中,每次试验的可能结果为两个: A 或 A ,则称这种试 验为 n 重伯努利试验.

概率论与数理统计(完整版)(课堂PPT)

概率论与数理统计(完整版)(课堂PPT)
E3: 将一枚硬币抛三次,观察出现正面的情况. E4: 电话交换台一分钟内接到的呼唤次数. E5: 在一批灯泡中任取一只, 测试它的寿命.
3
随机试验:
(1) 可在相同的条件下重复试验; (2) 每次试验的结果不止一个,且能事先明确所有可能的结 果; (3) 一次试验前不能确定会出现哪个结果.
4
§2. 样本空间与随机事件
(一) 样本空间:
定义 随机试验E的所有可能结果组成的集合称为 E的样 本空间, 记为S. 样本空间的元素称为样本点,用表示.
样本空间的分类:
1.离散样本空间:样本点为有限个或可列个. 例 E1,E2等. 2.无穷样本空间:样本点在区间或区域内取值. 例 灯泡的寿命{t|t≥0}.
5
(二) 随机事件
定义 样本空间S的子集称为随机事件, 简称事件. 在一 次试验中, 当且仅当这一子集中的一个样本点出现时, 称 这一事件发生.
基本事件: 由一个样本点组成的单点集. 如:{H},{T}.
复合事件: 由两个或两个以上的基本事件复合而成的事件 为复合事件. 如:E3中{出现正面次数为奇数}.
必然事件: 样本空间S是自身的子集,在每次试验中总是 发生的,称为必然事件。
为在事件A发生的条件下事件B发生的条件概率2.9
2. 性质: 条件概率符合概率定义中的三个条件, 即 10 对于每一 B有 个 , 1 事 P(件 |B A)0.
20 P (|SA) 1.
30 设B1,B2,两两互不,则 相容
P ( Bi |A)P(Bi |A.)
i1
i1
此外, 条件概率具有无条件概率类似性质.例如:
P(A 1)P(A 2)P(A n).(有限)可
性3质 . 若 AB,则有 P(BA)P(B)P(A);

概率论与数理统计4-1

概率论与数理统计4-1

P
k
C
k n
pk q nk

k
0,1, 2, , n
P k k e , k 0,1, 2, ;( 0)
k!
f
(
x)
b
1
a
,
a xb
0,
其它
f (x)
1
( x )2
e 2 2 , x
2
ex , x 0
f (x)
0,
x0
( 0)
课前 复习
期 望 方差
p
pq
4 , EY
3 , EXY
1
5
5
2
Cov(, ) E E E
143 1 2 5 5 50
第5页
注:下列说法等价
(1) X与Y 不相关
(3)Cov(, ) 0
(2) 0;
(4) E E E
(5) D( ) D D
两个结论 结论1 若随机变量X与Y 相互独立,则 X与Y 不相关; 但反之不真。
X 3
Y 2
D
X 3
D
Y 2
2Cov
X 3
,Y 2
1 32
DX
1 22
DY
2
1 3
1 2
XY
DX
DY
1 32
32
1 22
42
2
1 3
1 2
1 2
34
142 3
第9页
例5 设 X ~ N(1, 32), Y ~ N(0, 42), 且 X与Y 的相关系数
XY
1,设
2
Z
X 3
Y 2
np
npq
ab 2

概率论与数理统计教程第四章优秀PPT

概率论与数理统计教程第四章优秀PPT

k1
0.5 npq
np
注 意 点 (2)
中心极限定理的应用有三大类: i) 已知 n 和 y,求概率; ii) 已知 n 和概率,求y ; iii) 已知 y 和概率,求 n .
一、给定 n 和 y,求概率
例4.4.3 100个独立工作(工作的概率为0.9)的部件组 成一个系统,求系统中至少有85个部件工作的概率.
n
n
p
1
4.2.2 常用的几个大数定律
大数定律一般形式:
若随机变量序列{Xn}满足:
nlim
P
1 n
n
i 1
Xi
1 n
n
E(Xi)
i 1
1
则称{Xn} 服从大数定律.
切比雪夫大数定律
定理4.2.2
{Xn}两两不相关,且Xn方差存在,有共 同的上界,则 {Xn}服从大数定律. 证明用到切比雪夫不等式.
依概率收敛的性质
定理4.3.1 若 Xn P a, Yn P b
则{Xn}与{Yn}的加、减、乘、除 依概率收敛到 a 与 b 的加、减、乘、除.
4.3.2 按分布收敛、弱收敛
对分布函数列 {Fn(x)}而言,点点收敛要求太高.
定义4.3.2 若在 F(x) 的连续点上都有
nlim Fn(x) F(x) 则称{Fn(x)} 弱收敛于 F(x) ,记为
§4.3 随机变量序列的两种收敛性
两种收敛性: i) 依概率收敛:用于大数定律; ii) 按分布收敛:用于中心极限定理.
4.3.1 依概率收敛
定义4.3.1 (依概率收敛)
若对任意的
>0,有
nlim
P
Yn
Y
1
则称随机变量序列{Yn}依概率收敛于Y, 记为

概率论与数理统计课件(第4章)

概率论与数理统计课件(第4章)

4.2.2 方差的性质下面给出数学期望的几个常用性质,以下假设随机变量的数学期望是存在的.性质1 0)(≥X D .性质2 设C 是常数,则有0)(=C D .性质3 X 是一个随机变量,C 是常数,则有.)()(2X D C d CX D =+性质4 设Y X ,是两个随机变量,则有.)]()][([2)()()(Y E Y X E X E Y D X D Y X D --++=+特别地, 若Y X ,相互独立,则有)()()(Y D X D Y X D +=±.证明 2)]()[()(Y X E Y X E Y X D +-+=+ 2)](()([(Y E Y X E X E -+-= )]()][([2)]([)]([22Y E Y X E X E Y E Y E X E X E --+-+-=)]()][([2)()(Y E Y X E X E Y D X D --++=又)]()][([Y E Y X E X E -- )]()()()([Y E X E Y XE X YE XY E +--=)()()()()()()(Y E X E X E Y E Y E X E XY E +--=)()()(Y E X E XY E -=.若Y X ,相互独立,由数学期望的性质4知道0)()()(=-Y E X E XY E ,于是有)()()(Y D X D Y X D +=+.同理可证明 )()()(Y D X D Y X D +=-.这一性质可推广到任意有限多个相互独立的随机变量之和的情况.例如,若,,,2,1),,(~2n i N X i i i =σμ且它们相互独立,则它们的线性组合:n n X C X C X C +++ 2211(n C C C ,,,21 是不全为0的常数)仍服从正态分布,于是由数学期望和方差的性质知道:),(~21212211i ni i n i i i n n C C N X C X C X C σμ∑∑==+++ .图4-1 分位数与上侧分位数的区别同理, 我们称满足条件p dx x f x F x X P x x P px p p p =='-='≤-='>⎰+∞')()(1)(1)( (4.18)的p x '为此分布的上侧p 分位数.'图4-2 三种不同偏度的分布譬如,正态分布是关于均值对称的,所以正态分布的),(2σμN μ=)(X E ),(2σμN 偏度.01=β4.5.5 峰度系数 定义4.8 设随机变量X 的四阶矩存在,则称比值(4.21)33]))(([))()(2242242-=---=ννβX E X E X E X E。

概率论与数理统计学经典课件4-1

概率论与数理统计学经典课件4-1

y
0
E ( 3 X 4 Y )



EXY

1 dx x 2 ydy xyf ( x , y ) dxdy 12 1 1 x
目 录 前一页 后一页 退 出
1 dx2 ( 3x2y)dy 3 1 x 1 0 0
0 0
x 0, 其它 .
解:
求:EX
x
EX


xf ( x ) dx
x e dx
0
1


第四章
随机变量的数字特征
§1 数学期望
二、随机变量函数的数学期望
定理 1:设 Y =g( X ), g( x ) 是连续函数,
(1)若 X 的分布率为 p k 1 ,2 , P { X x }, k k
(2)旅客8:20到达
X 的分布率为 X 10 30 50 70 90 P 3/6 2/6 (1/6) (1/6) (3/6) (1/6) (2/6) (1/6)
§1 解: 设旅客的候车时间为X(以分记) (1) 旅客8:00到达 X 10 30 50 X 的分布率为 P 1/6 3/6 2/6
则 EY 且pk g(xk ) 绝对收敛,
k1


pg (x )
k 1 k k

且 g(x) f (x)dx绝对收敛 (2)若 X 的概率密度为 f ( x ),
则 EY g (x )f(x ) dx

目 录 前一页 后一页 退 出


第四章
随机变量的数字特征
§1 数学期望
EX xf (x ) dx

概率论与数理统计(最新完整版)ppt课件

概率论与数理统计(最新完整版)ppt课件
(1) 试验可以在相同的条件下重复地进行;
.
(2) 试验的所有可能结果:
正面,反面; (3) 进行一次试验之前不能
确定哪一个结果会出现.
故为随机试验.
同理可知下列试验都为随机试验
1.“抛掷一枚骰子,观察出现的点数”.
2.“从一批产品中,依次任选三件, 记 录出现正品与次品的件数”.
.
3. 记录某公共汽车站 某日上午某时刻的等 车人 数.
(3)分 配 律
A(BC)(A B)(AC)AB AC ,
A (BC)AB AC
( A B ) C ( A C ) ( B C ) ( A C ) B C ( )
(对 4律 ):偶 A B A B ,A B A B .
n
n
Ai Ai,
i1
i1
.
n
n
Ai Ai
i1
i1
三 完备事件组
4. 考察某地区 10 月 份的平均气温.
5. 从一批灯泡中任取 一只,测试其寿命.
.
四、概率的统计定义
1、随机事件:在试验的结果中,可能发生、也可能不发 生的事件。比如,抛硬币试验中,”徽花向上”是随机事 件;掷一枚骰子中,”出现奇数点”是一个随机事件等。
2、频率:设A为实验E中的一个随机事件,将E重复n次, A发生m次,称f(A)=m/n为事件A的频率. 随着实验次数n的增加,频率将处于稳定状态.比如投 硬币实验,频率将稳定在1/2附近.
B A
.
6. 事件的互逆(对立)
若事件 A 、B 满足 A B 且 A B .
则称 A 与B 为互逆(或对立)事件. A 的逆记作 A .
实例 “骰子出现1点”对立 “骰子不出现1点”

概率论与数理统计4-1

概率论与数理统计4-1

牡丹江师范学院教案教研室:教师姓名:授课时间:课程名称概率论与数理统计授课专业和班级授课内容随机变量的概念离散随机变量授课学时2学时教学目的理解随机变量的概念;离散随机变量的分布及其性质教学重点离散随机变量的概率分布教学难点随机变量的概念教具和媒体使用板书教学方法讲授法、引导法、读书指导法教学过程包括复习旧课、引入新课、重点难点讲授、作业和习题布置、问题讨论、归纳总结及课后辅导等内容时间分配(90分钟) 复习旧课本课程知识的引入随机变量及其分布重点和难点讲授1、随机变量的概念2、离散随机变量本节小结作业布置10分钟10分钟30分钟30分钟5分钟5分钟板书设计第二章随机变量及其分布§2.1随机变量的概念1、定义2、例题§2.2离散随机变量1、定义2、性质3、例题讲授新拓展内容课后总结教研室主任签字年月日讲稿讲授内容备注引入新课上一章我们学习了随机事件及其概率。

主要讲解了随机事件的概念,事件之间的关系与运算;了解了概率的统计定义以及概率的古典定义,并会计算简单的古典概率;知道了概率的基本性质,概率加法定理,条件概率、概率的乘法定理以及全概率公式;重点讲解了事件的独立性概念。

通过上一章的学习,我们初步知道了概率论所讲述的内容,这章我们继续学习概率论中的一个重点部分——随机变量及其分布。

第二章随机变量及其分布本章我们将重点学习随机变量以及几个重要分布。

§2.1随机变量的概念随机变量是概率论的一个重要内容,这是因为对于一个随机试验,我们所关心的往往是与所研究的问题有关的某个或某些量,而随机变量就是在试验的结果中能取得不同数值的量,它的数值是随试验的结果而定的,由于试验的结果是随机的,所以它的取值具有随机性,而这些量就是随机变量,也可以说,随机事件是从静态的观点来研究随机现象,而随机变量则是一种动态的观点。

随机事件与随机变量就象数学分析中常量与变量的区分。

一般地,随机变量的定义如下:如果对于试验的样本空间Ω中的每一个样本点ω,变量X都有一个确定的实数值与之对应,则变量X是样本点ω的实函数,记作X =X(ω),我们称这样的变量X为随机变量。

  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)。


因为 f ( x ) 是偶函数,
1 1
所以 E ( X ) xf ( x )dx cx(1 x 2 ) d) [ E ( X )]2 E ( X 2 )
cx 2 (1 x 2 ) dx
1
1
1 c c 2 1 1 2 1 x(1 x ) 1 ( 1 x ) dx 2( 1) 2( 1) 1 1 1 1 1 2 2 2 c(1 x ) dx cx (1 x ) dx 1 1 2( 1) 2( 1)
n 1 一般的 P{ X k } ( n k 1) , k 1, 2,, n. 2 n n n 1 n 2 E ( X ) kP{ X k } k ( n k 1) . 2 3 k 1 k 1

π π 2 2 0 0

1 2 cos ( x y ) sin( x y )dxdy 2
1 6
2 . 9
π 2 0
π 3 3 cos x cos x dx 2
例8 设二维连续型随机变量 ( X ,Y ) 的联合密度
6 2 1 ( x xy ), 0 x 1, 0 y 2, 函数为 f ( x , y ) 7 2 其他 0, 求 ( X ,Y ) 的协方差矩阵及相关系数.
例7 设二维连续型随机变量 ( X ,Y ) 的联合密度 π π 1 sin( x y ), 0 x , 0 y , 函数为 f ( x , y ) 2 2 2 其他 0, 且 Z cos( X Y ), 求 E ( Z ) 和 D( Z ).
解 E( Z )
先计算一个户头的得奖金数 X 的期望.
分布列为
X p
500 100 10 1 1 1 10 4 10 3 10 2
2 0 1 8889 10 10 4
X 的数学期望为
1 1 1 1 E ( X ) 4 500 3 100 2 10 2 10 10 10 10
0.45 (元),
cos( x y ) f ( x , y )dxdy
π π 2 2 0 0



1 cos( x y ) sin( x y )dxdy 2
π 2 0
1 [cos 2 x cos( π 2 x )]dx 0, 2
D( Z ) E ( Z 2 )
X 与 Y 的相关系数 XY
17 5 8 1 , 21 7 7 147
Cov ( X ,Y ) 15 . D( X ) D(Y ) 69
概率论与数理统计
主讲:秦茂玲 手机:13287772827 Email:ml.qin@
第四章 随机变量的数字特征 习 题 课 一、重点与难点
二、主要内容 三、典型例题
一、重点与难点
1.重点
数学期望的性质和计算
方差的性质和计算 相关系数的性质和计算
2.难点
数字特征的计算
二、主要内容
解 E( X )
1 2
x f ( x , y )dxdy

1 12 6 1 6 2 2 3 x ( x xy )dydx x x dx 0 0 7 0 7 2 7 5 , 7
E( X )
2
1 2
0 0

6 2 2 1 39 x ( x xy )dxdy , 7 2 70
D( X ) E ( X ) [ E ( X )]
2
2
1 q 1 q 2 2 2. p p p
例2 从数字0, 1, 2, …, n中任取两个不同的数字, 求这两个数字之差的绝对值的数学期望. 解 设 X 为所选的两个数字之差的绝对值, 则 X 的所有可能取值为 1, 2, 3,, n, n 1 n 1 P{ X 1} n , P{ X 2} ( n 1) , 2 2
例3 设随机变量 X 取非负整数值 n 0 的概率
AB n 为 pn ,已知 E ( X ) a , 求 A 与 B 的值. n! 解 因为 pn 是 X 的分布列,
B B A P { X n } Ae 1, n! n0 n0



n
得A e B ,
2
39 5 23 故 D( X ) , 70 7 490
6 1 8 2 因为E (Y ) y( x xy )dydx , 0 0 7 2 7 1 2 6 1 34 2 2 2 E (Y ) y ( x xy )dydx , 0 0 7 2 21
xf ( x )dx 1


x f ( x )dx D( X )
2

1 1 于是 D( X ) D( X ), 2( 1) 2( 1) 1 故 D( X ) . 2 3
1 例6 设随机变量 X 的概率密度 f ( x ) 2 , π(1 x ) 求 E[min( X ,1)].
Bn A Bn B E ( X ) nA ABe a , n! n1 ( n 1)! n0
因此 A e a , B a .
例4 某银行开展定期定额有奖储蓄, 定期一年, 定额60元, 按规定10000个户头中, 头等奖一个, 奖 金500元; 二等奖10个, 各奖100元; 三等奖100个, 各奖10元; 四等奖1000个, 各奖2元. 某人买了五个 户头, 他期望得奖多少元? 解 因为任何一个户头获奖都是等可能的,
1 2
34 8 46 故 D(Y ) , 21 7 147
2
E ( XY )
1 2
0 0

6 1 17 2 xy( x xy )dydx , 7 2 21
故 Cov ( X ,Y ) E ( XY ) E ( X ) E (Y )
1 23 490 147 . 于是 ( X ,Y ) 的协方差矩阵为 46 1 147 147

E ( X ) k q k 1 p
k 1

(其中 q 1 p )
p k q
k 1

k 1
1 p , 2 p (1 q )
E( X ) k q
2 2 k 1

k 1
2 k 1 p k q p k 1

p(1 q ) 1 q 2 , 3 (1 q ) p
买五个户头的期望得奖金额为
E (5 X ) 5 E ( X ) 5 0.45 2.25 (元).
例5
设随机变量 X 的密度函数为 c(1 x 2 ) , 1 x 1, f ( x) ( 0) 其他. 0, 求 E ( X ) 和 D( X ).
方 差
定义
二 维 随 机 变 量 的 数 学 期 望
数学期望
计算 性质
离 散 型
连 续 型
性 质
随机变量函数的 数学期望
协 方 差 与 相 关 系 数
定义 协方差 的性质 相关系数 定理
二、略
三、典型例题
例1 设 X 服从几何分布, 它的分布律为
P{ X k } (1 p)k 1 p, k 1,2,, 求 E ( X ) 和 D( X ).

E[min( X ,1)] min( x , 1 ) f ( x )dx


x f ( x )dx f ( x )dx x 1 x 1
1 1 x 1 1 dx dx 2 2 π 1 1 x π x 1 1 x 2 1 x 2 1 1 1 ln 2 . 2 dx 2 dx 0 1 π 1 x π π 2 1 x
相关文档
最新文档