随机变量的数字特征归纳
- 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)。
第四章 随机变量的数字特征
㈠ 数学期望 表征随机变量取值的平均水平、“中心”位置或“集中”位置. 1、数学期望的定义
(1) 定义 离散型和连续型随机变量X 的数学期望定义为
{}⎪⎩⎪⎨⎧==⎰∑∞
∞
- d )( )()( ,
,
连续型离散型x x xf x X x X k
k k P E 其中Σ表示对X 的一切可能值求和.对于离散型变量,若可能值个数无限,则要求级数绝对收敛;对于连续型变量,要求定义中的积分绝对收敛;否则认为数学期望不存在. ①常见的离散型随机变量的数学期望
1、离散型随机变量的数学期望
设离散型随机变量的概率分布为
,若,则称级数为随
机变量
的数学期望(或称为均值),记为
, 即
2、两点分布的数学期望 设
服从0—1分布,则有
,根据定义,
的数学期望为
.
3、二项分布的数学期望 设
服从以
为参数的二项分布,
,则
。
4、泊松分布的数学期望
设随机变量
服从参数为的泊松分布,即,从而有
。
①常见的连续型随机变量的数学期望
1)均匀分布
设随机变量ξ服从均匀分布,ξ~U [a,b] (a
= 则=
∴E(ξ)=(a+b)/2.即数学期望位于区间的中点.
2)正态分布
设随机变量ξ服从正态分布,ξ~N(μ,σ2),它的概率密度函数为:
(
σ
>0,- <μ<+ )
则令得
∴ E(ξ)=μ .
3)指数分布
设随机变量服从参数为的指数分布,的密度函数为
,则.
(2) 随机变量的函数的数学期望设)(x
g
y=为连续函数或分段连续函数,而X是任一随机变量,则随机变量)
(X
g
Y=的数学期望可以通过随机变量X的概率分布直接来求,而不必先求出Y的概率分布再求其数学期望;对于二元函数)
,
(Y
X
g
Z=,有类似的公式:
(){}
⎪
⎩
⎪
⎨
⎧=
=
=
⎰
∑
∞
∞
.
;
(连续型)
离散型
-
d)
(
)
(
)
(
)
(
x
x
f
x
g
x
X
x
g
X
g
Y k
k
k
P
E
E
()(){}
()()()()⎪⎩⎪⎨⎧====⎰⎰∑∑∞∞-∞
∞
-.;连续型离散型 d d ,, ,,,y x y x f y x g y Y x X y x g Y X g Z i j j i j i P E E 设(,)X Y 为二维离散型随机变量,其联合概率函数(,),,1,2,
,
i j ij P X a Y b p i j ====
如果级数
(,)i j ij
j
i g a b p ∑∑
绝对收敛,则(,)X Y 的函数(,)g X Y 的数学期望为 [(,)](,)i j ij
j
i
E g X Y g a b p =∑∑; 特别地
();()i ij j ij
i
i
j
i
E X a p E Y b p ==∑∑∑∑.
设X 为连续型随机变量,其概率密度为()f x ,如果广义积分
()()g x f x dx
+∞
-∞
⎰
绝对收敛,
则X 的函数()g X 的数学期望为[()]()()E g X g x f x dx +∞
-∞=⎰
.
设(,)X Y 为二维连续型随机变量,其联合概率密度为(,)f x y ,如果广义积分
(,)(,)g x y f x y dxdy
+∞+∞
-∞
-∞
⎰⎰
绝对收敛,则(,)X Y 的函数(,)g X Y 的数学期望为
[(,)](,)(,)E g x y g x y f x y dxdy
+∞
+∞
-∞
-∞
=⎰
⎰
; 特别地
()(,)E x xf x y dxdy +∞
+∞
-∞
-∞
=⎰
⎰
,
()(,)E Y yf x y dxdy
+∞
+∞
-∞-∞
=⎰⎰
.
注:求E(X,Y)是无意义的,比如说二维(身高,胖瘦)的数学期望是无意义的,但是二维随机变量函数Z= E(X,Y)是有意义的,他表示的是函数下的另一个一维意义。
2、数学期望的性质
(1) 对于任意常数c ,有c c =E . 例E[E(X)]=E(X) (2) 对于任意常数λ,有X X
E E λλ=.例:E(aX+b)=aE(X)+b
(3) 对于任意m X X X ,,,21 ,有()m m X X X X X X E E E E +++=+++ 2121. (4) 如果m X X X ,,,21 相互独立,则()m m X X X X X X E E E E
2121=.(注:相互独立
有后面的结论成立,但这是单向性的,即不能有结论推出独立) ㈡ 方差和标准差 表征随机变量取值分散或集中程度的数字特征. 1、方差的定义 称222)()(X X X X X E E E E D -=-=
为随机变量X 的方差,称X
D =σ
为随机变量X 的标准差.随机变量X 的方差有如下计算公式: