概率论与数理统计浙大版第四章 优质课件
合集下载
相关主题
- 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)。
9
计算乙的平均成绩: 8 20 9 65 1015 100
8
20 100
9
65 100
10
15 100
8.95
所以甲的成绩好于乙的成绩。
对于甲来说, 10 100
、80 100
、10 100
分别是8环、9环、10环的概率;
对于乙来说, 20 100
、65 100
、15 100
第四章 随机变量的数字特征
关键词:
数学期望 方差 协方差 相关系数
问题的提出: 在一些实际问题中,我们需要了解随机变量
的分布函数外,更关心的是随机变量的某些特征。
例: 在评定某地区粮食产量的水平时,最关心的 是平均产量; 在检查一批棉花的质量时,既需要注意纤维的 平均长度,又需要注意纤维长度与平均长度的 偏离程度; 考察临沂市区居民的家庭收入情况,我们既知 家庭的年平均收入,又要研究贫富之间的差异 程度;
e
2x
dx
0
2
e
2x
|0
2
从而E
(
N
)
2
问题:将2个电子装置并联联接组成整机, 整机的平均寿命又该如何计算?
例3:设有10个同种电子元件,其中2个废品。装配仪器
时,从这10个中任取1个,若是废品,扔掉后重取 1只,求在取到正品之前已取出的废品数X的期望。
解:X的分布律为:
指 数 分 布 的
密
Fmin (x)
1
(1
F ( x))2
1
e
2x
0
x0 x0
f
min
(
x)
2
e
2x
0
x0 x0
度 函 数
根据N的概率密度fmin(x),可得到E(N).
E(N)
x
0
2
e
2x
dx
xe
2x
|0
P( X xk ) pk , k 1, 2,
若 g(xk )pk绝对收敛,则有E(Y ) E[g( X )] g(xk )pk
k 1
k 1
X是连续型随机变量,它的概率密度为f (x)
若
g(x) f (x)dx
绝对收敛
则有E(Y ) E(g( X ))
分别是8环、9环、10环的概率;
若用它们相应的概率表示,就得到了数学期望,
也称为均值(加权均值)。
定义:设离散型随机变量X的分布律为:P( X xk ) pk k 1, 2,
若级数 xk pk绝对收敛,则称级数 xk pk的和为随机变量X
k 1
k 1
的数学期望,记为E X ,即 E X xk pk k 1
例5:设 X (),求E( X )。
解:X的分布律为:P( X
k)
k e
k!
k 0,1,
X的数学期望为:
E(X )
k
k 0
k e
k!
e
k 1
k 1
(k 1)!
0
e e
即 E(X )
例6:设 X U (a,b),求E( X )。
解:X的概率密度为:
f
(x)
1 b-a
a xb
0
其他
X的数学期望为:
E( X ) xf (x)dx
b
x dx a b
a ba
2
即数学期望位于区间(a, b)的中点
几种重要分布的数学期望
1、 设X ~ b(n, p),则E( X ) np
2、 设X ~ ( ),则E( X )
服从同一指数分布,其概率密度为: 若将这2个电子装置串联联接
f
(x)
1
0
e
x
x0 x0
0
组成整机,求整机寿命N(以小时计)的数学期望。
是
解:
Xk
(k
1,
2)
的分布函数F ( x)
1
e
x
x0
0
x0
串联情况下,N min X1, X2 ,故N的分布函数为:
X 01 2
X 01 2
8 28 21 pk 10 10 9 10 9
pk 4 5 8 45 1 45
E(X百度文库)
0
4 5
1
8 45
2
1 45
2 9
例4:设一台机器一天内发生故障的概率为0.2,机器发生 故障时全天停工。若一周5个工作日里无故障,可获 利10万元;发生一次故障获利5万元;发生2次故障 获利0元,发生3次或以上故障亏损2万元,求一周内 期望利润是多少?
3、 设X ~ U (a, b),则E( X ) a b 2
4、 设X ~ N (, 2 ),则E( X ) 5、 设X服 从 参 数 为的 指 数 分 布,则E( X ) 1
10
定理:设Y是随机变量X的函数:Y g(X )g是连续函数,
X 是离散型随机变量,它的分布律为:
解:设X表示一周5天内机器发生故障天数,
则 X ~ b(5, 0.2)
设Y表示一周内所获利润,则
P(Y 10) P(X 0) (1 0.2)5 0.328,
其余同理可得,于是Y的分布率为:
Y 2 0
5 10
pk 0.057 0.205 0.410 0.328 于是 E(Y ) 5.21(6 万元)
g(x) f (x)dx
定理的重要意义在于我们求E(Y )时,不必算出Y的分布律或 概率密度,而只要利用X的分布律或概率密度就可以了。
上述定理也可以推广到两个或两个以上 随机变量的函数的情况。
定理:设Z是随机变量X ,Y的函数:Z g(X ,Y)g是连续函数,
若二维离散型随机变量 X,Y 的分布律为:
定义:设连续型随机变量X的概率概率为f x,若积分
xf (x)dx
绝对收敛
(即
x f x dx <)
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,又称均值。
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,
§1 数学期望
例1:甲、乙两人射击比赛,各射击100次,其中甲、乙的成绩
如下:
甲 8 9 10 次数 10 80 10
乙 8 9 10 次数 20 65 15
评定他们的成绩好坏。
解:计算甲的平均成绩:
810 980 10 10 100
8
10 100
9
80 100
10
10 100