随机变量的数字特征概率论.ppt

《随机变量的数字特征概率论.ppt》由会员分享，可在线阅读，更多相关《随机变量的数字特征概率论.ppt（28页珍藏版）》请在三一办公上搜索。

1、第四章 随机变量的数字特征,数学期望,方差,*协方差与相关系数,大数定律与中心极限定理,数学期望的引例,Mathematical Expectation,例如：某7人的高数成绩为90，85，85，80，80，75，60，则他们的平均成绩为,以频率为权重的加权平均,数学期望E(X),Mathematical Expectation,定义 设离散型随机变量的概率分布为,离散型随机变量,随机变量X的数学期望，记作E（X），即,数学期望的计算,已知随机变量X的分布律：,例,求数学期望E（X）,解,连续型随机变量的数学期望E(X),连续型随机变量,定义,设连续型随机变量X的概率密度为 f(x),则,即,

2、数学期望的计算,已知随机变量X的密度函数为,例,求数学期望。,解,数学期望的意义,试验次数较大时，X的观测值的算术平均值 在E(X)附近摆动,数学期望又可以称为期望值(Expected Value)，均值(Mean),E(X)反映了随机变量X取值的“概率平均”,是X的可能值以其相应概率的加权平均。,二维随机变量的数学期望及边缘分布的数学期望,(X,Y)为二维离散型随机变量,(X,Y)为二维连续型随机变量,(1)求k,(2)求X和Y的边缘密度,(3)求E(X),E(Y).,(1)由,解,所以,所以,得,（）,时,（）另解,无需求边缘分布密度函数,随机变量的函数的数学期望,定理 1：一维情形,离散

3、型,连续型,概率密度为,因为,所以,例,解,随机变量的函数的数学期望,定理 2：二维情形,联合概率密度为,连续型,离散型,例 设相互独立的随机变量X，Y的密度函数分别为,求E（XY）,解,数学期望的性质,.,.,设（X,Y）在由4个点（0，0）（3，0），（3，2),(0,2)决定的矩形域内服从均匀分布，求E(X+Y),E(X2)E(Y2),E(XY).,练一练,答案：,0-1分布的数学期望,X服从0-1分布，其概率分布为,P(X=1)=p,P(X=0)=1-p,若X 服从参数为 p 的0-1分布，则E(X)=p,分布律,数学期望,If XB(n,p),then E(X)=np,二项分布的数学

4、期望,分布律,X服从二项分布，其概率分布为,数学期望,其中,则,泊松分布的数学期望,If,then,分布律,数学期望,均匀分布的期望,分布密度,数学期望,X N(，2）,正态分布的期望,分布密度,数学期望,指数分布的期望,分布密度,数学期望,数学期望在医学上的一个应用,An application of Expected Value in Medicine,考虑用验血的方法在人群中普查某种疾病。集体做法是每10个人一组，把这10个人的血液样本混合起来进行化验。如果结果为阴性，则10个人只需化验1次；若结果为阳性，则需对10个人在逐个化验，总计化验11次。假定人群中这种病的患病率是10%，且每人

5、患病与否是相互独立的。试问：这种分组化验的方法与通常的逐一化验方法相比，是否能减少化验次数？,分析：,设随机抽取的10人组所需的化验次数为X,我们需要计算X的数学期望，然后与10比较,化验次数X的可能取值为1，11,先求出化验次数X的分布律。,(X=1)=“10人都是阴性”,（X=11)=“至少1人阳性”,结论：,分组化验法的次数少于逐一化验法的次数,注意求 X期望值的步骤！,1、概率p对是否分组的影响,问题的进一步讨论,若p=0.2，则,当p0.2057时，E(X)10,2、概率p对每组人数n的影响,当p=0.2时，可得出n10.32，才能保证EX10.,当p=0.1时，为使,例 独立地操作两台仪器，他们发生故障的概率分别为p1和p2.证明：产生故障的仪器数目的数学期望为 p1+p2,设产生故障的仪器数目为X,则X的所有可能取值为0，1,解,所以,