前言对于这一章,老师在讲课时对知识的组织与教材不同,原因是希望将重要知识串起来,便于大家的理解。另外这一章在考试中,含分量很高,所以大家要重要掌握。2、3、4这三章都很重要,第四章要用到2、3章的很多内容。 大家知道,随机变量的概率分布完整地描述了它的统计规律,但在很多实际问题中求出精确的随机变量的分布并不容易,而且在很多场合,人们只希望通过少数数字来了解随机变量变化规律的主要特征。比如,股票价格在某个时期有上下起伏,投资者需要了解它的平均价格和波动率。又如某城市中午12点的气温可以看作一个随机变量,要了解它在某个月中变化的情况,人们往往关心该月的平均气温和变化幅度的大小,这就涉及到该随机变量(气温)的概率分布的一些特征。在下面的一节里,我们将介绍随机变量最重要的特征数:数学期望。 |
一、加权平均的概念人们在研究一个随机变量时,一个感兴趣的问题是X取值的“平均位置”,例如当X的分布律为 (1)算术平均:如果有n个数,那么求这n个数的算术平均是很简单的事,只需将此n个数相加后除n即可。 (2)加权平均:如果这n个数中有相同的,不妨设其中有个取值为,将其列表为 其实这个“加权”平均的权数就是出现数值的频率,而频率在 n 很大时,就稳定在其概率附近。 (3)对于一个离散随机变量X,如果其可能取值为,若将这n个数相加后除n作为“均值”,则肯定是不妥的,其原因在于X取各个值的概率是不同的,概率大的出现的机会就大,则在计算中其权也应该大,这启示我们:用取值的概率作为一种“权数”作加权平均是十分合理的。 经以上分析,我们就可以给出数学期望的定义。 |
二、数学期望的定义
以上定义中,要求级数绝对收敛的目的在于使数学期望唯一,因为随机变量的取值可正可负,取值次序可先可后,由无穷级数的理论知道,如果此无穷级数绝对收敛,则可保证其和不受次序变动的影响,由于有限项的和不受次序变动的影响,故其数学期望总是存在的。 连续随机变量数学期望的定义和含义完全类似于离散随机变量场合,只要将分布列改为密度函数,将求和改为求积就可。
|
例4.1.1:设甲、乙两射手击中目标的环数分别为X,Y,分布律为 ,试问甲、乙谁的技术好些? 解:这只需比较一下二者射击的平均命重环数即可,事实上,(环),(环),显然甲射手的技术相对好些。 例4.1.2:设~,,求p 解:由题设有,由此解得。 例4.1.3:设X服从区间上的均匀分布,求。 解:知X的密度函数为 所以 |
三、数学期望的性质按照随机变量X的数学期望的定义,由其分布唯一确定,如今若要求随机变量X的一个函数的数学期望,当然要先求出的分布,再用此分布来求.这一过程可用下面例子说明。 例4.1.4:已知随机变量X的分布列如下: 第一步,先求的分布,这可从X的分布导出,即 假如我们用等值合并前的分布求,可得相同的结果。 这两种算法本质上是一回事,但后者的计算实质上是在X的分布(0.2,0.1,0.1,0.3,0.3)基础上,而将取值改为计算出来的,由此启发我们:若进一步要求和,我们不需要先求的分布和的分布,而直接用X的分布来求,具体如下。 。
性质4.1.1:若c是常数,则。 证明:如果将常数c看作仅取一个值的随机变量X,则有,从而其数学期望。 性质4.1.2:对任意常数a,有 性质4.1.3:对任意的两个函数和,有 |
|
性质4.1.4:设是二维随机变量,则有 (4.1.10) 这个性质可简单叙述为“和的期望等于期望的和”,这个性质还可推广到n维随机变量场合,即 性质4.1.5:若随机变量X与Y相互独立,则有 这个性质可推广到n维随机变量场合,即若相互独立,则有 |
例4.1.5:设的概率密度为,求(1)(2)。 解:(1) (2) |
请认真答题,测试一下你对前面知识点的学习情况!
(单选题) 16.已知随机变量X的分布律为,且E(X)=1,则常数x=( )
【答案】 B
【解析】
【知识点】离散型随机变量的数学期望
请认真答题,测试一下你对前面知识点的学习情况!
(单选题) 17.设二维随机向量(X,Y)的概率密度为则E(XY)=( )
【答案】D
【解析】
【知识点】二维随机变量函数的期望