第三章 随机变量的数字特征
概率论第三章部分习题解答

ydxdy.
定理1 cov(X ,Y ) E( XY ) E( X )E(Y )
定理2 若X与Y 独立,则:covX ,Y 0. 逆命题不成立。
注 设X与Y是任两个随机变量,
10
D( X Y ) D( X ) D(Y ) 2cov(X ,Y )
2、X与Y 的相关系数
定义 R( X ,Y ) cov( X ,Y )
EX
xf
xdx
1
二、二维随机变量的数学期望
(1)设二维离散随机变量(X,Y)的联合概率函数为p(xi , yj),则
随机变量X及Y 的数学期望分别定义如下:
EX xi p xi , y j , EY y j p xi , y j .
i j
ji
即: EX xi pX xi , EY y j pY y j .
第三章 随机变量的数字特征
(一)基本内容 一、一维随机变量的数学期望
定义1:设X是一离散型随机变量,其分布列为:
X x1 x2 xi
P p( x1 ) p( x2 )p( xi )
则随机变量X 的数学期望为: EX xi pxi
i
定义2:设X是一连续型随机变量,其分布密度为 f x,
则随机变量X的数学期望为
i
j
假定级数是绝对收敛的.
(2)设二维连续随机变量(X,Y)的联合概率密度为f(x, y),则
随机变量X及Y 的数学期望分别定义如下:
EX
xf
x,
ydxdy,
EY
yf x, ydxdy.
即:EX
xf X x dx,
EY
yfY y dy.
2
假定积分是绝对收敛的.
概率论第三章

一、数学期望的概念 二、数学期望的性质 三、应用实例
回
停 下
§3.1
数学期望
一、数学期望的概念
1. 问题的提出 1654年, 一个名叫梅累的骑士就“两个赌徒 约定赌若干局, 且谁先赢 c 局便算赢家, 若在一 赌徒胜a局 (a<c), 另一赌徒胜b局(b<c)时便终止 赌博, 问应如何分赌本” 为题求教于帕斯卡, 帕 斯卡与费马通信讨论这一问题, 于1654 年共同 建立了概率论的第一个基本概念 — 数学期望
因而其数学期望E(X)不存在.
§3.2 数学期望的性质 一、性质
性质3.1 设C是常数, 则有ECC. 证
E X E C 1 C C . E CX CE X .
性质3.2 设 X 是一个随机变量, C 是常数, 则有 证 E CX Cxk pk C xk pk CE X .
数学期望, 记为EX, 即
E X
xp x dx .
4. 数学期望不存在的实例
例3
设随机变量X的分布律为 1 PX n , n 1,2,, nn 1
求证: 随机变量X没有数学期望.
证 由定义, 数学期望应为
1 E X npn . n1 n 1 n 1
求EX, EY, E (Y / X ), E[( X Y )2 ]. 思考: X2的分布律?
例7 设随机变量X ~ N0,1, Y ~U0,1, Z~B5,0.5, 且X, Y, Z相互独立, 求随机变量W 2X+3Y4Z1
的数学期望.
概率论随机变量的特征

Y X2 0
149
P(Y yi ) 0.25 0.40 0.25 0.10
EY 00.25 10.40 40.25 90.10 2.30
10
2020年10月21日3时50分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量的数字特 征
EX Y
x
y
f
x,
y dxdy
xf x, ydxdy yf x, ydxdy =EX+ EY
推论: E n Xi n EXi .
i1 i1
16
2020年10月21日3时50分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
随机变量的数字特
征
定理 若X、Y 独立,则有: EXY EX EY
频率
12 5 40 40 40
66 40 40
该班的平均成绩为:
85
85 40 40
421
421 40 40 40
351 50 2 68 5 72 6 75 6 80 8 85 5 90 4 96 2 1001
35
1
50
2
68
5
72
6
75
6
40
80
8
85
5
90
4
96
X1
1234
pX1 xi 0.4 0.3 0.2 0.1
EX1 1 0.4 2 0.3 3 0.2 4 0.1 2
5
2020年10月21日3时50分
山东建筑大学理学院信息与计算科学教研室
概率论与数理统计
(2)设随机变量 X 2 是取球次数,则
概率统计 第3章随机变量的数字特征1节

2020/9/21
3
1. 随机变量的数学期望
(1)设有n个数x1,x2,,xn ,那么这n个数的算术平均
x
x1
x2
n
xn
i
n 1
xi
1 n
(2)这n 个数有相同,,不妨设其中有 ni个取值为 xi,i 1,, k,
其均值应为 1
n
k
ni xi
i 1
k i 1
ni n
xi
以数值xi出现的频率为权重做加 权平均
2020/9/21
12
(2)随机变量函数数学期望的计算 方法1 (定义法): g(X)是随机变量, 按照数学期望 的定义计算Eg(X). 关键: 由X的分布求出g(X)的分布. 难点: 一般g(X)形式比较复杂的, 很难求出其分布.
2020/9/21
13
方法2 (公式法):
定理 设X是一个随机变量, Y g(X), 则
k1 k1
2020/9/21
17
(4) 若X与Y相互独立,E( X )与E(Y )存在, 则E(XY ) E(X )E(Y ).
证:仅就连续随机变量情形
EXY xyf x, ydxdy
xy f X x f Y y dxdy
xf
X
x
dx
y fY y dy
2020/9/21
15
补充: 函数
( ) x 1exdx 0
函数有下列结论:
(1) ( 1) ();
(2) Γ(n 1) n !; (3) (1) (2) 1, (1) .
2
0
y12e y1 dy1
(3) 2! 2
2020/9/21
16
二、数学期望的性质
随机变量的数字特征

例 若随机变量X的概率密度为
f(x)(1 1x2), x
则称X服从柯西(Cauchy)分布。
但
|x|
f(x)d x (1| x|x2)dx 发散
所以柯西分布的数学期望不存在。
《医药数理统计方法》
§3.1
三、数学期望的性质
1、E(C)=C 2、E(CX)=C×E(X) 3、E(X±Y)=E(X)±E(Y)
n
n
3)设X1,X2,…,Xn相互独立,则 V(Xi)V(Xi)
i1
i1
V (1 n i n 1X i) n 1 2i n 1 V (X i) 1 n [1 n i n 1 V (X i)]
解:红细胞的变异系数为 C V(X1)4 0..1 27 98 16.965%
血红蛋白的变异系数为
10.2 C V(X2)117.68.673%
所以,血红蛋白的变异较大。
《医药数理统计方法》
§3.2
二、方差的性质
1、V(C)=0 证明:V(C)=E{[CE(C)]2} =E[(CC)2]=0
2、V(CX)=C2V(X) 证明:V(CX)=E{[CXE(CX)]2}
而 E (X 2 ) E (X X ) E (X )E (X ) 1 1 1
339
计算是错误的!!
《医药数理统计方法》
§3.2
§3.2 方差、协方差和相关系数
一、方差 二、方差的性质 三、其他数字特征
《医药数理统计方法》
§3.2
一、方差
例3.15 为了比较甲、乙两个专业射击运动 员的技术水平,令每人各射击5次,分别以 X1,X2表示他们射击的环数,结果如下:
即
E(X) xf(x)dx
三章随机变量的数字特征 67页PPT

令 tx
tet2 2d;t 2
三.随机变量函数的期望
EX1:设随机变量X的分布律为
X -1 0 1
Pk
1 3
1 3
1 3
求随机变量Y=X2的数学期望
解: Y 1 0
Pk
2 3
1 3
E(Y)12012 3 33
定理1 若 X~P{X=xk}=pk, k=1,2,…, 则Y=g(X) 的期望E(g(X))为(p77)
刻随机地到达车站,求乘客的平均候车时间
解:设乘客于某时X分到达车站,候车时间为Y,则
10 X
Y
g(X)
3505
X X
70 X
0 X 10 10 X 30 30 X 55 55 X 60
fX
(x)
1 60
0x60
0 others
1 60
E(Y)600 g(x)dx
第三章 随机变量的数字特征
随机变量的数学期望 随机变量的方差 随机变量的协方差和相关系数 大数定律 中心极限定理
3.1数学期望
一.数学期望的定义 数学期望——描述随机变量取值的平均特征 例1 设某班40名学生的概率统计成绩及得分 人数如下表所示: 分数 40 60 70 80 90 100 人数 1 6 9 15 7 2 则学生的平均成绩是总分÷总人数(分)。即
E{X22X YY2} {E [(X)2]2[E(X)]E[(Y) ][E(Y)2]}
D(X)D(Y) 2E(XY )2E(X)E(Y) X与Y独立 E (X) Y E (X )E (Y )
D (X Y ) D (X ) D (Y )
n
n
若 X 1,.X .n独 . 立 D ( , X i)则 D (X i)
工程数学概率 第三章(一)

求:一次游戏平均得多少钱?
机动
目录
上页
下页
返回
结束
解: 假设做了n次游戏,
每次平均得:
当n很大时,
定义1 定义1 设离散型随机变量X 的分布律为
P{X = xk } = pk , (k =1 2,3,L , )
若级数
∑x p 绝对收敛 ,
k= 1 k k
∞
∞
则称此级数的和为X 的数学期望 数学期望。 数学期望 简称期望或均值 期望或均值,记为 E(X). 期望或均值 即 E(X) = ∑xk pk
0 0
1 = ≠ E(X)E(Y) 3
机动 目录 上页 下页 返回 结束
三、数学期望的性质 1. 设C 是常数,则E(C )=C ; 2. 若C 是常数,则E(CX ) = CE(X ); 3. E(X +Y) = E(X) + E(Y) 证明: 设 ( X.Y) ~ f ( x, y)
∞∞
E(X +Y) = ∫ ∫ (x + y) f (x, y)dxdy
第三章 随机变量的数字特征
一、数学期望 二、方差 三、协方差和相关系数 四、矩和协方差矩阵
第一讲 数学期望
一 、数学期望的概念 二、随机变量函数的数学期望 三、数学期望的性质
第三章
机动
目录
上页
下页
返回
结束
一、数学期望的概念
引例: 引例:某人参加一个掷骰子游戏,规则如下: 掷得点数 获得(元) 1点 1 2,3点 2 4,5,6点 4
∞
−∞
−∞
推广: 推广: [∏Xi ] = ∏E(Xi ) (当Xi 独立时) E
例1、 、 任意掷5颗骰子,X—5颗骰子出现的点数之和,求E(X). 解:
随机变量的数字特征

随机变量的数字特征随机变量是概率论中的重要概念,描述了在一定概率分布下可能取得的不同取值。
在实际问题中,我们常常需要对随机变量的数字特征进行分析,以揭示其分布规律和潜在规律。
本文将介绍随机变量的数字特征及其应用。
1. 期望值期望值是描述随机变量平均取值的一个重要数字特征。
对于离散型随机变量,期望值的计算公式为:$$ E[X] = \\sum_{i} x_i \\cdot P(X = x_i) $$其中,X表示随机变量,x i为X可能取得的值,P(X=x i)为X取值为x i的概率。
对于连续型随机变量,期望值的计算公式为:$$ E[X] = \\int_{-\\infty}^{\\infty} x \\cdot f(x) dx $$其中,f(x)为X的概率密度函数。
2. 方差方差是描述随机变量取值分散程度的数字特征。
对于离散型随机变量,方差的计算公式为:Var[X]=E[(X−E[X])2]对应连续型随机变量的方差计算公式为:$$ Var[X] = \\int_{-\\infty}^{\\infty} (x - E[X])^2 \\cdot f(x) dx $$3. 协方差协方差描述了两个随机变量之间的线性相关性。
对于两个随机变量X和Y,其协方差的计算公式为:Cov[X,Y]=E[(X−E[X])(Y−E[Y])]协方差的正负值表示了两个随机变量的相关性程度,当协方差为正时,表示两个随机变量正相关,为负时表示负相关。
4. 相关系数相关系数是协方差标准化后的结果,用以衡量两个随机变量之间的线性相关性强弱。
相关系数的计算公式为:$$ \\rho_{X,Y} = \\frac{Cov[X,Y]}{\\sigma_X \\cdot \\sigma_Y} $$其中,$\\sigma_X$和$\\sigma_Y$分别为X和Y的标准差。
相关系数的取值范围在-1到1之间,绝对值越接近1表示相关性越强。
5. 大数定律大数定律是概率论中的一个重要定理,指出在独立重复试验中,随着试验次数的增多,样本平均值将趋近于总体期望值。
- 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)。
随机变量的数字特征
习题
1.设X 服从参数为1的指数分布,求(
)X
e
X E 22-+.
2.设随机变量X 的分布律为
,32}3)
1({1
j j j j X P =-=+ ,2,1=j , 证明X 的数学期望
不存在. 3.设),(~p n B X ,已知412==DX ,EX ,求n 和p .
4.设)(~λP X ,求)
11
(X E +.
5.甲,乙两人各自独立地向同一目标射击一次,命中率分别为1p 和2p ,以X 表示命中目标的人数,求DX EX ,.
6.设随机变量)(~λP X ,已知()1)]2(1[=--X X E ,求λ.
7.将n 只球(编号为,,,1n )随机地放进n 只盒子(编号为,,,1n )中去,一只盒子装一只球,若一只球装入与球同号的盒子中,称为一个配对,设X 为总的配对数,求()X E .
8.随机变量X 的概率密度为
⎪⎩⎪⎨⎧≤≤=,,0,,2
cos 21
)(其余πx o x x f , 对X 独立重复观察4次,用Y 表示察观值大于3π
的次数,求2EY .
9.设随机变量X 服从指数分布,其概率概率密率为
⎪⎩⎪
⎨⎧>=-,,0,0,
1)(其余x e x f x
θθ,其中
0>θ,求EX 和DX . 10.设X 为随机变量,c 为常数,证明 2
)(c X E DX -≤.
11.设随机变量X 的期望存在,概率密度函数为)(x f ,若对任意x ,有
)()(x a f x a f -=+, 证明 a EX =.
12.设随机变量X 的概率密度函数为
⎪⎩⎪
⎨⎧≤<-≤≤-+=,,0,
10,
1,01,
1)(其余x x x x x f ,求EX 和DX .
13.设随机变量),(Y X 的联合概率密率函数为
⎪⎩⎪⎨⎧-≤<=其余,010,
4
3
),(2
x y y x f , 求
EX 、EY 、)(XY E 和XY ρ.
14.设),(Y X 服从二维正态分布,且)4,0(~),3,
1(~22N Y N X ,
21
-
=XY ρ,设
23Y X Z +
=
, 求)(Z E 、)(Z D 和XZ ρ.
15.设),(Y X 服从圆:422≤+y x 上的均匀分布,(1) 求XY ρ;(2)X 与Y 独立吗?
16.设一部机器在一天内发生故障的概率为0.2,机器发生故障时全天停止工作,若一周5个工作日里无故障,可获利润10万元;发生一次故障仍可获利润5万元;发生两次故障所获利润0元;发生三次或三次以上故障就要亏损2万元,求一周内期望利润是多少.
17.设),(Y X 的联合密度函数为
()⎩⎨
⎧≤≤≤=其它,,0,
10,
,x y cy y x f ,求c 及XY ρ.
18.X 与Y 相互独立同分布,且) ,0(~2
σN X ,令Y X U βα+=,
,Y X V βα-=βα,为常数,求
V U ρ.
19.一枚硬币重复掷n 次,以X 和Y 分别表示正面向上和反面向上的次数,求XY ρ.
20.设Y X ,相互独立且均服从) ,0(2
σN ,证明
()[]πσ=
Y X E ,max .
21.某人有n 把钥匙,其中只有一把能打开门,从中任取一把试开,试就下列两种情况,求试开次数X 的期望和方差.(1) 不能打开的钥匙不放回钥匙中;(2)不能打开的钥匙仍放回钥匙中.
22.设Y X ,相互独立,且均服从)1,0(N ,求)(XY D .
23.设随机变量X 的概率密度函数为
⎪⎩⎪
⎨⎧≥=-,,0,
0,
!)(其余x e m x x f x
m 求EX 和DX .
24.设),(Y X 的联合密度函数为()⎪⎩⎪⎨⎧≤-≤=其它,,0,
1,1,8
3,2x x y y x f , 试判断X 与Y 是
否独立?是否相关?。