第三章 随机变量的数字特征
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？。
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。
第3章随机变量的数字特征_答案_
第3章随机变量的数字特征_答案_第3章随机变量的数字特征⼀.填空题1.(90-1-2)已知随机变量X 服从参数为2的泊松分布22{},0,1,2...!k P X k e k k ?===则随机变量32Z X =?的数学期望E (Z)= (4)解: ()()()()~(2), 2,32323224X P E X E Z E X E X ==?=?=×?=2.设随机变量X 的密度函数为+=0)(B Ax x f 则且其它,127)(,10=≤≤X E x A =_____,B =______. (1,1/2)解:1()112f x dx A B +∞∞=?+=∫, 7117()123212EX xf x dx A B +∞∞==?+=∫, 11,2A B ∴==3. (92-1-3)已知随机变量X 服从参数为1的指数分布, 则数学期望()2XE X e+= (4/3)解:()()()()222300, 011~(1), 1, , 330, 0x X x x x x e x X E E X f x E e e f x dx e e dx e x ?+∞+∞+∞∞?>=====?=?≤?∫∫ ()211/34/3X E X e ?+=+=4.(95-1-3)设X 表⽰10次独⽴重复射击命中⽬标的次数，每次射中⽬标的概率为0.4，则2x 的数学期望()2E X= (18.4)解:()()()()()()222~(10,0.4),100.44,(1)100.410.4 2.4, 2.4418.4X B E X D X np p E X D X E X =×==?=×?==+=+=5. (99-4-3)设~(),X P λ已知[(1)(2)]1E X X ??=,则λ= (1) 解:()()()()()222~(),,,X P E X D X E XD XE X λλλλλ===+=+,222[(1)(2)][132)]()3()2211E X X E X X E X E X λλλ??=?+=+=?+=?=?6. (95-4-3)设X 是随机变量，其概率密度为1,10()1, 010,x x f x x x +?≤≤??=?<≤,则⽅差DX 为 (1/6)解:()()00110123231100101111(1)(1)02323E X xf x dx x x dx x x dx x x x x +∞∞?==?++??=++?=∫∫∫()()0011012222343411001011111(1)(1)34346E X x f x dx x x dx x x dx x x x x +∞∞?==?++??=++?=∫∫∫()()()221/601/6D X E X E X =?=?=7.(90-4-3)设随机变量X 和Y 独⽴,~(3,1),~(2,1)X N Y N ?,则27, Z ~Z X Y =?+ (0,5)N 解:()()2()732270,()()4()145~(0,5)E Z E X E Y D Z D X D Y Z N =?+=??×+==+=+=∴8.设两个相互独⽴的随机变量X 和Ｙ均服从(1,1/5)N ,若随机变量X aY ?满⾜条件2()[()]D X aY E X aY ?=?，则a = . (1) 解:()0,()()01101E X aY E X aE Y a a ??=??==?=9.(03-3-4) 随机变量 X 与Y 的相关系数为0.9,若0.4Z X =?则Y 与Z 的相关系数为 (0.9) 解:()()0.4,,cov(,)cov(,0.4)cov()cov(),Z X D Z D X Y Z Y X Y X X Y =?==?==,,0.9YZ ρ===10.(03-4-4)设随机变量X 和Y 的相关系数为0.5，2202EX EY EX EY ====，，试求2E X Y +（）= (6) 解: 2202EX EY EX EY ====∵，，()()()222,D X E X E X ∴=?= ()()()222D Y E Y E Y =?=0.5,0 ()0.51XY XY EX EY E XY ρρ====?===222222)2()()2226E X Y E X XY Y E X E XY E Y +=++=++=++=（）（）（⼆.选择题1.(91-3-3)若随机变量X 与Y 的协⽅差()()()E XY E X E Y =，则下列结论必正确的是( ). 解B (A ) ()()()D XY D X D Y =; (B ) ()D X Y DX DY +=+; (C ) X 与Y 独⽴; (D ) X 与Y 不独⽴2.若随机变量X 与Y 的协⽅差(,)0Cov x y =，则下列结论必正确的是( ). 解C (A ) X 与Y 独⽴; (B )()()()D XY D X D Y =; (C )()D X Y DX DY +=+; (D )()D X Y DX DY ?=?.3.(90-4-3)已知()()~(,), 2.4, 1.44X B n p E X D X ==则,n p 的值( ). 解B (A )4,0.6n p ==; (B ) 6,0.4n p ==; (C ) 8,0.3n p ==; (D ) 24,0.1n p ==. 解:()()1.44, 2.4,1 1.44/2.40.60.4,6D X npq E X np q p p n =====?==?==4.(97-1-3)设两个相互独⽴的随机变量X 和Y 的⽅差为4和2,则随机变量32X Y ?的⽅差是( ) 解D (A) 8; (B)16; (C)28; (D)44 分析: ()329()4()944244D X Y D X D Y ?=+=×+×=5.(95-3-3)设随机变量X,Y 独⽴同分布,记,U X Y V X Y =?=+,则U 和V 必然( ) 解D (A )独⽴; (B)不独⽴; (C ) 相关系数不为0; (D )相关系数为0. 分析: X,Y 独⽴同分布,()(),D X D Y =cov(,)cov(,)cov(,)cov(,)cov(,)cov(,)()()00U V X Y X Y X X X Y Y X Y Y D X D Y ρ=?+=+??=?=?=6.(08-1,3,4-4) (0,1),(1,4),1XY X N Y N ρ=～～，则（）. 解D (A)(21)1P Y X =??=. (B)(21)1P Y X =?=. (C)(21)1P Y X =?+=.(D)(21)1P Y X =+=. 分析:,1,0XY Y aX b a ρ=+=∴>,排除A,C,()0,()1,()101E X E Y EY aE X b a b b ===+?=?+?=∵,选D三.计算题 1. 设随机变量X 的分布函数()0, 10.2, 100.5, 011, 1x x F x x x，求EX ，DX （0.3，0.61）解：分析，由()F x 是离散型的分布函数，先求分布律（直接计算分段点的跳跃度（值差）即可）()10.210.50.3EX =?×+×=，()22210.210.50.7EX =?×+×=，2220.70.30.61DX EX E X =?=?=2. 若已知是分布函数()0, 10, 011, 1x F x x x x ?≤=≤，求EX ，DX （1/2，1/12）(思考：如何判别分布函数()F x 是离散型还是连续型？)解：分析，由()F x 是连续型的分布函数，先求导数，()1, 01'()0, x F x f x ≤其他，1120 011122EX x dx x =?==∫， 112230 011133EX x dx x =?==∫，2221113212DX EX E X ??=?=?=3.(89-4-3)设随机变量2123~(0,6),~(0,2),~(3)X U X N X P 相互独⽴，令32132X X X X +?=,求EX ,DX (12, 46) 解:12306 ()()2()3()2033122E X E X E X E X +=?+=×+×= 22123(60)()()4()9()42934612D X D X D X D X ?=++=+×+×=4、设[]~2,6X U ，对X 进⾏20次独⽴观测，Y 表⽰20次观测值中事件{}5X >发⽣的次数，求()2 YE （115/4）.解：[]~2,6X U ，()1, [2,6]40, x f x ?∈?=其他，{} 6 511544P X dx >==∫.，据题意 (,)Y B n p ～，120,4n p == 1315205,5444EY np DY npq ==×===×=，()222153528E Y DY E Y =+=+= 5.(02-4-3) 已知随机向量(X ,Y )的联合分布律为,求,,(,),EX DX Cov X Y xy ρ (0.6,0.24,0,0)X -1 0 11/3 0.2 0.3 0.5解:0.6,EX =20.6,EX =220.60.360.24DX EX E X =?=?=,()10.1510.350.2EY =?×+×=(1,1)(1,1)()0.080.20.12E XY xy xy ?=×+×=, (,)0,0xy Cov X Y ρ=∴= 6、已知随机变量),(Y X 服从区域()}{,01,D x y x x y x =<解：依题意，()11, (,),0, x y Df x y d ?=∈?=其他（注意，函数区间利⽤⼆重积分计算）2222(,((,EX xf x EX x f DX EX E X EY yf x y +∞+∞∞∞+∞+∞∞∞+∞∞===?==∫∫∫∫∫()(,EXY xyf Cov X Y EXY +∞+∞∞∞==?∫∫∫7. (05-1,3,4-9)设⼆维随机变量 (X,Y) 的密度函数为()1,01,02,0,x y xf x y <<<其他 1)求边缘概率密度()X f x ,()Y f y . 2)判断X,Y 的独⽴性(补). 3)判断X,Y 的相关性(补解: 1) 01 x <<，()()20,12xX f x f x y dy dy x +∞∞===∫∫2, 01()0, X x x f x <02y <<,()()1/2,112Y y y f y f x y dx dx +∞∞===?∫∫,1, 02()20, Y yy f y ??<2) 显然(,)()()X Y f x y f x f y ≠?,X Y ∴，不独⽴.3) 121122002()(,)23E X xf x y dxdy xdxdy x y dx x dx +∞+∞∞∞=====∫∫∫∫∫∫, 1211222000012()(,)223xx E Y yf x y dxdy ydxdy y dx x dx +∞+∞∞∞=====∫∫∫∫∫∫1211223000011()(,)222xx E XY xyf x y dxdy xydxdy x y dx x dx +∞+∞∞∞=====∫∫∫∫∫∫显然(,)()()()0Cov X Y E XY E X E Y =?≠∴Y X ,相关.8. (07-1,3,4-11)设⼆维随机变量 (X,Y) 的密度函数为()2,01,01,0,x y x y f x y ??<<<其他1) 求{2}P X Y >, 2)判断X,Y 的独⽴性(补), 3)判断X,Y 的相关性(补) (7/24, 不独⽴.相关) 解1) ()1/220001{2}2(2)2x x P X Y x y dxdy y xy y dx >==∫∫∫1205157()822424x x dx =?=?=∫ 2)112001301()(,)(2)(2)22X x f x f x y dy x y dy y xy y x +∞∞≤≤==??=??=?∫∫，,3/2, 01()0, X x x f x ?≤≤?∴=??其他112001301,()(,)(2)(2)22Y y f y f x y dx x y dx x x xy y +∞∞≤≤==??=??=?∫∫3/2, 01()Y y y f y ?≤≤?∴=?显然(,)()()X Y f x y f x f y ≠?, X Y ∴，不独⽴3)1123003315()()()()24312X E X xf x dx x x dx x x +∞?∞==?=?=∫∫,1123003315()()()()24312Y E Y yf y dy y y dy y y +∞?∞==?=?=∫∫11111222320000011211()(,)(2)()()23326E XY xyf x y dxdy xy x y dxdy xy x y xy dx x x dx +∞+∞∞∞==??=??=?=∫∫∫∫∫∫ (,)()()()0Cov X Y E XY E X E Y =?≠X Y ∴，相关. 9.(94-1-6)设22~(1,3),~(0,4),X N Y N 且1,2XY ρ=?设32X YZ =+，1)求(),().E Z D Z 2)求XZ ρ,3)问X,Z 是否相互独⽴?为什么? (1/3, 0, 独⽴) 解:1) 22~(1,3),~(0,4),X N Y N 1,2XY ρ=?32X Y Z =+111()()()323E Z E X E Y ?=+= 1(,)3462Cov X Y ρ==?××=?,111111()(,)916(6)3943943D Z DX DY Cov X Y ∴=++=×+×+?=2)111111(,)(,)(,)()(,)9(6)032323232X Y Cov X Cov X X Cov X Y D X Cov X Y +=+=+=?+?=cov ,0XZ X Z ρ∴==3) X,Z 相互独⽴0XZ ρ?=(⼆维正态独⽴的充要条件)10.飞机场送客汽车载有20位乘客，离开机场后共有10个车站可以下车，若某个车站⽆⼈下车则该车站不停车。
随机变量的数字特征
使用这种方法必须先求出随机变量函数g(X ) 的分布，一般是比较复杂的 . 那么是否可以不先求g(X )的分布而只根据 X 的分布求得 E[g(X )] 呢？ 下面的基本公式指出，答案是肯定的.
20
类似引入上述EX 的推理，可得如下的基本公式: 设X 是一个随机变量，Y =g(X )，则
∞ 散 ∑g(xk ) pk , X离 型 EY = E[g( X )] = k=1 +∞ g(x) p(x)dx, X连 型 续 ∫−∞ 当X 为离散型时, P( X = xk ) = pk ;
−λ x
d(−λx) = −∫0 x de
+∞
−λ x
=
1
λ
18
∵ λ = 0.002
∴ EX = 500
小时。
三、随机变量函数的数学期望 问题的提出： 1. 问题的提出： 设已知随机变量X 的分布， 我们需要计算的不是X 的期望，而是X 的某个函数g(X)的期望. 那么应该如何计算呢？ 一种方法是，因为g(X )也是随机变量， 故应有概率 分布，它的分布可以由已知的X 的分布求出来. 就可以按照期望的 一旦我们知道了g(X )的分布， 定义把 E[g(X )] 计算出来.
E( X2 ) =8×0.1+ 9×0.5+10×0.4 = 9.3
因此乙的平均环数比甲的多， 因此乙的平均环数比甲的多， 即乙射手比甲射手的成绩好。 即乙射手比甲射手的成绩好。
15
二、连续型随机变量的数学期望 定义2 定义2 设连续型随机变量X 的概率密度为 p(x) . 如果 则称
∫
x p(x)dx 绝对收敛， 绝对收敛， −∞
n n
推广: E(∑Xi ) = ∑EXi