概率论数字特征.
例5 (P92) 一批零件中9件合格品和3件废品，安装机器时，
从这批零件中任取一件。如果取出的废品不再放回去，求 取出合格品以前已取出的废品数的数学期望。
解 设X表示取出合格品以前取出的废品数，则X所有可能取
值为0,1,2,3。于是
9 3 9 9 P X 0 , P X 1 , 12 12 11 44 3 2 9 9 P X 2 , 12 11 10 220 3 2 1 9 1 P X 3 12 11 10 9 220
np
例3
设X ~ P( ), 求EX .
解 X的分布率为 P{ X k }
k e
k!
, k 0,1,2,, 0
X 的数学期望为 EX k
k 0
k e
k!
e
(k 1)! e
k 1
k 1
e
即EX
解 X 的分布率为
k n k
P{ X k} C p (1 p)
X 的数学期望为
n
nk
, k 0,1, 2,
n,
n n! n! k nk EX k p (1 p) p k (1 p)n k k 1 k !( n k )! k 1 ( k 1)!( n k )! n 1 (n 1)! k 1 nk l l n 1l np p (1 p) np Cn1 p (1 p) k 1 ( k 1)!( n k )! l 1 n
第四章、随机变量的数字特征
第一节：数学期望 第二节：方差 第三节：协方差及相关系数
在前面的课程中，我们讨论了随机变量及其分 布，如果知道了随机变量X的概率分布，那么X的 全部概率特征也就知道了.
然而，在实际问题中，概率分布一般是较难 确定的. 而在一些实际应用中，人们并不需要知 道随机变量的一切概率性质，只要知道它的某些 数字特征就够了.
于是 P 1000 X 1200
1200 1000
p( x)dx e1 e1.2 0.0667.
即数学期望位于区间(a , b)的中点.
b
例8
解
设X ~ E( ), 求EX .
X 的数学期望为
EX
xp( x)dx
0
x. e- x dx
0
- xde- x - xe- x
0
+ e- x dx
0
-
e
- x
0
请注意 : 连续型随机变量的数学期望是一个绝对收敛 的积分.
例7
设X ~ U (a, b), 求EX .
解 X 的概率密度为 1 a xb p( x) b a 其它 0 X 的数学期望为
x ab EX xp( x)dx dx ba 2 a
1
即指数分布的数学期望为参数分之1.
例9 设某型号电子管的寿命X 服从指数分布, 其平均寿命为1000
小时，计算P 1000 X 1200.
1 解 由题意知 EX 1000 ，则 ，于是 1000
1
x 1 1000 e x 0, p( x) 1000 0 x 0,
数学期望、方差、协方差和相关系数
ห้องสมุดไป่ตู้ 第一节
数学期望
离散型随机变量的数学期望
连续型随机变量的数学期望
随机变量函数的数学期望
数学期望的性质
小结
一、离散型随机变量的数学期望
引例：某7人的数学成绩为90，85，85，80，80， 75，60，则他们的平均成绩为
90 85 2 80 2 75 60 7 1 2 2 1 1 90 85 80 75 60 7 7 7 7 7 79.3
例4 甲、乙二人进行打靶，所得分数分别记为X 1 , X 2 ,
它们的分布率分别为
X1
pk
0
0
1
2
0.2 0.8
X2 0 1 2 pk 0.6 0.3 0.1
试比较甲、乙两人的技术那个好
解：我们先来算 X 1 和 X 2 的数学期望，
EX 1 0 0 1 0.2 2 0.8 1.8(分） EX 2 0 0.6 1 0.3 2 0.1 0.5(分）
以频率为权重的加权平均
定义1 设X是离散型随机变量，它的分布率是: P{X=xk}=pk , k=1,2,… 若级数
xk pk k 1
绝对收敛，则称级数
xk pk k 1
的和为随机变量X的数学期望 ,记为 EX ,
即
EX xk pk
k 1
请注意 :离散型随机变量的数学期望是一个绝对收 敛的级数的和.数学期望简称期望，又称为均值。
则X的期望为
3 9 9 1 3 EX 0 1 2 3 . 4 44 220 220 10
二、连续型随机变量的数学期望
定义2 设X是连续型随机变量，其密度函数为 p(x), 如果积分
xp( x)dx
绝对收敛,则称此积分值为X的数学期望, 即
EX x p( x)dx
例1、（0-1）分布的数学期望
X服从0-1分布，其概率分布为
X P 0 1-p 1 p
EX 0 (1 p) 1 p p
若X 服从参数为 p 的0-1分布， 则EX= p
例2
设X ~ B(n, p), 求EX .
k k ( p (1 p)) Cn p (1 p)nk n k 0 n
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； 考察南宁市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；
因此，在对随机变量的研究中，确定某些数 字特征是重要的 .而所谓的数字特征就是用数字表 示随机变量的分布特点。 在这些数字特征中，最常用的是
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.
概率论及数理统计随机变量的数字特征
X0 1 2 3 P 0.3 0.3 0.2 0.2
下面我们用计算机 进行模拟试验.
1 101 32 0 23 0
输入试验次数(即天数)n,计算机对小张的生产 情况进行模拟,统计他不出废品，出一件、二 件、三件废品的天数n0,n1,n2,n3 , 并计算
M (n )0n 01n 12n 23n 3 nn n n
k阶绝对中E(心 |X矩 E(X)|k)
其中 k 是正整数.
例1.设X的分布列为 X
0
1
1
1
P
24
求E1 1 X
解：
23
11 88
E( 1 )1 1 1 1 1 1 1 1 1X 210 411 812 813 67 96
例2. 设公共汽车起点站在每小时的10分，30分， 50分发车，一位不知发车时间的乘客，每 小时内到达车站的时间是随机的，求该乘客 在车站等车的数学期望。
30
60 50
60
10
设(X, Y)是二维随机变量, Z=g( X, Y )，则
EZE[g(X,Y)]
i1
g(xi, yj)pij,
j1
(X,Y)离散型
g(x, y)f(x, y)dxd,y(X,Y)连续型
当( X, Y )是离散型时：分布列为 P ( X x i Y y j) p ij i , j 1 , 2 ,
X~B(n,p),则X表示n重贝努里试验中的“成功” 次数.
若设
Xi
1 0
如第i次试验成功i=1,2，…，n
如第i次试验失败
则 X= X1+X2+…+Xn 因为 P(Xi =1)= p, P(Xi =0)= 1-p
E(Xi)= 1p0(1p)= p n
概率论课程第四章
第四章 数字特征前面我们介绍了随机变量及其分布，对于一个随机变量，只要知道了它的分布（分布函数或分布律、分布密度），它取值的概率规律就全部掌握了。
但在实际问题中，一个随机变量的分布往往不易得到，且常常只需知道随机变量的某几个特征就够了。
例如检查棉花的质量时，我们关心的是棉花纤维的平均长度和纤维长度与平均长度的偏差大小，这些数字反映了随机变量的一些特性，我们称能够反映随机变量特征的数字为随机变量的数字特征。
本章将介绍几个最常用的数字特征：数学期望、方差、协方差和相关系数。
第一节 数学期望一、离散型随机变量的数学期望数学期望反映的是随机变量取值的集中位置的特征，能够满足这一要求的自然是随机变量的平均取值，那么这个平均取值如何得到呢？怎样定义，我们先看一个例题例1：全班40名同学，其年龄与人数统计如下：该班同学的平均年龄为：4092115201519118⨯+⨯+⨯+⨯=a8.194092140152040151940118=⨯+⨯+⨯+⨯=若令X 表示从该班同学中任选一同学的年龄，则X 的分布律为于是，X 取值的平均值，即该班同学年龄的平均值为4092140152040151940118)(⨯+⨯+⨯+⨯==a X E8.19==∑ii i p x定义1：设X 为离散型随机变量，其分布律为i i p x X P ==}{， ,2,1=i如果级数 绝对收敛，则此级数为X 的数学期望（或均值），记为 E(X)，即 ∑=ii i p x X E )(意义：E(X)表示X 取值的（加权）平均值。
如果级数 不绝对收敛，则称数学期望不存在。
例2：甲、乙射手进行射击比赛，设甲中的环数为X1，乙中的环数为X2，已知 X1和X2的分布律分别为：问谁的平均击中环数高？解：甲的平均击中环数为 E(X1)=8 0.3+9 0.1+10 0.6=9.3 乙的平均击中环数为 E(X2)=8 0.2+9 0.5+10 0.3=9.1 可见E(X1)> E(X2)，即甲的平均击中环数高于乙的平均击中环数。
概率论-随机变量的几种重要分布及数字特征
2. 若X 是随机变量，若C是常数，则 E(CX ) CE( X );
3. 若 ( X ,Y )是二维随机向量，则
E( X Y ) E( X ) E(Y );
注： 推广到 n 维随机向量，有
n
n
E( Xi ) E(Xi )
i 1
ห้องสมุดไป่ตู้
i 1
数学期望的性质
4. 若 ( X ,Y ) 是二维随机向量，且 X ,Y相互独立,
E( X )E(Y ) E( XY ) E( X )E(Y ).
特别地，当X与Y 独立时，有 cov( X ,Y ) 0.
协方差的性质 1. 协方差的基本性质
(1) cov( X , X ) D( X ); (2) cov( X ,Y ) cov(Y , X ); (3) cov(aX ,bY ) abcov( X ,Y ), 其中 a,b 是
定理1 设 X 是一个随机变量，Y g( X ), 且E(X ) 存
在, 于是
(1) 若X 为离散型随机变量，其概率分布为
P{ X xi } pi , i 1,2,
若 g(xi ) pi 绝对收敛，则Y的数学期望为
i 1
E(Y ) E[g( X )] g(xi ) pi;
cov( X ,Y )
[x E( X )][ y E(Y )] f ( x, y)dxdy.
协方差的定义
利用数学期望的性质，易将协方差的计算化简.
cov( X ,Y ) E{[ X E( X )][Y E(Y )]} E( XY ) E( X )E(Y ) E(Y )E( X )
x0
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.
概率论与数理统计课件：随机变量的数字特征
首页 返回 退出
例7 （正态分布的数学期望）设 X ~ N( μ, σ 2 ), 求E(X).
解:
E(X) =
+
-
xf ( x )dx =
+
-
1
x
e
2πσ
( x - μ )2
2σ 2
dx
x-μ
, 则
令 t=
σ
E(X) =
+
-
t2
2
t2
+ 2
-
1
μ
( μ + t σ)
+
若级数 | g( xk ) | pk < + , 则 Y = g( X ) 的数学期望为
k =1
+
E(Y ) = E(g( X )) = g( xk ) pk
k =1
随机变量的数字特征
首页 返回 退出
定理4.2 (连续型随机变量函数的数学期望) 设连续型随
机变量X的概率密度函数为f(x),若
随机变量的数字特征
第一节 随机变量的数学期望
第二节 方差
第三节 协方差和相关系数
第四节 R实验
随机变量的数字特征
首页 返回 退出
第一节 随机变量的数学期望
一、离散型随机变量数学期望
二、连续型随机变量数学期望
二、随机变量函数的数学期望
三、数学期望的性质
随机变量的数字特征
首页 返回 退出2
§4.1随机变量的数学期望
P{X = xi } = pi , i = 1,2,
如果
+
| x
i
.
| pi < +
概率论第四章总结-精品文档
XY
=
数.
Cov ( X ,Y ) D( X ) D(Y)
称为随机变量X与Y的相关系
2.基本性质
7)| |=1的充要条件是，存在常数 a,b使得 P{Y=a+bX}=1
XY
1）Cov（X,Y）=Cov(Y,X) , Cov(X,X)=D(X).
5)Cov(X1+X2,Y)=Cov(X1,Y)+Cov (X2,Y). 6)| |≤1. *当=0时，称X与Y不 相关.
XY
2）D(X+Y)=D(X)+D(Y)+2Cov(X,Y) 3）Cov(X+Y)=E(XY)-E(X)E(Y).
4）Cov(aX,bY)=abCov(X,Y),a,b是常数.
3.例题 • 设随机变量X ~ N（ ， ），Y ~ N( , ),且设X,Y相互独立，试求 • Z1=aX+bY和Z2=aX-bY的相关系数（其中a,b是不为零的常数）.
The key
解：E[(X-C)2]=E(X2-2CX+C2)=E(X2)-2CE(X)+C2=E(X2) -[E(X)]2+{[E(X)]2-2CE(X)+C2}=D(X)-[E(X)-C]2 ≥ D(X),等 号当且仅当C=E（X）时成立.
三、协方差及相关系数
1.定义
量E{(X-E(X))(Y-E(Y))}称为随机变量X与Y的协方差. 记为Cov(X,Y）,即 Cov(X,Y）=E{(X-E(X))(Y-E(Y))}
，
j=1,2，····，说明X的 数学期望不存在. 例2.将n只球（1—n号）随 机的放进n个盒子（1—n号） 中，一个盒子装一只球.若
3j j
概率论与数理统计第四章随机变量的数字特征习题解答
习题4-11、设随机变量X 服从参数为p 的01-分布，求()E X 。
解：据题意知，X 的分布律为根据期望的定义，得()0(1)1E X p p p =⋅-+⋅=。
2、袋中有n 张卡片，记有号码1,2,,n 。
现从中有放回地抽出k 张卡片，求号码之和X 的数学期望。
解：设i X 表示第i 次取到的卡片的号码（1,2,,i k =），则12k X X X X =+++。
因为是有放回地抽出卡片，所以i X 之间相互独立。
所以第i 次抽到号码为m 的卡片的概率为1{},(1,2,,;1,2,,)i P X m m n i k n====，即i X 的分布律为1{},(1,2,,)i P X m m n n===， 所以11()(12)2i n E X n n+=+++=， 所以，1(1)()()2k k n E X E X X +=++=。
注：求复杂随机变量期望时可先引入若干个简单的随机变量，再根据期望的性质即可。
3、某产品的次品率为0.1，检验员每天检验4次。
每次随机地抽取10件产品进行检验，如果发现其中的次品数多于1，就去调整设备，以X 表示一天中调整设备的次数，试求()E X 。
（设诸产品是否是次品是相互独立的。
）解：令Y 表示一次抽检的10件产品的次品数，据题意知，~(10,0.1)Y b ，00101191010{1}1{0}{1}10.10.90.10.90.2639p P Y P Y P Y C C =>=-=-==--=，因此，~(4,0.2639)X b ，从而()40.2639 1.0556E X np ==⋅=。
注：此题必须先求出一天中调整设备的概率。
即p 值。
4、据统计，一位60岁的健康（一般体检未发生病症）者，在5年内仍然活着或自杀身亡的概率为p （01p <<，p 为已知），在五年内非自杀身亡的概率为1p -。
保险公司开办5年人寿保险，条件是参保者需缴纳人寿保费a 元（a 已知），若5年内非自杀死亡，保险公司赔偿b 元（b a >）。
概率论与数理统计教案-随机变量的数字特征
概率论与数理统计教案-随机变量的数字特征教案章节一：随机变量的期望值教学目标：1. 理解期望值的定义及其性质。
2. 学会计算离散随机变量的期望值。
3. 学会计算连续随机变量的期望值。
教学内容：1. 期望值的定义及性质。
2. 离散随机变量的期望值的计算方法。
3. 连续随机变量的期望值的计算方法。
教学方法：1. 采用讲授法，讲解期望值的定义及其性质。
2. 采用案例分析法，分析离散随机变量和连续随机变量的期望值的计算方法。
3. 采用练习法，让学生通过练习巩固期望值的计算方法。
教学评估：1. 课堂练习：计算给定离散随机变量和连续随机变量的期望值。
2. 课后作业：布置相关习题，巩固学生对期望值的理解和计算能力。
教案章节二：随机变量的方差教学目标：1. 理解方差的定义及其性质。
2. 学会计算离散随机变量的方差。
3. 学会计算连续随机变量的方差。
教学内容：1. 方差的定义及其性质。
2. 离散随机变量的方差的计算方法。
3. 连续随机变量的方差的计算方法。
教学方法：1. 采用讲授法，讲解方差的定义及其性质。
2. 采用案例分析法，分析离散随机变量和连续随机变量的方差的计算方法。
3. 采用练习法，让学生通过练习巩固方差的计算方法。
教学评估：1. 课堂练习：计算给定离散随机变量和连续随机变量的方差。
2. 课后作业：布置相关习题，巩固学生对方差的理解和计算能力。
教案章节三：随机变量的标准差教学目标：1. 理解标准差的定义及其性质。
2. 学会计算离散随机变量的标准差。
3. 学会计算连续随机变量的标准差。
教学内容：1. 标准差的定义及其性质。
2. 离散随机变量的标准差的计算方法。
3. 连续随机变量的标准差的计算方法。
教学方法：1. 采用讲授法，讲解标准差的定义及其性质。
2. 采用案例分析法，分析离散随机变量和连续随机变量的标准差的计算方法。
3. 采用练习法，让学生通过练习巩固标准差的计算方法。
教学评估：1. 课堂练习：计算给定离散随机变量和连续随机变量的标准差。
概率论与数理统计第4章 随机变量的数字特征与极限定理
25
定义4.3 设X是随机变量，若E［X－E（X）］2存 在，则称它为X的方差，记为D（X），即
由定义4.2，随机变量X的方差反映了X的可能取值 与其数学期望的平均偏离程度．若D（X）较小，则X的 取值比较集中，否则，X的取值比较分散．因此，方差 D（X）是刻画X取值离散程度的一个量．
3
定义4.1 设离散型随机变量X的分布律为
4
5
6
7
8
9
4.1.2 几个常用分布的数学期望 1.0—1分布 设随机变量X服从以p为参数的（0—1）分布，则X 的数学期望为
２.二项分布 设随机变量X～B（n,p），则X的数学期望为
10
3.泊松分布 设随机变量X～P（λ）分布，则X的数学期望为
41
Hale Waihona Puke 424.３ 协方差、相关系数及矩
4.3.1 协方差 对于二维随机变量（X，Y），除了分量X，Y的数 字特征外，还需要找出能体现各分量之间的联系的数字 特征．
43
44
4.3.2 相关系数 定义4.5 设（X,Y）为二维随机变量，cov （X,Y）,D（X）,D（X）均存在，且D（X）>0,D（X） >0，称
15
16
17
定理4.2 设（X,Y）是二维随机变量，z=g（x,y） 是一个连续函数． （1）如果（X,Y）为离散型随机变量，其联合分布 律为
18
19
20
4.1.4 数学期望的性质 数学期望有如下常用性质（以下的讨论中，假设所 遇到的数学期望均存在）：