数学期望性质
合集下载
《概率论与数理统计》数学期望
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
概率论与数理统计
§4.4 协方差和相关系数
协方差 相关系数 授课内容 例题
§4.4 协方差和相关系数 协方差
1. 定义
§4.4 协方差和相关系数 协方差
2. 协方差的计算公式
概率论与数理统计
§4.1 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
授课内容
数学期望的性质
§4.1 数学期望 离散型随机变量的数学期望
1. 定义
§4.1 数学期望 离散型随机变量的数学期望
关于定义的几点说明
(2) 级数的绝对收敛性保证了级数的和不随级数各项次序的改变 而改变 , 之所以这样要求是因为数学期望是反映随机变量X 取可能值 的平均值,它不应随可能值的排列次序而改变.
§4.4 协方差和相关系数 相关系数
3. 不相关的定义
§4.4 协方差和相关系数 相关系数
4. 不相关性的判定
以下四个条件等价 (1) ρ 0; (2)Cov( X ,Y ) 0; (3) D( X Y ) DX DY;
(4)3 随机变量函数的数学期望 二维随机变量函数的数学期望
§4.3 随机变量函数的数学期望 二维随机变量函数的数学期望
一维随机变量函数的数学期望 二维随机变量函数的数学期望 授课内容 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
5 .不相关与相互独立的关系
协方差 相关系数 授课内容 例题
§4.4 协方差和相关系数 例题
概率论第三章
第三章 随机变量的数字特征
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.
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.
《数学期望》课件
注意事项
在计算过程中需要注意积分的上下 限以及概率密度函数的取值范围。
连续型随机变量的数学期望的性质
01
02
03
非负性
E(X) ≥ 0，即数学期望的 值总是非负的。
可加性
如果X和Y是两个独立的随 机变量，那么E(X+Y) = E(X) + E(Y)。
线性性质
如果a和b是常数，那么 E(aX+b) = aE(X)+b。
方差是数学期望的度量，表示随机变量取值 与数学期望的偏离程度。
04
CATALOGUE
连续型随机变量的数学期望
连续型随机变量的定义
连续型随机变量
如果一个随机变量X的所有可能 取值是实数轴上的一个区间变量。
概率密度函数
描述连续型随机变量X在各个点 上取值的概率分布情况，其数学
《数学期望》PPT课件
CATALOGUE
目 录
• 引言 • 数学期望的基本性质 • 离散型随机变量的数学期望 • 连续型随机变量的数学期望 • 数学期望的应用 • 总结与展望
01
CATALOGUE
引言
数学期望的定义
数学期望是概率论和统计学中的 一个重要概念，它表示随机变量
取值的平均数或加权平均数。
数学期望的定义基于概率论的基 本原理，通过将每个可能的结果 与其对应的概率相乘，然后将这
些乘积相加得到。
数学期望具有一些重要的性质， 如线性性质、期望值不变性质等 ，这些性质在概率论和统计学中
有着广泛的应用。
数学期望的起源和历史
数学期望的起源可以追溯到17世纪，当时的一些数学家开始研究概率论和统计学中 的一些基本概念。
通过计算投资组合的数学期望， 我们可以了解投资组合的预期收 益，从而制定更加合理的投资策
在计算过程中需要注意积分的上下 限以及概率密度函数的取值范围。
连续型随机变量的数学期望的性质
01
02
03
非负性
E(X) ≥ 0，即数学期望的 值总是非负的。
可加性
如果X和Y是两个独立的随 机变量，那么E(X+Y) = E(X) + E(Y)。
线性性质
如果a和b是常数，那么 E(aX+b) = aE(X)+b。
方差是数学期望的度量，表示随机变量取值 与数学期望的偏离程度。
04
CATALOGUE
连续型随机变量的数学期望
连续型随机变量的定义
连续型随机变量
如果一个随机变量X的所有可能 取值是实数轴上的一个区间变量。
概率密度函数
描述连续型随机变量X在各个点 上取值的概率分布情况，其数学
《数学期望》PPT课件
CATALOGUE
目 录
• 引言 • 数学期望的基本性质 • 离散型随机变量的数学期望 • 连续型随机变量的数学期望 • 数学期望的应用 • 总结与展望
01
CATALOGUE
引言
数学期望的定义
数学期望是概率论和统计学中的 一个重要概念，它表示随机变量
取值的平均数或加权平均数。
数学期望的定义基于概率论的基 本原理，通过将每个可能的结果 与其对应的概率相乘，然后将这
些乘积相加得到。
数学期望具有一些重要的性质， 如线性性质、期望值不变性质等 ，这些性质在概率论和统计学中
有着广泛的应用。
数学期望的起源和历史
数学期望的起源可以追溯到17世纪，当时的一些数学家开始研究概率论和统计学中 的一些基本概念。
通过计算投资组合的数学期望， 我们可以了解投资组合的预期收 益，从而制定更加合理的投资策
数学期望的性质与条件期望
j
η
的条件期望, 的条件期望 记作
E{η ξ = xi },
有
同样可以定义给定的 η = y j 时关于 ξ 的条件期望为
E ξ η = y j = ∑ xi P{ξ = x i η = yi }
i
E { ξ = xi } = ∑ y j P{η = y j ξ = xi } η
{
}
对于二元连续型随机变量 (ξ ,η ), 定义
ξ 表示 名射手所需子弹数目， 则 ξ = ∑ ξ i , 表示9名射手所需子弹数目 名射手所需子弹数目， i =1 的分布如下： 并且 ξi 的分布如下：
9
2 3 1 P 0.8 0.16 0.04 Eξ i = 0.8 + 2 × 0.16 + 3 × 0.04 = 1.24
Eξ = E ( ∑ ξ i ) = ∑ Eξ i = 9 × 1.24 = 11.16
ξ 与 η 是否独立？ 是否独立？
ξ /η
−1 1
0 .3 0.6 解 ξ⋅η − 1 0 1 0 .1 0 .2 0 .1 0.4 P 0.4 0.2 0.4 η 0.4 0.2 0.4 1 1.因为 p−1,0 = 0 ≠ P{ξ = −1} ⋅ P {η = 0} = 0.6 × 0.2 0
2. Eξ = −1 × 0.6 + 1 × 0.4 = −0.2, Eη = −1 × 0.4 + 0 × 0.2 + 1 × 0.4 = 0 E (ξ ⋅ η ) = −1 × 0.4 + 0 × 0.2 + 1 × 0.4 = 0
( 2) j
= ∑ x i p (i 1) ⋅ ∑ y j p (j2 ) = Eξ ⋅ Eη
i
η
的条件期望, 的条件期望 记作
E{η ξ = xi },
有
同样可以定义给定的 η = y j 时关于 ξ 的条件期望为
E ξ η = y j = ∑ xi P{ξ = x i η = yi }
i
E { ξ = xi } = ∑ y j P{η = y j ξ = xi } η
{
}
对于二元连续型随机变量 (ξ ,η ), 定义
ξ 表示 名射手所需子弹数目， 则 ξ = ∑ ξ i , 表示9名射手所需子弹数目 名射手所需子弹数目， i =1 的分布如下： 并且 ξi 的分布如下：
9
2 3 1 P 0.8 0.16 0.04 Eξ i = 0.8 + 2 × 0.16 + 3 × 0.04 = 1.24
Eξ = E ( ∑ ξ i ) = ∑ Eξ i = 9 × 1.24 = 11.16
ξ 与 η 是否独立？ 是否独立？
ξ /η
−1 1
0 .3 0.6 解 ξ⋅η − 1 0 1 0 .1 0 .2 0 .1 0.4 P 0.4 0.2 0.4 η 0.4 0.2 0.4 1 1.因为 p−1,0 = 0 ≠ P{ξ = −1} ⋅ P {η = 0} = 0.6 × 0.2 0
2. Eξ = −1 × 0.6 + 1 × 0.4 = −0.2, Eη = −1 × 0.4 + 0 × 0.2 + 1 × 0.4 = 0 E (ξ ⋅ η ) = −1 × 0.4 + 0 × 0.2 + 1 × 0.4 = 0
( 2) j
= ∑ x i p (i 1) ⋅ ∑ y j p (j2 ) = Eξ ⋅ Eη
i
常用分布的数学期望及方差
方差的性质
方差具有可加性
对于两个独立的随机变量X和Y，有Var(X+Y) = Var(X) + Var(Y)。
方差具有对称性
对于一个常数a和随机变量X，有Var(aX) = |a|^2 * Var(X)。
方差具有非负性
对于随机变量X，有Var(X) >= 0，其中 Var(X) = 0当且仅当X是一个常数。
05 数学期望与方差的应用
在统计学中的应用
描述性统计
数学期望和方差用于描述一组数据的中心趋势和 离散程度，帮助我们了解数据的基本特征。
参数估计
通过样本数据的数学期望和方差，可以对总体参 数进行估计，如均值和方差的无偏估计。
假设检验
在假设检验中，数学期望和方差用于构建检验统 计量，判断原假设是否成立。
常见分布的数学期望
均匀分布的数学期望为
$E(X) = frac{a+b}{2}$，其中a和b是均匀分布的下限和上 限。
柯西分布的数学期望为
$E(X) = frac{pi}{beta} sinh(frac{1}{beta})$，其中β是柯西 分布的参数。
拉普拉斯分布的数学期望为
$E(X) = frac{beta}{pi} tan(frac{pi}{beta})$，其中β是拉普 拉斯分布的参数。
03
泊松分布
正态分布是一种常见的连续型随机变量 分布，其方差记作σ²。正态分布的方差 描述了随机变量取值的分散程度。
二项分布是一种离散型随机变量分布， 用于描述在n次独立重复的伯努利试验 中成功的次数。其方差记作σ²，且σ² = np(1-p)，其中n是试验次数，p是单次 试验成功的概率。
泊松分布是一种离散型随机变量分布， 用于描述在一段时间内随机事件发生的 次数。其方差记作σ²，且σ² = λ，其中 λ是随机事件发生的平均速率。
3.3期望的性质与随机变量函数的期望
寿命超过1年的概率 ＝不需调换的概率
P X 1
因此出售一台设备净赢利Y 的分布律为
Y
100
1 e 4
4
100 300
1 1 e 4
- 1 4
p
E (Y ) = 100e
- 1
- 200 (1 - e
)
33.64 (元).
发行彩票的创收利润 某一彩票中心发行彩票10万张, 每张2元. 设头等奖1个, 奖金 1万元, 二等奖2个, 奖金各 5千元; 三等奖10个, 奖金各1千元; 四等奖100 个, 奖金各1百元; 五等奖1000个, 奖金各10元. 每张彩票的成本费为0.3元, 请计算彩票发行单 位的创收利润. 解: 设每张彩票中奖的金额为随机变量X, 则
二、 随机变量函数的数学期望
1. 问题的提出
数学期望 X g(X) 数学期望 E(X)
E( X ) =
E ( X ) xk pk
k
ò
+
-
xf (x )dx
E轾 g (X ) = 臌
g(x)是连续函数, g(X) 是 随机变量, 如: aX+b, X2等 等.
2. 随机变量函数数学期望的计算 如何计算随机变量函数的数学期望?
例 设随机变量 X 的概率分布为 1 2 3 X
1 求 E ( ) , E ( X 2 2). X 1 1 1 解: E ( ) 1 0.1 0.7 0.2 0.52 X 2 3
P
0.1
0.7
0.2
E ( X 2)
2
(1 2) 0.1 (2 2) 0.7 (3 2) 0.2 6.7
X 10000 p 1 105
P X 1
因此出售一台设备净赢利Y 的分布律为
Y
100
1 e 4
4
100 300
1 1 e 4
- 1 4
p
E (Y ) = 100e
- 1
- 200 (1 - e
)
33.64 (元).
发行彩票的创收利润 某一彩票中心发行彩票10万张, 每张2元. 设头等奖1个, 奖金 1万元, 二等奖2个, 奖金各 5千元; 三等奖10个, 奖金各1千元; 四等奖100 个, 奖金各1百元; 五等奖1000个, 奖金各10元. 每张彩票的成本费为0.3元, 请计算彩票发行单 位的创收利润. 解: 设每张彩票中奖的金额为随机变量X, 则
二、 随机变量函数的数学期望
1. 问题的提出
数学期望 X g(X) 数学期望 E(X)
E( X ) =
E ( X ) xk pk
k
ò
+
-
xf (x )dx
E轾 g (X ) = 臌
g(x)是连续函数, g(X) 是 随机变量, 如: aX+b, X2等 等.
2. 随机变量函数数学期望的计算 如何计算随机变量函数的数学期望?
例 设随机变量 X 的概率分布为 1 2 3 X
1 求 E ( ) , E ( X 2 2). X 1 1 1 解: E ( ) 1 0.1 0.7 0.2 0.52 X 2 3
P
0.1
0.7
0.2
E ( X 2)
2
(1 2) 0.1 (2 2) 0.7 (3 2) 0.2 6.7
X 10000 p 1 105
数学期望(均值)、方差和协方差的定义与性质
均值、方差和协方差的定义和基本性质1 数学期望（均值）的定义和性质定义：设离散型随机变量X 的分布律为{}, 1,2,k k P X x p k === 若级数1k k k xp ∞=∑绝对收敛，则称级数1k k k xp ∞=∑的和为随机变量X 的数学期望，记为()E X 。
即()1k k k E X x p ∞==∑。
设连续型随机变量X 的概率密度为()f x ，若积分()xf x dx ∞−∞⎰ 绝对收敛，则称积分()xf x dx ∞−∞⎰的值为随机变量X 的数学期望，记为()E X 。
即 ()()E X xf x dx ∞−∞=⎰ 数学期望简称期望，又称为均值。
性质：下面给出数学期望的几个重要的性质（1）设C 是常数，则有()E C C =；（2）设X 是一个随机变量，C 是常数，则有()()E CX CE X =；（3）设X 和Y 是两个随机变量，则有()()()E X Y E X E Y +=+，这一性质可以推广至任意有限个随机变量之和的情况；（4）设X 和Y 是相互独立的随机变量，则有()()()E XY E X E Y =。
2 方差的定义和性质定义：设X 是一个随机变量，若(){}2E X E X −⎡⎤⎣⎦存在，则称(){}2E X E X −⎡⎤⎣⎦为X的方差，记为()D X 或()Var X ，即性质：下面给出方差的几个重要性质（1）设C 是常数，则有()0D C =；（2）设X 是一个随机变量，C 是常数，则有()()2D CX C D X =，()()D X C D X +=；（3）设X 和Y 是两个随机变量，则有()()()()()()(){}2D X Y D X D Y E X E X Y E Y +=++−−特别地，若X 和Y 相互独立，则有()()()D X Y D X D Y +=+ （4）()0D X =的充分必要条件是以概率1取常数()E X ，即(){}1P X E X ==。
数学期望及其性质
第十三章
随机变量的数字特征
§1 数学期望
§1 数学期望
例 1：某班有 N 个人，其中有 ni 个人为 ai 分， i = 1,2,L k ，
∑n
i =1
k
i
= N ， 求平均成绩。
解：
k ni 1 k 平均成绩为: ∑ ai ni = ∑ ai N i =1 N i =1 ni 若用 X 表示成绩，则 P{X = ai } ≈ N k k ni ai ⋅ ≈ a i ⋅ P{ X = a i } N i =1 i =1
返回主目录
第十三章 随机变量的数字特征
§1 数学期望
例4
设离散型随机变量 X 的分布律为： X 0 1 2 P 0.1 0.2 0.7
则 EXห้องสมุดไป่ตู้= 0*0.1+1*0.2+2*0.7 =1.6
若离散型随机变量 X 的分布律为： X 0 1 2 P 0.7 0.2 0.1 EX = 0*0.7+1*0.2+2*0.1 =0.4
n =1 ∞
时，才能保证级数 ∑ x n pn 的和与其级数 ∑ x n pn
n =1 n =1
∞
∞
的求和顺序无关．
返回主目录
第十三章 随机变量的数字特征
§1 数学期望
例2
甲、乙两人射击，他们的射击水平由下表给出： X：甲击中的环数；
Y：乙击中的环数；
X P
Y P
8 0.1
8 0 .2
9 0.3
9 0 .5
到站时间 8:10,9:10 概率 1/6 8:30,9:30 8:50,9:50 3/6 2/6
返回主目录
第十三章 随机变量的数字特征
随机变量的数字特征
§1 数学期望
§1 数学期望
例 1：某班有 N 个人，其中有 ni 个人为 ai 分， i = 1,2,L k ，
∑n
i =1
k
i
= N ， 求平均成绩。
解：
k ni 1 k 平均成绩为: ∑ ai ni = ∑ ai N i =1 N i =1 ni 若用 X 表示成绩，则 P{X = ai } ≈ N k k ni ai ⋅ ≈ a i ⋅ P{ X = a i } N i =1 i =1
返回主目录
第十三章 随机变量的数字特征
§1 数学期望
例4
设离散型随机变量 X 的分布律为： X 0 1 2 P 0.1 0.2 0.7
则 EXห้องสมุดไป่ตู้= 0*0.1+1*0.2+2*0.7 =1.6
若离散型随机变量 X 的分布律为： X 0 1 2 P 0.7 0.2 0.1 EX = 0*0.7+1*0.2+2*0.1 =0.4
n =1 ∞
时，才能保证级数 ∑ x n pn 的和与其级数 ∑ x n pn
n =1 n =1
∞
∞
的求和顺序无关．
返回主目录
第十三章 随机变量的数字特征
§1 数学期望
例2
甲、乙两人射击，他们的射击水平由下表给出： X：甲击中的环数；
Y：乙击中的环数；
X P
Y P
8 0.1
8 0 .2
9 0.3
9 0 .5
到站时间 8:10,9:10 概率 1/6 8:30,9:30 8:50,9:50 3/6 2/6
返回主目录
第十三章 随机变量的数字特征