概率论第四章
概率论第四章

由定义,对任意实数 x1<x2,随机点落 在区间( x1 , x2 ] 的概率为: P{ x1<X x2 } = P{ X x2 } - P{ X x1 } = F(x2)-F(x1) 因此,只要知道了随机变量X的分布函 数, 它的统计特性就可以得到全面的描述.
说明
(1) 分布函数主要研究随机变量在某一区间内取值
证明
1 F ( )
f ( x ) d x 1.
f ( x ) d x.
S f ( x) d x 1
p( x )
S1 f ( x) d x
x1
x2
1
0
x2
1
x1 x 2
S1
x
(3) P{x1 X x2 } F ( x2 ) F ( x1 ) x f ( x)dx
证明
P{ x1 X x2 } F ( x2 ) F ( x1 )
f ( x) d x f ( x) d x f ( x) d x.
x2
x2 x1
x1
同时得以下计算公式
P{ X a } F (a )
a
f ( x) d x,
P{ X a } 1 P{ X a } 1 F (a )
由 F ( x) f ( x) d x 得
x
0, x 0, xx d x , 0 x 3, 0 6 F ( x) 3 x x d x ( 2 x ) d x , 3 x 4, 3 2 0 6 1, x 4.
概率论与数理统计第四章二维随机变量及其分布

(4)
fX Y (x
y)
f (x, y) fY ( y)
= ex
fY X ( y
x)
f (x, y) fX (x)
= ey
(5)
f (x, y) exy fX (x) fY ( y)
因此X ,Y相互独立。
二、二维连续型随机变量函数的分布
1.Z=X+Y的分布 设(X,Y)的联合密度函数为f(x,y),则由分布函数的定义知, Z=X+Y的分布函数为:
3. F (x , y) 为连续函数,且在f(x,y)的连续点处,
2F(x, y) f (x, y) xy
一、二维连续型随机变量概念
定义8 称
f X (x)
f (x, y)dy
( x )
为X的边缘密度函数。
称
fY ( y)
f (x , y)dx
( y )
为Y的边缘密度函数。一、二维连ຫໍສະໝຸດ 型随机变量概念定义9称
fX Y (x
y)
f (x, y) fY ( y)
为在Y=y条件下X的条件概率密
度,称
f (x, y) fY X ( y x) fX (x)
为在X=x条件下Y的条件概率密度.
定理2 设(X,Y)为二维连续型随机变量,则X与Y相互独 立等价于 f (x, y) fX (x) fY ( y)
y)
一、二维随机变量的概念
联合分布函数F(x,y)有如下的性质:
1. 0 F(x , y) 1
2. F(x , y) 关于x、关于y单调不减;
3. F(x , y) 关于x、关于y右连续
4.
lim F(x , y) 0 , lim F(x , y) 1
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。
概率论课件第四章

二项分布
描述$n$重伯努利试验中成功次数的概率分 布。
泊松分布
用于描述单位时间或空间内事件发生的次数 的概率分布。
常见的连续概率分布
正态分布
描述自然界中许多现象的分布情况,具有钟 形曲线的特点。
均匀分布
在一定范围内的取值概率均相等的分布。
期望和方差
期望是随机变量取值的加权平均值,反映了随机变量的平均水平。 方差是随机变量取值与其期望之差的平方的加权平均值,反映了随机变量的离散程度。
概率论课件第四章
本章将回顾概率论的基础知识,包括实验、样本空间和事件,概率和频率, 离散和连续概率分布,以及期望和方差。
实验、样本空间和事件
在概率论中,实验是指可以重复进行的过程,样本空间是实验所有可能结果的集合,事件是样本空间中 的一个子集。 通过对实验和事件的定义,我们可以定量地描述事件的发生概率。
概率和频率
概率是事件发生的可能性的度量,通常用数字表示。 频率是事件在多次独立重复实验中发生的相对次数,随着实验次数增多,频 率逐渐趋近于概率值。
离散和连续概率分布
离散概率分布用于描述离散型随机ห้องสมุดไป่ตู้量的取值及其对应的概率。 连续概率分布用于描述连续型随机变量的取值及其对应的概率密度函数。
常见的离散概率分布
概率论与数理统计第四章

上述定理还可以推广到两个或两个以上随 机变量的函数的情况。
02
该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布,而只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便.
01
例6
例 7
解:
设(X,Y)在区域A上服从均匀分布,其中A为x轴,y轴和直线x+y+1=0所围成的区域。 求EX,E(-3X+2Y),EXY。
例5
若将这两个电子装置串联连接组成整机,求整机
寿命(以小时计) N 的数学期望.
的分布函数为
三、随机变量函数的数学期望
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的某个函数的期望,比如说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. 一旦我们知道了g(X)的分布,就可以按照期望的定义把E[g(X)]计算出来.
若设
i=1,2,…,n
则 是n次试验中“成功” 的次数
解
X~B(n,p),
“成功” 次数 .
则X表示n重努里试验中的
于是
i=1,2,…,n
由于X1,X2,…, Xn 相互独立
= np(1- p)
E(Xi)= p,
D(Xi)=
p(1- p) ,
例7
解
1
展开
2
证:D(X)=E[X-E(X)]2
3
=E{X2-2XE(X)+[E(X)]2}
4
=E(X2)-2[E(X)]2+[E(X)]2
5
=E(X2)-[E(X)]2
概率论第4章

19 2012-6-28
例5 甲,乙各自同时向一敌机射击, 已知 甲击中敌机的概率为0.6, 乙击中敌机的 概率为0.5. 求敌机被击中的概率.
20 2012-6-28
解 设A为事件"甲击中敌机", B为事件"乙 击中敌机", C为事件"敌机被击中", 由广 义加法定理知 P(C)=P(AB)=P(A)+P(B)-P(AB) 根据题意可认为A,B事件相互独立, 因此 有 P(AB)=P(A)P(B)=0.60.5=0.3 于是 P(C)=0.6+0.5-0.3=0.8
P( B | A) r m r/n m/n P( AB) P( A)
5 2012-6-28
.
在一般情形下, 如果P(A)>0, 也定义事件 A出现下事件B的条件概率为
P( B | A) P( AB) P( A) , ( P( A) 0)
乘法定理 两事件的积事件的概率等于其 中一事件的概率与另一事件在前一事件出 现下的条件概率的乘积:
正品数 第一台车床加工的零件数 第二台车床加工的零件数 总计 35 50 85 次品数 5 10 15 总计 40 60 100
从这100个零件中任取一个零件, 则"取得的 零件为正品"(设为事件B)的概率为
P( B) 85 100 0.85
3 2012-6-28
正品数 第一台车床加工的零件数 第二台车床加工的零件数 总计 35 50 85
乘法定理可以推广到有限多个事件的情 形. 例如, 对于A,B,C三个事件, 有 P(ABC)=P((AB)C)=P(AB)P(C|AB) =P(A)P(B|A)P(C|AB), (P(AB)>0)
概率论第四章

1
1
2 1 x 6 x 2 ydy dx 0 0
2 3 4
2 12 x 2 x x d x ; 0 5
19
E XY
xyf x, y dxdy.
2 1 x 2 2 6 x y dy dx 0 0 1
28
例设随机变量X服从参数为1的指数分布,求 E{ X e 2 X }
解 X的密度函数为
e , ( x 0) f ( x) EX 1 0, ( x 0) 2 X 2 X 所以 E( X e ) EX E(e )
x
而
E (e
所以
f ( x)dx 1 3 x e dx 0 3 4 2 X E( X e ) 3
(4)
如果 X 与 Y 相互独立,则
E XY E X E Y .
25
证明 (2)连续型 设X~f(x),则 E (CX)
Cxf ( x )dx
C
xf ( x )dx CE(X)
(3)离散型 设(X,Y)联合分布为 P(X=xi,Y=yj)=pij ,(i,j=1,2…)
g ( x, y) f ( x, y)dxdy 绝对收敛,
则:EZ=
g ( x, y) f ( x, y)dxdy 。
15
例 设离散型随机变量X 的分布列为 X -1 0 2 3
Pk
1 8
1 4
2
3 8
1 4
试计算:E X , E X
和 E 2 X 1 。
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
- 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)。
0.1 0.25 0.15 0.15 0.2 0.15
求随机变量 Z sin
(X Y)
2
的数学期望。
22
解:E ( Z ) E[sin sin
(X Y)
2
]
(0 0)
2 2 (0 1) (1 1) sin 0.25 sin 0.2 2 2 (0 2) (1 2) sin 0.15 sin 0.15 2 2 0.25
23
0.1 sin
(1 0)
0.15
例1.9 设随机变量(X,Y)的联合密度函数为:
x (1 y ) x e , x 0, y 0, f ( x, y ) 其:E ( X )
.
证明X不存在数学期望.
证明:由于
3k 2 2 | xk | pk k , k 1 k 1 k 3 k 1 k
即该无穷级数是发散的,由数 学期望定义知,X不存在数学期望.
10
例1.3 设随机变量X的概率密度函数为
1 f ( x) , x , 2 (1 x )
dx y 1 100 dy dx 0.5( x y ) 1 100 dy
10 10 x
x
g ( x, y) f ( x, y)dxdy
20 20
1. 42(万元)
27
例1.11 设按季节出售的某种应时产品的销售 量X(单位:吨) 服从[5,10]上的均匀分布.
i 1 j 1
(4)二元连续型随机变量 X , Y 的密度函数为f ( x, y), E(Z )存在,则有
E (Z ) E (h( X , Y ))
h( x, y) f ( x, y)dxdy.
21
例 1.8 设二维随机变量 X , Y 的联合分布律为
计算乙的平均成绩:
8 20 9 65 10 15 8 20 9 65 10 15 8.95 100 100 100 100
所以甲的成绩好于乙的成绩。
5
4.1 数学期望 (一) 数学期望定义 定义:设离散型随机变量X的分布律为
xk pk , 则称级数 xk pk 若级数 k 1 k 1 的值为X的数学期望,记为E(X),即
例1.10 某商店经销某种商品,每周进货量X与
需求量Y是相互独立的随机变量,都~U[10,20]. 商店每售出一单位商品可获利1万元,若需求 量超过进货量,商店可从其他处调剂供应,此 时每单位商品获利0.5万元;求商店经销该商 品每周所获利润的数学期望.
26
解:设Z 表示该种商品每周所得的利润,则
13
例1.6 设X 与Y 独立同分布,密度函数与分布函数为 e x , x 0, 1 e x , x 0, f ( x) F ( x) x 0. x 0. 0, 0, 令N min( X , Y ), M max( X , Y ), 求E ( N ), E ( M ).
每售出一件产品,其平均净收入为多少?
16
解:记某件产品寿命为X(年),售出一件产品的净收入为
Y(元),则
500 350 2, Y 500 350 50, 500 - 350, 若0 X 1, 若1 X 3, 若X 3.
由于X服从指数分布,那么
P{Y 200} P{0 X 1} 1 e x / 3dx 1 e 1/ 3 , 0 3 3 1 P{Y 100} P{1 X 3} e x / 3dx e 1/ 3 e 1 , 1 3 1 P{Y 150} P{ X 3} e x / 3dx e 1. 3 3
1
17
即Y的分布律为
Y p -200 100 150
1
1 e
1/ 3
e
1/ 3
e
e 1
因此售出一件产品的平均净收入为
E (Y ) 200 (1 e 200+300e
1/ 3
) 100 (e
1
1/ 3
e ) 150 e
1
1
1/ 3
50e 33.35(元).
解:N的分布函数为FN ( x) 1 (1 F ( x))2 ,
2 e2 x , x 0, 因此,密度函数为f N ( x) x 0. 0, 由上例,E ( N ) E (min( X , Y )) 1 . 2
14
M的分布函数为FM ( x) (F ( x)) ,
(2) X 是连续型随机变量,密度函数为f ( x),
g ( x) f ( x)dx ,则有
E (Y ) E ( g ( X ))
g ( x) f ( x)dx.
19
定理的重要意义在于,求E(Y)时,不必 算出Y的分布律或概率密度函数,只利用X 的分布律或概率密度函数;
P( X xk ) pk k 1, 2,
E ( X ) xk pk
k 1
6
定义:设连续型随机变量 X 的概率密度 + 函数为f(x),若积分 x f ( x)dx , + 则称积分 xf ( x)dx 的值为X的数学期望, 记为E(X),即
E( X )
+
xf ( x)dx
数学期望简称期望,又称均值。
7
例1.1 澳门赌场猜大小游戏中有买4点的 游戏,游戏规则如下,掷3颗骰子,点数 之和为4赌场输,赌场赔率1赔50,否则其
押金归赌场所有,问此规则对赌场还是赌
客更有利?
8
解:显然赌客猜中4点的概率为3/216=1/72.
设一赌客押了1元,那么根据规则,他赢50元的概
可以将定理推广到两个或两个以上随机
变量的函数的情况.
20
定理(续):设Z h( X , Y ) 连续函数 ,
(3)二元离散型随机变量 X , Y 的分布律为:
P( X xi , Y y j ) pij , i, j 1, 2,
E(Z )存在,则有
E ( Z ) E[h( X , Y )] h( xi , y j ) pij ;
k 解:X的分布律:P( X k ) e
k!
k 0,1,
0
X的数学期望为:
E( X ) k e
k 0
k
k!
e
(k 1)!
k 1
k 1
e e
即 E(X )
12
例1.5 设X 服从参数为 ( 0)的指数分布,求E( X ).
xf ( x, y)dydx
0
0
x xe x (1 y ) dydx
0
0
xe [
x
xe xy dy]dx
0
xe x dx 1,
24
例1.9 设随机变量(X,Y)的联合密度函数为:
x (1 y ) x e , x 0, y 0, f ( x, y ) 其他, 0,
若Y X , Y , Z g( X ,Y ) 0.5(X Y ), 若Y X ,
X 和Y 相互独立,因此( X , Y )的概率密度为 1 100, 10 x 20,10 y 20, f ( x, y ) 其他, 0,
E(Z )
20 10
18
(二) 随机变量函数的数学期望
定理:设Y g ( X ) 连续函数 , (1) X 是离散型随机变量,分布律为:
g(x ) p
k 1 k
P( X xk ) pk , k 1, 2,
k
,则有 E (Y ) E[ g ( X )]
g(x )p ;
k 1 k k
数分布,概率密度函数为
1 e x /3 , x 0, 3 f ( x) x 0, 0,
若每件产品的生产成本为350元,出售价格为500元, 并向顾客承诺,如果售出一年之内发生故障,则免费 调换一件;如果在三年之内发生故障,则予以免费维 修,维修成本为50元.在这样的价格体系下,请问:该厂
2
2 e x 2e2 x , x 0, 因此,密度函数为f M ( x) x 0. 0,
由上例,E (M ) xf M ( x)dx
0
2 xe
0
x
dx x2e
0
2 x
dx
2 1 3 . 2 2
15
例1.7 某厂生产的电子产品,其寿命(单位:年)服从指
e x , x 0, 解:X的密度函数为f ( x) x 0. 0,
E ( X ) xf ( x)dx x e x dx
0
xe
x 0
|
e
0
x
1 1 x dx e |0 .
若销售出一吨产品可盈利C1 = 2万元;
但若在销售季节未能售完,造成积压,则每吨产 品将会净亏损C2=0.5万元. 若该厂家需要提前生产该种商品,为使厂家能获 得最大的期望利润,问:应在该季生产多少吨产
品最为合适?
28
解:设应在该季生产a吨产品 (5 a 10) ,所获