数学期望E(x)D(x)
var(x)与D(x)有什么区别
var(x)与D(x)有什么区别一、概念和公式方差的概念与计算公式，例1 两人的5次测验成绩如下：X：50，100，100，60，50 E(X)=72;Y：73，70，75，72，70 E(Y)=72。
平均成绩相同，但X 不稳定，对平均值的偏离大。
方差描述随机变量对于数学期望的偏离程度。
单个偏离是消除符号影响方差即偏离平方的均值，记为D(X)：直接计算公式分离散型和连续型，具体为：这里是一个数。
推导另一种计算公式得到：方差等于平方的均值减去均值的平方。
其中，分别为离散型和连续型计算公式。
称为标准差或均方差，方差描述波动程度。
基本定义：设X是一个随机变量，若E{[X-E(X)]2}存在，则称E{[X-E(X)]2}为X 的方差，记为D(X),Var(X)或DX。
即D(X)=E{[X-E(X)]2}称为方差，而(X)=D(X)0.5(与X有相同的量纲)称为标准差(或均方差)。
即用来衡量一组数据的离散程度的统计量。
方差刻画了随机变量的取值对于其数学期望的离散程度。
(标准差、方差越大，离散程度越大。
否则，反之)若X的取值比较集中，则方差D(X)较小,若X的取值比较分散，则方差D(X)较大。
因此，D(X)是刻画X取值分散程度的一个量，它是衡量取值分散程度的一个尺度。
当数据分布比较分散(即数据在平均数附近波动较大)时，各个数据与平均数的差的平方和较大，方差就较大;当数据分布比较集中时，各个数据与平均数的差的平方和较小。
因此方差越大，数据的波动越大;方差越小，数据的波动就越小二、计算方法和原理若x1,x2,x3......xn的平均数为m则方差方差公式方差公式例1 两人的5次测验成绩如下：X：50，100，100，60，50 E(X )=72;Y：73，70，75，72，70 E(Y )=72。
平均成绩相同，但X 不稳定，对平均值的偏离大。
方差描述随机变量对于数学期望的偏离程度。
单个偏离是消除符号影响方差即偏离平方的均值，记为D(X )：直接计算公式分离散型和连续型，具体为：这里是一个数。
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
概率统计复习题2016
概率统计复习题2016复习题1. 已知()0.7,()0.6,()0.9,P A P B P A B === 则()P A B -= 。
2. 已知事件A,B 相互独⽴，()0.5,()0.6,P A P B ==则()P B A -= ， ()P A B = 。
3. 设A,B 为两事件，()0.6,()0.2,()0.7,P A P B P A B === 则()P A B = , ()P AB = 。
4. 设随机变量1(4,),2X B 随机变量(1,4),Y N 则(2)E X Y -=。
5. 设随机变量X,Y 相互独⽴，且()3,()4D X D Y ==,则(34)D X Y -= 。
6. 在图书馆中随意抽取⼀本书，令事件A 表⽰“数学书”，事件B 表⽰“中⽂图书”，事件C 表⽰“平装书”，则ABC 表⽰，当时，.A B =7. 设A,B,C 是三个随机事件，将“三个事件⾄少有两个发⽣”⽤A,B,C 的运算表⽰出来。
8. 设随机变量X 的数学期望E(X)和⽅差D(X)均存在，则切⽐雪夫不等式成⽴。
9. 设随机变量X 的⽅差为2，则由切⽐雪夫不等式估计{|()|1}P X E X -≥ , {|()|2}P X E X -< 。
10. 随机变量X 的⽅差为2σ，由切⽐雪夫不等式有{|()|3}P X E X σ-< 。
11. 袋中装有10个晶体管，其中2个次品，在袋中任选2个，则取得2个正品的概率是，取得1个正品1个次品的概率是。
12. 某⼈向⼀个⽬标进⾏射击，直到击中为⽌，如果每次命中⽬标的概率为p ，则所需射击次数X 的分布律为，()E X = 。
13. 设X 表⽰20次独⽴重复射击命中⽬标的次数，每次射击命中⽬标的概率是0.3，则X ，()E X = , ()D X = 。
14. 已知⼆维随机变量（X,Y ）的联合分布函数为F(x,y)，⽤F(x,y)表⽰概率(,)P a X b c Y d <≤<≤= 。
数学期望的计算公式
数学期望的计算公式数学期望是概率论中的重要概念，用于描述随机变量在大量试验中的平均值。
数学期望常用于统计分析和决策模型的建立。
本文将介绍数学期望的计算公式，并举例说明其应用。
一、离散型随机变量的数学期望计算公式对于离散型随机变量X，其取值有限且可数，其概率分布可以用概率质量函数P(X=x)表示。
则X的数学期望E(X)计算公式如下：E(X) = Σ[xP(X=x)]其中，Σ表示求和运算，x表示随机变量X的取值，P(X=x)表示随机变量X取值为x的概率。
例如，假设有一个骰子，其有6个面，每个面的点数分别为1、2、3、4、5、6，且每个面的点数出现的概率相等。
我们可以通过计算骰子的数学期望来获取平均点数的预期值。
设随机变量X表示骰子的点数，则X取值为1、2、3、4、5、6的概率均为1/6，因此骰子的数学期望E(X)的计算如下：E(X) = (1 * 1/6) + (2 * 1/6) + (3 * 1/6) + (4 * 1/6) + (5 * 1/6) + (6 * 1/6) = 3.5因此，通过计算可得，骰子的数学期望为3.5。
二、连续型随机变量的数学期望计算公式对于连续型随机变量X，其取值在某个区间上，其概率分布可以用概率密度函数f(x)表示。
则X的数学期望E(X)计算公式如下：E(X) = ∫[xf(x)]dx其中，∫表示积分运算，x表示随机变量X的取值，f(x)表示随机变量X的概率密度函数。
例如，假设有一个服从均匀分布的随机变量X，其取值范围在0到1之间。
我们可以通过计算随机变量X的数学期望来预测其取值的平均数。
设随机变量X的概率密度函数为f(x)，则在0到1之间，f(x)的取值为1。
因此，X的数学期望E(X)的计算如下：E(X) = ∫[x * 1]dx = ∫xdx = 1/2因此，通过计算可得，随机变量X的数学期望为1/2。
综上所述，对于离散型随机变量和连续型随机变量，其数学期望的计算公式分别为Σ[xP(X=x)]和∫[xf(x)]dx。
《概率论与数理统计 B》习题四答案
E Y 2 02 0.7 12 0.3 0.3，D Y 0.3 0.3 0.21
2
E X 2Y E X 2 E Y 0.5 2 0.3 0.1 E 3 XY 3E XY 3 0 0 0.3 0 1 0.2 1 0 0.4 11 0.1 3 0.1 0.3 cov X , Y E XY E X E Y 0.1 0.5 0.3 0.05 cov X , Y D X D Y 0.05 21 21 0.25 0.21
E ( XY ) ， E ( X 2 Y 2 ) ， D( X ) ， D(Y ) 。
4
西南交通大学 2017—2018 学年第（一）学期《概率论与数理统计 B》课程习题答案
1 4 3 x 4 x3dx , E Y y 12 y 2 1 y dy ， 0 0 5 5 1 X 1 E XY xy 12 y 2 dydx ， 0 0 2
Y Pr
0.5
0.5
0 0.7
1 0.3
E X 0 0.5 1 0.5 0.5，E X 2 02 0.5 12 0.5 0.5 ，
D X 0.5 0.5 0.。
1 1 1 2 2 （2） E X x 2(1 x)dx ， x 2(1 x)dx ； 0 0 3 6 1 1 2 1 2 2 故 D( X ) E ( X ) ( E ( X )) ( ) 。 6 3 18
解： （1） E X
西南交通大学 2017—2018 学年第（一）学期《概率论与数理统计 B》课程习题答案
数学期望E(x)D(x).ppt
E(Y ) E[g( X )] g( x) f ( x)dx
注释
A.在计算随机变量的函数Y=g(X)的期望时，我们可以先 确定Y=g(X)的分布进而计算函数Y的期望E(Y)。但由 前两章的讨论可以看出，确定Y=g(X)的分布并不容易。 因此在计算随机变量函数的期望时，我们一般利用定 理的结论去计算。定理的重要意义在于当我们求E(Y) 时，不必知道Y的分布而只需知道X的分布就可以了。
B.在计算一些分布较复杂甚至难以确定的随机变量的期 望时，如能将X表示成有限个简单随机变量之和，那 么利用期望的性质计算就可大大简化我们的问题。这
也是计算期望的一个技巧。
C.上述定理还可以推广到二个或二个以上随机变量的函 数情况。例如，设Z是随机变量X，Y的函数Z=g(X， Y)(g是连续函数)，那么，Z也是一个随机变量，若二
1
x 2
e 2 2 dx
2
令 x t，
E(X) 1
t2
t e 2 dt
t2
e 2 dt .
2
2
特别地，若XN(0,1)，则E(X)=0。
(1) 几个常见连续型随机变量的数学期望 i.若XU(a,b),则E(X)=(a+b)/2. 证：X的概率密度为
f
(
x)
b
Y 8 2 9 5 10 3 9.1 10
结果：甲平均击中的环数9.3, 乙平均击中的环 数9.1,甲水平较高。
根据概率的统计定义作分析：击中次数N 与N的比值，是这 i
N次试验中射中环数的频率，按概率的统计定义，当N很大时, N /N接近于射中环数的概率。
i
1. 离散型随机变量的数学期望
维随机变量(X，Y)的概率密度为f(x，y)则有
概率论与数理统计复习资料
山东科技大学2010—2011学年第一学期《概率论与数理统计》考试试卷（A 卷）一、填空题（本大题共6小题，每小题3分，总计18分）1、1.设随机事件A ,B 互不相容，且3.0)(=A P ，6.0)(=B P ，则=)(A B P 。
2、设D(X)=4, D(Y)=9, 0.4xy ρ=，则D(X+Y)= 。
3、设随机变量X 服从参数为2的泊松分布,则应用切比雪夫不等式估计得{}22P X -≥≤ 。
4、设随机变量X 的期望()3E X =,方差()5D X =,则期望()24E X ⎡⎤+=⎣⎦。
5、设123,,X X X 是来自正态总体X ~(),1N μ的样本,则当a = 时,12311ˆ32X X aX μ=++是总体均值μ的无偏估计。
6、设n X X X ,,,21 为正态总体),(2σμN （2σ未知）的一个样本，则μ的置信 度为1α－的单侧置信区间的下限为 。
二、选择题（在各小题四个备选答案中选出一个正确答案，填在题末的括号中，本大题共6个小题，每小题3分，总计18分）1、设随机变量的概率密度21()01qx x f x x -⎧>=⎨≤⎩，则q=（ ）。
(A)1/2 (B)1 (C)-1 (D)3/22、设每次试验成功的概率为)10(<<p p ，重复进行试验直到第n 次才取得)1(n r r ≤≤次成功的概率为（ ）.(A)r n r r n p p C ----)1(11;(B)r n r r n p p C --)1( ;(C)1111)1(+-----r n r r n p pC ;(D)r n r p p --)1(. 3、设)4,5.1(~N X ，则P{-2<x<4}=（ ）。
(A)0.8543 (B)0.1457 (C)0.3541 (D)0.25434、设,X Y 相互独立，且211~(,)X N μσ，222~(,)Y N μσ，则Z X Y =-服从正态分布，且Z 服从( ).(A) 22112(,)N μσσ+ ； (B)22212(,)N μσσ⋅； (C)221212(,)N μμσσ-+； (D)221212(,)N μμσσ++。
概率论基本公式
概率论与数理统计基本公式第一部分 概率论基本公式1、A BA B AAB; A BA(B A) 2、对偶率： AB A B ；ABA B .3、概率性率：P ( A B ) P( A) P(AB ), 特别， BA 时有：P( A B) P( A) P(B); P(A) P(B)有限可加： A 1、 A 2 为不相容事件，则 P( A 1A 2 ) P( A 1)P(A 2 )对任意两个事件有：P( AB)P( A) P( B)P( AB)4、古典概型例： n 双鞋总共 2n 只，分为 n 堆，每堆为 2只，事件 A 每堆自成一双鞋的概率 解：分堆法： C 22 n（ (2n)!,自成一双为： n ！，则 P( A)n!！！22n - 2) 2C2n5、条件概率P(B | A)P( AB), 称为在事件 A 条件下，事件 B 的条件概率， P( B)称为无条件概率。
P( A)乘法公式： P(AB)P(A)P(B | A) P(AB)P(B)P(A | B)全概率公式： P(B)P(A i )P(B | A i )i贝叶斯公式： P(A i | B)P( A i B)P( A i )P(B | A i )P( B) P( A j )P( B | A j )j例：有三个罐子， 1 号装有 2 红1黑共 3个球，2号装有 3红1黑 4个球，3 号装有 2 红 2黑 4 个球，某人随机从其中一罐，再从该罐中任取一个球， （ 1）求取得红球的概率； （ 2）如果取得是红球，那么是从第一个罐中取出的概率为多少？解： 设B i { 球取自 i 号罐 } ， i。
{ 取得是红球 } ，由题知、、是一个完备事件(1) 1,2,3 AB 1B 2B 3由全概率公式 P( B)P( A i )P( B | A i )，依题意，有： P( A | B 1 )2;P(A|B 2)3;P(A|B 3) 1 .i342P( B 1)P(B 2 ) P( B 3 )1， P( A) 0.639.3(2)由贝叶斯公式： P(B 1 | A)P( A | B 1)P(B 1)0.348.P( A)6、独立事件（ 1） P(AB)=P(A)P(B), 则称 A 、 B 独立。
- 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)。
解: Xk(k=1，2，3，4，5)的分布函数为
1 e x / x 0 F(x)
0 x0
(1) 由第三章知N=min(X1,X2,X3,X4,X5)的分布函数为
Fmin ( x)
1 [1
F( x)]5
1 e5 x/ 0
x
x 0
0
因而N的概率密度为
每件产品可期望获利多少？
解: 设X表示一件产品的利润（单位元），X是随机变量， 且X的分布律为
X 10 0
-15
P 0.6 0.3 0.1
依题意，所要求的是X的数学期望 E(X)=10×0.6+0×0.3+(-15)×0.1=4.5(元)
(2)几种典型的离散型随机变量的数学期望
i. X服从参数为p的(0,1)分布： E(X)=0×(1-p)+1×p=p；
k e
k e
E(X) k
k0
k!
k1 k 1 !
e
k1 e e
k1 k 1 !
2．连续型随机变量的数学期望
(1)定义 设连续型随机变量X的概率密度为f(x)，
若积分
xf ( x)dx
维随机变量(X，Y)的概率密度为f(x，y)则有
E(Z) E[g(X ,Y )]
g( x, y) f (x, y)dxdy
这里设上式右边的积分绝对收敛，又若(X，Y)
为离散型随机变量。其分布律为
则有
P{X=xi,Y=yj}=pij , i,j=1,2,….
E(Z ) E( g( X ,Y ))
xf ( x)dx
0
x
1
dx
2
,
E(sin X )
sin xf ( x)dx
1
sin x dx
0
1
(
cos
x)
|0
2
,
E( X 2 )
x2 f ( x)dx
0
x2
1
dx
2
3
,
例 设随机变量 X 在 [0, ] 上服从均匀分布, 求
pk
1 2k
k 1,2,
易验证
pk
1 2k
k 1,2, 满足分布律的两个条件，但
|
k 1
xk
|
pk
| (1)k
k 1
2k k
|
1 2k
|
k 1
(1)k k
| 发散。所以E(X)不存在。
(2)随机变量X的概率密度为
f
(x)
1
1 1 x2
(柯西分布)。
fmin
(
x)
5
e5x
/
x0
0 x 0
于是N的数学期望为
E(N )
xfmin ( x)dx
x 5 e 5 x / dx
0
5
注 对任意的随机变量，其数学期望不一定存在。
例如
(1)随机变量X的取值为
xk
(1)k
ቤተ መጻሕፍቲ ባይዱ
2k k
k 1,2,
g( xi , y j ) pij
j1 i1
这里设上式右边的级数绝对收敛。
例 设随机变量 X 在 [0, ] 上服从均匀分布, 求
E( X ), E(sin X ), E( X 2 ) 及 E[ X E( X )]2 .
解 根据随机变量函数数学期望的计算公式, 有
E( X )
E( X1 X2 Xn ) E( X1)E( X2 )E( Xn ) X1, X2 ,, Xn 相互独立。 (5) 若X≥0,则E(X)≥0. 由此性质可推得下面性质: 若X≥Y,则E(X)≥E(Y)；|E(X)|≤E(|X|).
证：只对连续型随机变量证明(3)和(4)。
设二维随机变量(X，Y)的概率密度为f(x，y)，其边缘概
E( X ), E(sin X ), E( X 2 ) 及 E[ X E( X )]2 .
解 根据随机变量函数数学期望的计算公式, 有
E(
X
)
2
,
E
(sin
X
)
2
,
E( X 2 )
x
2
f
(
x)dx
0
x2
1
dx
2
3
,
E[ X
E( X )]2
E
X
解 引入随机变量
0, X i 1,
易知
在第 i 站没有人下车 , 在第 i 站有人下车
i 1,2,,10.
X X1 X2 X10 .
例14
解 引入随机变量
0, X i 1,
在第 i 站没有人下车 , 在第 i 站有人下车
i 1,2,,10.
易知
X X1 X2 X10 .
E( X ), E(sin X ), E( X 2 ) 及 E[ X E( X )]2 .
解 根据随机变量函数数学期望的计算公式, 有
E( X )
2
,
E(sin X )
2
,
E( X 2 )
x2 f ( x)dx
0
x2
1
dx
2
3
,
例 设随机变量 X 在 [0, ] 上服从均匀分布, 求
现在来求 E( X ). 按题意, 任一旅客不在第 i 站
X P
0 1-p
1 p
ii. 若XB(n,p),则E(X)=np；
证明：X的分布律为
P{ X
k}
C
k n
pk q nk
k 0,1,2,...., n.
E( X )
n
k Cnk pkqnk
k0
n
n!
k
k0 k !(n k )!
pkqnk
np
n k 1
这一性质可以推广到任意有限个随机变量之和的情 况: E(X1 X2 Xn) E(X1) E(X2) E(Xn)
E[ X - E( X )] ？
(4) 设X，Y是相互独立的随机变量，则 有:E(XY)=E(X)E(Y) 这一性质可以推广到任意有限个相互独立的随机变 量之积的情况
0 x0
证：E(X )
xf ( x)dx
e xdx
1
。
0
3.随机变量的函数的数学期望
定理 设Y是随机变量X的函数:Y=g(X)(g是连续函数)，
(1) X是离散型随机变量，它的分布律为P{X=xk}=pk ， k=1，2，…，
若
gxk pk
k
n 1! 1!(n
k )!
p k1q nk
n
np
C p q k 1 k 1 nk n1
np( p q)n1
np
.
k 1
iii.若XP(λ)，则E(X)=λ。 证明：X的分布律为 P{ X k} ke
k!
k 0,1,2,.....
绝对收敛，则有
k 1
E(Y ) E( g( X )) gxk pk
k 1
(2) X是连续型随机变量，它的概率密度为f(x)，若
绝对收敛，则有
E(Y ) E[g( X )] g( x) f ( x)dx
注释
A.在计算随机变量的函数Y=g(X)的期望时，我们可以先 确定Y=g(X)的分布进而计算函数Y的期望E(Y)。但由 前两章的讨论可以看出，确定Y=g(X)的分布并不容易。 因此在计算随机变量函数的期望时，我们一般利用定 理的结论去计算。定理的重要意义在于当我们求E(Y) 时，不必知道Y的分布而只需知道X的分布就可以了。
2 2
dx
2
令 x t，
E(X) 1
t2
t e 2 dt
t2
e 2 dt .
2
2
特别地，若XN(0,1)，则E(X)=0。
(1) 几个常见连续型随机变量的数学期望 i.若XU(a,b),则E(X)=(a+b)/2. 证：X的概率密度为
绝对收敛，则称此积分的值为随
机变量X的数学期望，记为E(X)。即
E(
X
)
xf
(
x)dx
例1．若X N(µ,σ2)，求E(X)。
解：X的概率密度为：
f (x)
1
x 2
e 2 2
2
E( X ) xf ( x)dx x
1
e
x 2
E( XY ) ( xy) fX ( x) fY ( y)dxdy
xfX ( x)dx
yfY
(