随机变量数字特征习题课

第12讲 随机变量的数字特征习题课 教学目的：掌握随机变量的数字特征，了解切比雪夫不等式和大数定律。 教学重点：理解数学期望和方差的概念，掌握它们的性质与计算，熟悉常用分布的数学期望和方差。 教学难点：随机变量函数的数学期望。 教学时数：2学时 教学过程： 一、知识要点回顾 1. 随机变量X的数学期望()EX 对离散随机变量 ()()iiiEXxpx

若1,2,iL，则假定这个级数绝对收敛，否则就没有数学期望。 对连续随机变量 ()()EXxfxdx 假定这个广义积分绝对收敛，否则就没有数学期望。 2. 随机变量X的函数()gX的数学期望[()]EgX，其中()gX为实函数。 对离散随机变量 [()]()()iiiEgXgxpx

对连续随机变量 [()]()()EgXgxfxdx 假定所涉及的无穷级数绝对收敛，所涉及的广义积分绝对收敛。 3. 二维随机变量(,)XY的函数(,)gXY的数学期望[(,)]EgXY，其中(,)gXY为二元实函数。 对离散随机变量 [(,)](,)(,)ijijijEgXYgxypxy

对连续随机变量 [(,)](,)(,)EgXYgxyfxydxdy 假定所涉及的无穷级数绝对收敛，所涉及的广义积分绝对收敛。 4. 数学期望的性质（假定所涉及的数学期望都存在） (), ()Eccc为常数 ()(), ()EcXcEXc为常数 ()(), (,)EaXbaEXbab为常数 ()()()EXYEXEY

11()()nniiiiiiEcXcEX 若,XY相互独立，则()()()EXYEXEY。 若12,,,nXXXL相互独立，则1212()()()()nnEXXXEXEXEXLL。

5. 随机变量X的方差222(){[()]}()[()]DXEXEXEXEX，这里假定

2(),()EXEX都存在。

6. 方差的性质 ()0, ()Dcc为常数 2()(), ()DcXcDXc为常数

2()(), (,)DaXbaDXab为常数

若,XY相互独立，则()()()DXYDXDY。

若12,,,nXXXL相互独立，12,,,ncccL为常数，则211()()nniiiiiiDcXcDX。 7. 随机变量X的k阶原点矩 ()()kkXEX

随机变量X的k阶中心矩 (){[()]}kkXEXEX

易知，112()(),()0,()()XEXXXDX。 8. 随机变量X与Y的协方差 cov(,){[()][()]}()()()XYEXEXYEYEXYEXEY 22()()()2cov(,), (,)DaXbYaDXbDYabXYab为常数

cov(,)cov(,)XYYX cov(,)cov(,), (,)aXbYabXYab为常数 cov(,)cov(,)cov(,)XYZXZYZ 若cov(,)0XY，则称X与Y不相关。若随机变量X与Y相互独立，则X与Y一定不相关，反之不成立。 9. 随机变量X与Y的相关系数cov(,)(,)()()XYRXYDXDY

|(,)|1RXY |(,)|1YabXRXY 10. 切比雪夫不等式：若随机变量X的数学期望()EX与方差()DX存在，则对任意正 数有

2()()DXPXEX

由切比雪夫不等式可证明切比雪夫定理，进而推出伯努利定理。后面两个定理是常用的大数定律。 二 、典型例题解析 1.已知随机变量X的概率分布为

X -2 0 1 ip 0.3 0.4 0.3 求2(46)EX。

分析 由要点2，令2()46gXX，代入公式即可。

解 322

1(46)(46) 220.360.4100.312iiiEXxp



注 计算随机变量函数的数学期望原则上有两种方法：一种是先求出随机变量的概率分布或概率密度，再按数学期望的定义计算；一种是直接带入要点2种所列的公式。 通常用后一种方法较简便。

2.设二维随机变量(,)XY的概率密度01,01(,)0xyxyfxy其它， 求(),(),(),(),(),cov(,),(,)EXEYDXDYEXYXYRXY。 分析 题中前五项计算均可按要点3所列公式计算，后两项按要点8与9计算。 解 110010()(,)()17 ()212EXxfxydxdyxdxxydyxxdx



 又 1122200120()(,)()15 ()212EXxfxydxdyxdxxydyxxdx



 所以 2225711

()()[()]1212144DXEXEX



按对称性有 711(),()12144EYDY

110010()(,)()11 ()233EXYxyfxydxdyxdxyxydyxxdx



 1771cov(,)()()()31212144XYEXYEXEY

111111

(,)144121211RXY



注 二维随机变量的许多计算都可归结为计算二维随机变量函数的数学期望，所以 要点3所列公式应会灵活应用。 3.填空 (1) 已知()4,()1,(,)0.6DXDYRXY，则(32)DXY____________。 (2) 随机变量,XY相互独立，又1(2),(8,)4XPYB::，则(2)EXY____________，

(2)DXY____________。

(3) 设,XY独立且同分布011233Xp，则(,)EXY____________。 (4) 随机变量X的方差为2，则根据切比雪夫不等式，估计()2PXEX____________。

分析 在要点8中取3,2ab代入公式解答(1)；由已知公式得()2EX，()2DX1()824EY，133()8442DY，在利用方差性质解答(2)；对于(3)，

可求出随机变量ZXY的概率分布再求()EXY，或由,XY都服从“0-1”分布得，再代相应公式；对于(4)，用2,()2DX带入切比雪夫不等式。 解 (1) (32)9()4()12(,)()() 9441120.62125.6DXYDXDYRXYDXDY (2) (2)()2()2222EXYEXEY 3(2)()4()2482DXYDXDY

(3) 解一 015499XYp，54()0199EXY

解二 224()()()339EXYEXEY

(4) 22

()21{|()|2}1122DXPXEX

注 填空主要用于复习概念，熟悉各种计算公式，通常计算量较小。 4.一台设备有三大部件构成，在设备运转中各部件需要调整的概率相应为0.1，0.2，0.3，假设各部件相互独立，以X表示同时需要调整的部件数，求数学期望()EX

和方差()DX。

分析 先引入新随机变量1,ii=1230,iiX第个部件需要调整（，，）第个部件无需调整，则31iiXX,iX

相互独立，利用31()()iiEXEX，31()()iiDXDX完成计算。 解 由iX服从“0-1”分布，()iiEXp，()(1)iiiDXpp，1,2,3i，得

1()0.1EX,1()0.09DX,2()0.2EX,2()0.16DX,3()0.3EX,3()0.21DX 故()0.10.20.30.6EX，()0.090.160.210.46DX。 注 利用性质来计算数学期望和方差往往较有效，应该学会这种方法。另外，应记住常用分布相应的数学期望和方差。 5.甲乙两队比赛，若有一队先胜四场，则比赛结束。假定甲队在每场比赛中获胜的概率为0.6，乙队为0.4，求比赛场数的数学期望。 分析 X可能取值为4,5,6,7，按古典概型计算X取各值的概率得到X的概率分布，由此算出)(XE。 解 1552.04.06.0}4{ 44XP 141444{5}0.60.40.60.40.2688PXCC

24222455{6}0.60.40.60.40.2995PXCC

34333466{7}0.60.40.60.40.2765PXCC

()40.155250.268860.299570.27655.7EX 注 对应用题而言，大量计算是计算概率，这就要求掌握好以前所学过的各种计算概率的方法。

6.设随机变量X服从分布，其概率密度1,0()()00xxexfxx，其中0,0是常数，求(),()EXDX。 分析 按定义求()EX，又22()()[()]DXEXEX，计算中涉及函数，

10(),(0),(1)()sxsxedxs

。

解 0()()xEXxedx 1110()() ()()xxedxtx令

(1)()()()



又 210()()xEXxedx