第四章
随机变量的数字特征 一、内容提要 (一)随机变量的数学期望 1.离散型随机变量的数学期望 设离散型随机变量 X 的分布列为 X x 1 x 2
x 3
…
… P P 1 P 2
P 3
… P k
… 若级数 kk k px 绝对收敛,则称级数 kk k px 为随机变量 X 的数学期望(或均值),简称期望,记作 E ( X ),即
kk k px X E ) (
(4.1)
2.连续型随机变量的数学期望 设连续型随机变量 X 的概率密度为 p ( x ),若积分 dx x xp ) ( 绝对收敛,则称积分 dx x xp ) ( 为随机变量 X 的数学期望(或均值),简称期望,记作 E ( X ), 即
dx x xp X E ) ( ) (
(4.2)
由数学期望的定义形式,它是随机变 量 X 的所有可能取值与取相应值的概率乘积之和,不难理解,期望所反映的是随机变量 X 取值的概率“平均”。
3.期望的性质 (1)
C C C E , ) ( ——常数 (2)
) ( ) ( X CE CX E
(3)
) ( ) ( ) ( Y E X E Y X E
(4)若随机变量 X , Y 相互独立,则有 ) ( ) ( ) ( Y E X E XY E
4.随机变量函数的期望 设离散型随机变量 X 的分布列为 X x 1 x 2
x 3
…
… P p 1 p 2
p 3
… p k
… 则随机变量 Y=f ( X )的期望为 Kk kp x f X f E Y E ) ( ) ( ) (
(4.3)
这里要求上述级数绝对收敛。
若连续型随机变量 X 的概率密度为 p ( x ),则随机变量 Y = f ( X )的期望为 dx x p x f X f E Y E ) ( ) ( ) ( ) (
(4.4)
这里当然也是以上述积分绝对收敛为条件的。
(二)随机变量的方差 1. 方差的定义 设随机变量 X 的期望为 E ( X ),若 2) (X E X E 存在,则称量 2 ) (X E X E 为随机变量 X的方差,记作 D ( X ), 即
2) ( ) ( X E X E X D
(4.5)
而 ) (X D 称为 X 的均方差(或标准差)通常用 ) (X 表之。
若离散型随机变量 X 的分布列为 X x 1 x 2
x 3
…
… P p 1 p 2
p 3
… p k
… 则 X 的方差 Kk kp X E x X E X E X D2 2) ( ) ( ) (
(4.6)
若边连续型随机变量 X 的概率密度为 p ( x ),则 dx x p X E x X E X E X D ) ( ) ( ) ( ) (2 2
(4.7) 在方差计算中,常用下面计算公式 22) ( ) ( ) ( X E X E X D
(4.8) 从方差定义的形式看,它是随机变量 X 所有可能的取值与其“平均”程度的差的平方与取相应值的概率乘积之和,它反映了随机变量 X 的取值关于其平均值的离散和程度。与 E ( X )一样, D ( X )
也是 X 的重要数字特征。
2.方差的性质 (1)
D ( C )=0 (2)
D ( CX )= C 2 D ( X )
(3)
D ( X + C )= D ( X )
(4)若随机变量 X , Y 相互独立,则 D ( X + Y )= D ( X )+ D ( Y )
一般地, X 1 , X 2 ,…, X n 相互独立,则 ninii iX D X D1 1) ( ) (
(5)函数 2) ( x X E x f 在 x=E(X)处取得最小值 D ( X )此性质说明随机变量 X 的取值关于 E ( X )的偏离和程度最小,即 E( X )刻划了 X 取值的集中位置。
(三)常见分布的数学期望和方差 常见分布的数学期望和方差列表如下。
常见分布的数学期望和方差 分布名称 概率分布(或概率密度)
数学期望 方差 退化分布 10 x X P
x 0 0
0-1 分布 1 , 0, 1 q p q X Pp X P p pq 二项分布 1, 1 0 , , 2 , 1 , 0, q pp n kq p C k X Pk n k kn
np npq 泊松分布 0 , 2 , 1 , 0,! kekk X Pk λ λ 几何分布 2 , 11 kp q k X Pk p1 2pq 超几何分布 ) , min( , 1 , 0,n M kCC Ck X PnNK nM NkM NnM 1) 1 ( Nn NNMNnM 巴斯卡分布 , 1 ,,11 r r kq p C k X Pr k r rk pr 2prp 均匀分布 。b x aa b x p其它 , 0, ,1) (
2b a 12) (2a b 正态分布 222) (21) (xe x p μ、σ为常数且σ>0 μ σ 2
指数分布 ) 0 (. 0 , 0, 0 ,) (xx ex px 1 21 分布 ) 0 , 0 (. 0 , 00 ,) ( ) (1 axx e xa x px aa a 2a (四)随机向量的数字特征 1.两个随机变量的函数的数学期望公式 对于两个随机变量 X , Y 的函数 Z = f ( X , Y )的数学期望计算,有下列公式 (1)当( X , Y )为离散型随机向量,且概率分布为 ) , 2 , 1 , ( , L j i p y Y x X Pij j时,我们有 i jij j ip y x f Y X f E Z E ) , ( ) , ( ) (
(4.9)
(2)当( X , Y )为连续型随机向量,且概率密度为 p ( x , y )时,我们有
dxdy y x p y x f Y X f E Z E ) , ( ) , ( ) , ( ) (
(4.10)
特别地,有 (3)当( X , Y )为离散型时 i j ij i ij ii j ii i ij ip y p y Y Ep x p x X E..) () (
(4.11)
jj ji jij jii ii jij ip Y E yp Y E y Y Dp X E xp X E x X D.22.22) () ( ) () () ( ) (
(4.12)
(4)当( X , Y )为连续型时 dy y p ydxdy y x yp Y Edx x pxdxdy y x xp X EY,,
(4.13)
dy y p Y E ydxdy y x p Y E y Y Ddx x p X E xdxdy y x p X E x X DYX2222,,
(4.14)
2. 协方差及协方差矩阵 量{[ X - E ( X )]·[ Y - E ( Y )]}称为 X , Y 的协方差,记作 Cov ( X , Y )或者σ XY ,即 Y E Y X E X E Y X CovXY ,
(4.15)
计算协方差可用公式 Y E X E XY E Y X CovXY ,
(4.16)
协方差具有性质
(1)
Cov ( X , Y )= Cov ( Y , X ) (2)
Cov ( aX , bY )= abCov ( X , Y )
a , b ——常数 (3)
Cov ( X 1 + X 2 , Y )= Cov ( X 1 , Y )+
Cov ( X 2 , Y ) (4)若 X , Y 相互独立,则 Cov ( X , Y )=0 (5)
D ( X ± Y )= D ( X )+ D ( Y )±2 Cov ( X , Y ) 设 X 1 , X 2 ,…, X n 为 n 个随机变量 记 C ij = E {[ X i - E ( X i )][ X j - E ( X j )]}
i , j =1,2,…, n
称对称矩阵 C
nn n nnnC C CC C CC C CC 2 12 22 211 12 11 为 X 1 , X 2 ,…, X n 的协方差矩阵 3. 相关系数 称量 Y D X DY X Cov,为随机变量 X , Y 的相关系数,记作ρ XY
Y D X DY X CovXY,
(4.17)
相关系数具有下述性质 (1)|ρ XY |≤1 (2)|ρ XY |=1 的充要条件为
存在常数 a , b
使得 P { Y = aX + b }=1 (3)当 X , Y 相互独立时,ρ XY =0 ρ XY =0 时,称 X , Y 不相关。当 X , Y 相互独立时,则 X 与 Y 不相关,反之不然,就是说,即使X , Y 不相关,它们也未必相互独立,但须注意,对于重要的二维正态分布,两者是等价的。
4
矩——原点矩和中心矩 对于随机变量 X ,若 E ()存在,则称 KKX E 为 X 的 K 阶原点矩 若 KX E X E 存在,则称 KKX E X E 为 X 的 K 阶中心矩。
显然 X D X E 2 1, 是两种特殊的矩。
二、要
求 1. 深刻理解随机变量的期望和方差的定义和意义。
2. 会求随机变量的期望和方差,会用公式计算随机变量的函数的期望,会求协方差,相关系数。
3. 熟练掌握几种常用分布的期望和方差的计算,并记住结果。这些分布包括:0-1 分布,二项分布,泊松分布,均匀分布,指数分布和正态分布等。
4. 能够熟练运用期望和方差的性质于计算中。
三、例题分析 例 1
设随机变量 X 的分布列为 X -2 0 2 P 0.4 0.3 0.3 求 E ( X ), D ( X ) 分析
已知随机变量的概率分布时,可直接利用(4.1),(4.3),(4.8)式计算。
解
E ( X )=(-0.2)×0.4+0×0.3+2×0.3=-0.2
E ( X 2 )=(-2) 2 ×0.4+0 2 ×0.3+2 2 ×0.3=2.8 于是
D ( X )= E ( X 2 )-[ E ( X )] 2 =2.8-0.04=2.76 例 2
把 4 个球随机地投入 4 个盒子中去,设 X 表示空盒子的个数,试求 E ( X )和 D ( X ). 分析
这里要求 E ( X )和 D ( X ),必须先求出 X 的概率分布,然后利用(4.1),(4.3),(4.8)式进行计算。
解
不难知道 X 的可能取值为 0,1,2,3,利用古典概型概率计算方法可求得:
6464! 404 X P
643641422121314 P C C CX P (X=1 指恰有一个空盒,这样 4 个球必定分配到恰好 3 个
盒子中,空盒可以为 4 个盒子中任一个,有14C 种方式,对于指定的空盒,4 个球应分配到剩下的 3个特定盒子中,恰有一个盒子分到 2 个球,共有222413P C C 种不同方式)
.64143,6421422424344243424 C CX PC C CX P 于是 X 的分布列为 X 0 1 2 3 P 646 6436 6421 641 从而可算得 .64129641364212643616460,6413642126436164602 2 2 2 2 X EX E 因此
.6416956481641292222 X E X E X D
例 3
袋中有 1 个白球和 4 个黑球,每次从中任取一个球,每次取出的黑球不再放回,直到取得白球为止,试求取球次数的数学期望及方差。
分析
设 X 为取球次数,它是随机变量,因为每次取到黑球后不再放回,故 X 的所有可能取值为 1,2,3,4,5,要求 E(X)及 D(X),首先必须求出 X 的概率分布,然后利用公式计算。
解
用古典概型概率计算方法可求得
,511 2 3 4 51 1 2 3 45,512 3 4 51 2 3 44,513 4 51 3 43,514 51 42 ,511 X PX PX PX P X P 所以 X 的分布列为 X 1 2 3 4 5 P 51 51 51 51 51 因此
3515514513512511 X E
又
115155145135125112 2 2 2 2 2 X E
故有
2 3 11222 X E X E X D
例 4
气体分子的速度 X 服从马克斯韦尔分布,其概率密度为 . 0 , 0, 0 ,222 xx e Axx pax
其中 a >0 常数 求:(1)系数 A;
(2)气体分子运动平均速度 E ( X )及方差 D (X)。
分析
确定概率密度中待定常数的最基本方法,就是利用概率密度的性质
1 dx x p
通过解方程得到。在确定了系数 A 之后,直接利用(4.2),(4.4)及(4.8)式计算即可。
解
dx e x A dx x pax 0222
02222dttate a Attax令
33 3414 232 aAAa Aa
(2)
0322dx e x A dx x xp X Eax 0233222dttae t a Attax令 a Aa 2224
又
dx x p x X E2 2 02 4222dttae t a Attax令 23252 22 50235a Aadt e tAat 因此
2222223 a aX E X E X D
.4232a
例 5
设随机变量 X 的概率密度为 . , 01 1 ,112其它 xxx p 求 E ( X )及 D ( X ). 解
11 2011dxxxdx x xp X E
(奇函数在对称区间上积分为零)
dxxxdxxxx dx x p x X E 1110 2222 2 2121(偶函数在对称区间[- a , a ]上的积分等于它在[0, a ]上积分的 2 倍 =212 21 201arcsin21121 2101122102 2 x x xdx x x x 因此
.21021222 X E X E X D
评注
(1)求数学期望和方差的基本条件是:先求出(或已知)离散型随机变量的分布列或连续型随机变量的概率密度,这部分的求解要运用前面三章的知识。
(2)在已掌握了随机变量的分布列或概率密度的基础上,直接运用期望及方差的定义或公式即
可求出。在计算中时常运用排列组合及微积分的一些知识和运算技巧。
(3)在离散型场合要注意一些关系式恒等变形的技巧(如二项分布,泊松分布等的期望,方差计算中的技巧),同时还要注意一些组合恒等式的运用。
(4)在连续型场合,关于积分计算常用到 ①分部积分法 ②换元积分法 ③奇函数,偶函数在对称区间上的积分性质(如例 5)
④Γ—函数 01 10 , dx e x a
在期望,方差计算中,该函数应用很广(如例 4),要特别注意它的基本结论 .21, ! 11 N n n n
⑤从上述几例,可以看出,方差的计算在期望已知时,一般用公式 22X E X E X D
计算较为简单,但有时直接用方差定义计算却更为简捷。
例 6
设随机变量 X 的概率密度为
为常数 , ,21 x e x px 求 E ( X )及 D ( X ) 分析
由于概率密度中含有绝对值,积分时通常作变量替换,以便去掉绝对值,在求出了 E(X)之后,我们发现直接用定义求方差更为方便。
解
dx e x dx x xp X Ex 21
dt e ttt x21令
dt e dt tet t2121
dt et2210
dx x p X E x X D2
dx e xx 221
dt e tt t x 221 令
022 ! 2 3 dt e tt 例 7
若事件 A 在第 i 次试验中出现的概率为 p i ,设 X 为事件 A 在起初 n 次试验中出现的次数,试求 E ( X )及 D ( X )。
分析
如果按照一般方法,先求出 X 的分布列,然后再求数学期望及方差是相当复杂的。为了
避免求分布列的麻烦,我们用数学期望和方差的性质来求解,当然这里用到了将一个随机变量分解为若干个随机变量之和的技巧。
解
设 A 。
i ,A ; iX i次试验不出现 第次试验出现 第0, 1
i=1,2,… n
则有
,1niiX X
且
n i p p X D p X Ei i i i i , 2 , 1 , 1 ,
从而
niiniip X E X E1 1 由试验的独立性知诸 X i 相互独立,由此得 . 11 1 nii iniip p X D X D
评注
本题将 X 分解成若干个随机变量之和,从而避免了寻求 X 的分布列 P{X=k}而进行的比较复杂的概率计算,同时利用期望和方差的性质,使得它们的计算也得到大大简化,较好地使问...