数学期望与方差的运算性质
数学期望与方差的运算性质
数学期望与方差的运算性质 教程 一：复习公式 离散随机变量(),(,)(,)(,)(,)i j ij i j ij i j P X Y a b p Eh X Y h a b p ==→=∑ 连续随机变量()()()2 ,~,(,)(,),R f x y Eg g x y f x y dxdy ξηξη→=?? 二：期望运算性质 ()E aX bY c aEX bEY c ++=++ 应用例题、袋中装有m 个不同色小球，有返回取球n 次，出现X 种不同颜色，求EX 解答：用i X ?=?? １第ｉ颜色球在n次取球中出现０第ｉ颜色球在n次取球中没出现，则 m X X X ++= 1 由于()()1101,111,n n i i P X P X m m ????==-==-- ? ????? ()111/n i EX m =--， ()??????????? ??--==++=∑=n m i i m m m EX X X E EX 11111 三、协方差：若,EX EY θμ==，()()cov(,)X Y E X Y θμ=--????称为随机变量X 、Y 的协方差.covariance ()()cov(,)X Y E X Y θμ=--???? ()()()()() ()()()()()()EY EX XY E XY E XY E Y E X E XY E E Y E X E XY E Y X XY E ?-=-=+--=+--=+-+-+=+--=θμθμθμμθθμ θμθμθμθμθμ 例题：害虫一生产卵个数X 服从参数为λ的Ｐｏｉｓｓｏｎ分布，若每个卵能孵化成下一代的概率都是p ，假定害虫后代个数为Y ，求cov(,)X Y 解答：(,)()()(1)!i i j j j i j i e P X i Y j P X i P Y j X i C p p i λλ-≥-=======-
方差的性质
由方差的定义,可以得到方差的基本性质(假定所遇到的方差都存在, 其中c, k为常数). 性质1.D(c)=0； 性质2.D(cξ)=c2D(ξ)； 特别地，当c =-1时D(-ξ)=D(ξ)； 性质3.D(ξ+c)= D(ξ)； 性质4.D(kξ+c)= k2D(ξ)； 性质5.若ξ, η相互独立, 则 D(ξ+η)=D(ξ)+D(η)． 注．若一个随机变量的取值不影响另一随机变量的取值，则称两个随机变量是相互独立的．本课程略去了关于随机变量相互独立的严格数学描述． 例3.5.13. 设离散型随机变量X具有概率分布律 X-2 -1 0 1 2 3 P(X=x k) 0.1 0.2 0.2 0.3 0.1 0.1 求E(X), D(X), D(2X+3). 解.由离散型随机变量的数学期望的定义得 E(X)=(-2)×0.1+(-1)×0.2+0×0.2+1×0.3+2×0.1+3×0.1 =0.4； E(X2)=(-2)2×0.1+(-1)2×0.2+02×0.2+12×0.3+22×0.1+32×0.1 =2.2； 再由方差计算公式 D(X)=E(X2)-(E(X))2 =2.2-0.42=2.04； ∴D(2X+3)=4D(X)=4×2.04=8.16 . 例3.5.14 设连续型随机变量X具有概率密度： 求(1)常数A；(2)D(-X-2). 解. (1)根据密度函数的性质
∴ 计算上述积分,可得A=e/2. (2)要求方差,首先要求数学期望. ∴D(X)=E(X2)-(E(X))2 =11/4-16/9=35/36 ； D(-X-2)=D(X)=35/36
随机变量的数学期望与方差
第9讲随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 For personal use only in study and research; not for commercial use 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 For personal use only in study and research; not for commercial use 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 For personal use only in study and research; not for commercial use 教学过程： 第三章随机变量的数字特征 §3.1 数学期望 For personal use only in study and research; not for commercial use 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。
1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变 量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品， 21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的 天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是 ,,21x x ， 相应的概率为 ,,21P P ， 则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数 很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量，它的概率函数是 ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛，定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙，其中只有一把能打开自己的家门，他随意地 试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去，求打开门时试开次数 的数学期望。
正态分布的数学期望与方差
正态分布的数学期望与方差 正态分布： 密度函数为：分布函数为 的分布称为正态分布，记为N(a, σ2). 密度函数为： 或者 称为n元正态分布。其中B是n阶正定对称矩阵，a是任意实值行向量。 称N(0,1)的正态分布为标准正态分布。 （1）验证是概率函数（正值且积分为1） （2）基本性质： （3）二元正态分布： 其中， 二元正态分布的边际分布仍是正态分布： 二元正态分布的条件分布仍是正态分布：
即（其均值是x的线性函数） 其中r可证明是二元正态分布的相关系数。 （4）矩，对标准正态随机变量，有 （5）正态分布的特征函数 多元正态分布 （1）验证其符合概率函数要求（应用B为正定矩阵，L为非奇异阵，然后进行向量线性变换） （2）n元正态分布结论 a) 其特征函数为： b) 的任一子向量,m≤n 也服从正态分布，分布为其中，为保留B 的第，…行及列所得的m阶矩阵。 表明：多元正态分布的边际分布还是正态分布 c) a,B分别是随机向量的数学期望及协方差矩阵，即 表明：n元正态分布由它的前面二阶矩完全确定 d) 相互独立的充要条件是它们两两不相关 e) 若，为的子向量，其中是，的协方差矩阵，则是，相应分量的协方差构成的相互协方差矩阵。则相互独立的充要条件为＝0 f) 服从n元正态分布N(a,b)的充要条件是它的任何一个线性组合服
从一元正态分布 表明：可以通过一元分布来研究多元正态分布 g) 服从n元正态分布N(a,b),C为任意的m×n阶矩阵，则服从m元正态分布 表明：正态变量在线性变换下还是正态变量，这个性质简称正态变量的线性变换不变性 推论：服从n元正态分布N(a,b)，则存在一个正交变化U，使得是一个具有独立正态分布分量的随机向量，他的数学期望为Ua，而他的方差分量是B的特征值。 条件分布 若服从n元正态分布N(a,b)，，则在给定下，的分布还是正态分布，其条件数学期望： (称为关于的回归) 其条件方差为： （与无关）
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 x p ∞=∑ 绝对收敛，则称级数1k k k x p ∞=∑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 ==。 3 协方差的定义和性质 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 =?????????? 性质：下面给出协方差的几个重要性质 （1）()(),,Cov X Y Cov Y X = （2）()(),Cov X X D X = （3）()()()(),Cov X Y E XY E X E Y =? （4）()(),,,,Cov aX bY abCov X Y a b =是常数 （5）()()()1212,,,Cov X X Y Cov X Y Cov X Y +=+ 参考文献 [1]概率论与数理统计（第四版），浙江大学
期望 方差公式的证明全集
期望与方差的相关公式的证明 -、数学期望的来由 早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目，题目是这样的：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。当比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？ 用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。 这个故事里出现了“期望”这个词，数学期望由此而来。 定义1 若离散型随机变量ξ可能取值为i a （i =1，2，3 ，…），其分布列为i p （i =1，2，3， …），则当i i i p a ∑ ∞ =1 <∞时， 则称ξ存在数学期望，并且数学期望为E ξ=∑∞ =1 i i i p a ， 如果i i i p a ∑ ∞ =1 =∞，则数学期望不存在。 [] 1 定义2 期望：若离散型随机变量ξ，当ξ=x i 的概率为P （ξ=x i ）=P i （i =1，2，…，n ，…），则称E ξ=∑x i p i 为ξ的数学期望，反映了ξ的平均值. 期望是算术平均值概念的推广，是概率意义下的平均.E ξ由ξ的分布列唯一确定. 二、数学期望的性质 （1）设C 是常数，则E(C )=C 。 （2）若k 是常数，则E (kX )=kE (X )。 （3）)E(X )E(X )X E(X 2121+=+。 三、 方差的定义 前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量一个重要的数字特征。但是在一些场合下，仅仅知道随机变量取值的
数学期望和方差的应用
２ＱＱ２±：箜！塑工 －学术－理论现代衾案一 数学期望和方差的应用 陈奕宏张鑫 （武警广州指挥学院广东广州５１０４４０） 摘要：本文主要讨论随机变量的数学期望和方差的性质，利用随机变量的对称性可简化求数学期望和方差的计算过程： 关键词：对称性数学期望方差 在教学过程中，由于很多同学对概牢论巾的定义和性质认识不深刻，冈此对概率论巾的问题存在许多认识误区，进一步影响了计算、证明能力。 性质ｌ对随机变量ｘ和ｙ，则有Ｅ（ｎｎ簟Ⅸ＋Ｅｙ①性质２设随机变量ｘ和ｙ相互独立，贝咿育层陇ｎ＝Ｅｘ?Ｅｙ②定义ｌ设Ｘ是一个随机变量，若ＥＩ肛删Ｉｚ存在，则称其为Ｘ的方差，记为Ｄｘ。即 Ｄｘ＝坦Ｉｘ—Ｅｘ】２③显然可得：们，－ＥｌＸ一以】２ ＝Ｅ瞄２—２ｘＥＸ＋（踊２］ ＝麟ｚ一（删）：④性质３设随机变量ｘ和ｙ相互独立，则有层孵ｙ：净Ｅ孵?Ｅｙ２⑤证明：设随机变量Ｘ和ｙ的联合分布密度为ｍ砂），｜ｊｌ《为ｘ和ｙ相互独立，有 “ｒ，ｙ）＝＾（掌）。，ｒ（ｙ） ．’．Ｅ（ｘ２ｙ２）＝Ｊ一。Ｊ一。工２ｙ２“ｒ，ｊ，）ｄ膏咖 ＝ｅｅｘ２ｙ２以（ｒ）厂ｒ（ｙ）如咖 ＝Ｃｘ２＾（工）如Ｃｙ２加）咖 ：Ｅｘ２Ｅ】，２⑥性质４设随机变量ｘ和ｌ，，ｎ和西为常数，则有Ｅ（口Ｘ２＋６ｙ２）＝ｎ露ｘ２＋６曰ｙ２（Ｄ证明：设随机变量ｘ和ｌ，的联合分布密度为厂（ｘ，ｊ，），则有 Ｅ似ｘ２＋６ｙ２）＝Ｊ＋。Ｊ一。（口工２＋６ｊ，２）“ｒ，ｊ，）ｄ＿咖 ＝ｅ仁ｎｘ２ｆｌｘ，，Ｍｘｄｙ＋ｅ仁ｂ矿ｆＩｘ，ｙⅪｘｄｙ ，＋∞，＋∞ｒ十ｏ，＋∞ ＝ｎ＼一。＼一亭２ｆＩｘ，如ｄｘｄ，＋ｂ１．。１一。旷ｆＩｘ，，Ⅺｘｄｙ ＝口ｆ）２【ｅ№ｊ，）ｄｙ】ｄｒ拍ｅｊ，２【Ｃ“础）ｄｘ协 ＝口仁量２【ｅ，（Ⅵ）ｄｙＪｄｘ柏ｅｊ，２【Ｃ，（础）ｄｘ坳 ＝ｎ尽２以（ｒ）ｄｙ拍Ｄ２加）ｄｙ ＝口ＥＸ２＋西Ｅｙ２ 掣狮，＝∥茗引ｍ，＝驴㈣’翟引 求Ｅ伍２＋ｙ２）。 解：Ｅ（ｘ２＋ｙ２）＝Ｅｘ２＋Ｅｙｚ（南公式⑦） ＝Ｉ：一４ｒ３出＋炒．１２ｙ２（１＋ｙ）咖《 性质５设随机变量ｘ和ｙ卡Ｈ互独立，则有 Ｄ（ｘ的＝Ｄｘ?Ｄｙ＋（Ｅ幻２?Ｄｌ，＋（层ｙ）２?Ｄｘ⑧ 证明：ＯＤⅨｙ）＝层（ｘｙ）２一ＩＥ（ｘｙ）Ｊ２ ＝Ｅ（Ｘ２ｙ２）一（ＥＸ）２（Ｅ】，）２ 南公式⑤，所以 Ｄ（Ｘｎ＝ＥＸ２Ｅｙ２一（ＥＸ）２（Ｅ”２ ＝曰ｘ２Ｅｌ，２一（Ｅ的２ＥＰ＋（Ｅ的２（Ｅｌ，）２一（Ｅ抑２僻ｙ）２ ＝【层ｘ２一（ＥＸ）２】ＥＰ＋（Ｅｘ）２【（Ｅ】，）２一（日ｙ）２】 矗剪陋妒＋（雕净汗钮曙（联）辚苦帮 ＝ｎ碰Ｉｙ＋（ＥＹ）２Ｄｙ＋（Ｅｙ）２蹦 显然，若随机变量ｘ和ｙ独立，则可得Ｄ（ｘｎ＞Ｄｘ?Ｄｙ⑨例设随机变量ｘ和ｌ，相互独立，均服从Ⅳ（Ｏ，１）分布，ｆ＝ｘ—ｙ，叩＝ｘｙ，试求１）Ｄ叩；２）ｐ￡。。 解：１）方法一 ＯＸ和ｙ相互独立 ．‘．Ｄ即＝Ｄ（ｘｙ）＝Ｅ（ｘｌ，）２一【层（ｘ聊】２ ＝Ｅ（ｒ—ｌ，）２一（以Ｅ的２ ＝Ｅ舻ＥＰ（由公式⑤） ＝【脚“（Ｅ的２】【Ｄｙ；（Ｅ玢２】＝１ 方法二 ０Ｘ和ｙ相互独立 ．?．Ｄｑ＝Ｄ（ｘ】，）＝似Ｄｙ＋（Ｅ柳２Ｄｙ＋（目】，）２Ｄｘ＝ｌ（由公式⑧）２）ｏｐ。：』业 ｑ厩丽 又ＯｃｏＶ（ｆ，＇７）＝层【（ｆ—Ｅｆ）（＇７一露７７）ｊ ＝层（ｘ２ｙ）一Ｅ（ｘＰ）（把ｆ＝ｘ—ｙ，’７＝ｘｙ代人） 曲（南ｘ与ｒ鹃对称性）综上所述，本文主要讨论连续型随机变量的数字特征的性质，结合对随机变量的对称性可解决存概率论巾一些常见的求数［字特征的问题。 参考文献： …盛骤等编概率论与数理统计高等教育出版社２００１．１２口 现代企业教育ＭＯＤＥＲＮＥＮＴＥＲＰＲＩＳＥＥＤＵＣＡＴＩＯＮ１１７ 万方数据
独立随机变量期望和方差的性质
第七周多维随机变量，独立性 7.4独立随机变量期望和方差的性质 独立随机变量乘积的期望的性质： Y X ,独立，则()()() Y E X E XY E =以离散型随机变量为例，设二元随机变量(),X Y 的联合分布列() ,i j P X x Y y ==已知，则()()(),i j i j P X x Y y P X x P Y y ====?=， () 1,2,,; 1,2,,i m j n == ()() 11,m n i j i j i j E XY x y P X x Y y =====∑∑()() 11 m n i j i j i j x y P X x P Y y =====∑∑()() 1 1 m n i i j j i j x P X x y P Y y =====∑∑()() E X E Y =***********************************************************************独立随机变量和的方差的性质： Y X ,独立，则()()() Y Var X Var Y X Var +=+()()() 2 2 Var X Y E X Y E X Y ??+=+-+?? ()222E X XY Y =++()()()()22 2E X E X E Y E Y ??-++? ? ()()()()2 2 22E X E X E Y E Y =-+-()()()22E XY E X E Y +-()()()() 2 2 22E X E X E Y E Y =-+-()() Var X Var Y =+若12,,,n X X X 相互独立，且都存在方差，则()() 121 n m k k Var X X X Var X =+++=∑ ***********************************************************************利用独立的0-1分布求和计算二项分布随机变量()~,X b n p 期望和方差 我们在推导二项分布随机变量的方差时，已经利用了独立随机变量和的方差等于方差
期望-方差公式
期望与方差的相关公式 -、数学期望的来由 早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目，题目是这样的：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。当比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？ 用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。 这个故事里出现了“期望”这个词，数学期望由此而来。 定义1 若离散型随机变量ξ可能取值为i a （i =1，2，3 ，…），其分布列为i p （i =1，2，3， …），则当i i i p a ∑∞ =1 <∞时，则称ξ存在数学期望，并且数学期望为E ξ=∑∞ =1 i i i p a ， 如果i i i p a ∑∞ =1 =∞，则数学期望不存在。[]1 定义2 期望：若离散型随机变量ξ，当ξ=x i 的概率为P （ξ=x i ）=P i （i =1，2，…，n ，…），则称E ξ=∑x i p i 为ξ的数学期望，反映了ξ的平均值. 期望是算术平均值概念的推广，是概率意义下的平均.E ξ由ξ的分布列唯一确定. 二、数学期望的性质 （1）设C 是常数，则E(C )=C 。 （2）若k 是常数，则E (kX )=kE (X )。 （3）)E(X )E(X )X E(X 2121+=+。 三、 方差的定义 前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，
概率、期望与方差的计算和性质
概率与统计 知识点一：常见的概率类型与概率计算公式； 类型一：古典概型； 1、 古典概型的基本特点： （1） 基本事件数有限多个； （2） 每个基本事件之间互斥且等可能； 2、 概率计算公式： A 事件发生的概率()A P A = 事件所包含的基本事件数 总的基本事件数 ; 类型二：几何概型； 1、 几何概型的基本特点： （1） 基本事件数有无限多个； （2） 每个基本事件之间互斥且等可能； 2、 概率计算公式： A 事件发生的概率()A P A = 构成事件的区域长度（或面积或体积或角度） 总的区域长度（或面积或体积或角度） ； 注意： （1） 究竟是长度比还是面积比还是体积比，关键是看表达该概率问题需要几个变量，如 果需要一个变量，则应该是长度比或者角度比；若需要两个变量则应该是面积比；当然如果是必须要三个变量则必为体积比； （2） 如果是用一个变量，到底是角度问题还是长度问题，关键是看谁是变化的主体，哪 一个是等可能的； 例如：等腰ABC ?中，角C= 23 π ，则： （1） 若点M 是线段AB 上一点，求使得AM AC ≤的概率； （2） 若射线CA 绕着点C 向射线CB 旋转，且射线CA 与线段AB 始终相交且交点是M ，求 使得AM AC ≤的概率； 解析：第一问中明确M 为AB 上动点，即点M 是在AB 上均匀分布，所以这一问应该是长度 之比，所求概率： 13P =; 而第二问中真正变化的主体是射线的转动，所以角度的变化是均匀的，所以这一问应该是角度之比的问题，所以所求的概率：2755 = =1208 P ?； 知识点二：常见的概率计算性质； 类型一：事件间的关系与运算； A+B （和事件）：表示A 、B 两个事件至少有一个发生； A B ?（积事件） ：表示A 、B 两个事件同时发生； A （对立事件） ：表示事件A 的对立事件；
随机变量的数学期望与方差说课讲解
随机变量的数学期望 与方差
第9讲随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 For personal use only in study and research; not for commercial use 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 For personal use only in study and research; not for commercial use 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 For personal use only in study and research; not for commercial use 教学过程： 第三章随机变量的数字特征 §3.1 数学期望 For personal use only in study and research; not for commercial use
在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X 的概率分布，那么X 的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。 1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品，21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是 ,,21x x ， 相应的概率为 ,,21P P ，则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。
二项分布及超几何分布期望与方差
二项分布、超几何分布数学期望与方差公式的推导 高中教材中对二项分布和超几何分布数学期望与方差公式没有给出推导公式，现笔者给出一推导过程仅供参考。 预备公式一 11--=k n k n nC kC （1≥n ） ，利用组合数计算公式即可证明。 预备公式二 []2 2)()()(ξξξE E D -=，证明过程可见教材。 预备公式三 2 2)1()1(---=-k n k n C n n C k k （2,2≥≥k n ） ，利用组合数计算公式即可证明。 预备公式四 ),,,,(022110n k m k N k n m C C C C C C C C C k n m m k n k m n k m n k m n ≤≤∈=++++++-- ，利用恒等 式m n n m x x x )1()1() 1(++=++的二项展开式中k x 的系数相等可证。 一、二项分布 在n 次独立重复试验中，每次试验中事件A 发生的概率为p （10<
数学期望与方差的关系_理解数学期望与方差之间的群关系
数学期望与方差的关系_理解数学期望与 方差之间的群关系 随机变量的数学期望与方差是高考的重要考点, 也是学习数学的难点。你知道两者之间的关系吗?下面就由和你说说吧。 数学期望与方差的关系方差指一组数据中每个元素间的离散程度,方差小则离散程度小,反之则大. 期望值指一个人对某目标能够实现的概率估计,即：一个人对目标估计可以实现,这时概率为最大(P=1);反之,估计完全不可能实现,这时概率为最小(p=0).因此,期望(值)也可以叫做期望概率.一个人对目标实现可能性估计的依据是过去的经验,以判断一定行为能够导致某种结果或满足某种需要的概率. 什么是数学期望在概率论和统计学中，数学期望(mean)(或均值，亦简称期望)是试验中每次可能结果的概率乘以其结果的总和。是最基本的数学特征之一。它反映随机变量平均取值的大小。 需要注意的是，期望值并不一定等同于常识中的“期望”;;“期望值”也许与每一个结果都不相等。(换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。) 公式 X1,X2,X3，……，Xn为这离散型随机变量，p(X1),p(X2),p(X3)，……p(Xn)为这几个数据的概率函
数。在随机出现的几个数据中p(X1),p(X2),p(X3)，……p(Xn)概率函数就理解为数据X1,X2,X3，……，Xn出现的频率f(Xi).则： E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn) = X1*f1(X1) + X2*f2(X2) + …… + Xn*fn(Xn) 什么是方差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。 方差的性质 1.设C为常数，则D(C) = 0(常数无波动); 2.D(CX)=C2 D(X) (常数平方提取); 证： 特别地D(-X) = D(X), D(-2X ) = 4D(X)(方差无负值) 3.若X 、Y 相互独立，则证：记则 前面两项恰为D(X)和D(Y)，第三项展开后为 当X、Y 相互独立时， 故第三项为零。
期望-方差公式-方差和期望公式
期望与方差的相关公式 -、数学期望的来由 早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目，题目是这样的：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。当比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？ 用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。 这个故事里出现了“期望”这个词，数学期望由此而来。 定义1 若离散型随机变量ξ可能取值为i a （i =1，2，3 ，…），其分布列为i p （i =1，2，3， …），则当i i i p a ∑∞=1<∞时，则称ξ存在数学期望，并且数学期望为E ξ=∑∞ =1i i i p a ，如果i i i p a ∑∞ =1=∞，则数学期望不存在。[]1 定义2 期望：若离散型随机变量ξ，当ξ=x i 的概率为P （ξ=x i ）=P i （i =1， 2，…，n ，…），则称E ξ=∑x i p i 为ξ的数学期望，反映了ξ的平均值. 期望是算术平均值概念的推广，是概率意义下的平均.E ξ由ξ的分布列唯一确定. 二、数学期望的性质 （1）设C 是常数，则E(C )=C 。 （2）若k 是常数，则E (kX )=kE (X )。 （3）)E(X )E(X )X E(X 2121+=+。 三、 方差的定义 前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，
数学期望与方差
1．同时抛掷5枚均匀的硬币80次，设5枚硬币正好出现2枚正面向上，3枚反面向上的次数为ξ，则ξ的数学期望是（ ） A ．20 B ．25 C ．30 D ．40 2．设随机变量(,)X B n p ，若X 的数学期望()2E X =，方差4 ()3 D X = ，则(2)P X ==（ ） A.1316 B.4243 C.13243 D.80243 3．已知随机变量1 ~(5,)3 B ξ，随机变量21ηξ=-，则()E η= . 4．一只不透明的布袋中装有编号为1、2、3、4、5的五个大小形状完全一样的小球，现从袋中同时摸出只小球，用随机变量表示摸出的只球中的最大号码数，则随机变量的数学期望 ． 5．一个盒中有9个正品和3个废品，每次取一个产品，取出后不在放回，在取得正品前已取出的废品数ξ的数学期望ξE =_________________. 6．在一个圆锥体的培养房内培有20只蜜蜂，过圆锥高的中点有一个不计算厚度且平行于圆锥底面的平面把培养房分成两个实验区，其中小锥体叫第一实验区，圆台体叫做第二实验区，且两个实验区是互通的，假设蜜蜂落入培养房内任何位置是等可能的，且蜜蜂落入哪个位置相互之间是不受影响的. （1）求蜜蜂甲落入第二实验区的概率； （2）若其中有3只蜜蜂被染上了红色，求恰有一只红色蜜蜂落入第二实验区的概率； （3）记X 为落入第一实验区的蜜蜂数，求随机变量X 的数学期望()E X 和方差 ()D X . 7．有三位环保专家从四个城市中每人随机选取一个城市完成一项雾霾天气调查报告，三位专家选取的城市可以相同，也可以不同. （1）求三位环保专家选取的城市各不相同的概率； （2）设选取某一城市的环保专家有ξ人，求ξ的分布列及数学期望. 8．从0，1，2，3，4这五个数中任选三个不同的数组成一个三位数，记X 为所组成的三位数各位数字之和． （1）求X 是奇数的概率； （2）求X 的概率分布列及数学期望． 9．有两枚均匀的硬币和一枚不均匀的硬币，其中不均匀的硬币抛掷后出现正面的概率为 3 2 .小华先抛掷这三枚硬币，然后小红再抛掷这三枚硬币. （1）求小华抛得一个正面两个反面且小红抛得两个正面一个反面的概率； 3x 3x =Ex
(完整版)随机变量的数学期望与方差
第9讲 随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 教学过程： 第三章 随机变量的数字特征 §3.1 数学期望 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X 的概率分布，那么X 的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。 1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品，21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？
可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是Λ,,21x x ， 相应的概率为 Λ,,21P P ，则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量，它的概率函数是 Λ ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛，定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙，其中只有一把能打开自己的家门，他随意地试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去，求打开门时试开次数的数学期望。 解 设试开次数为X ，则 n k X p 1)(==，n , ,2 ,1Λ=k 于是 ∑=? =n k n k X E 11)(2)1(1n n n +?=2 1+=n 2. 连续随机变量的数学期望 为了引入连续随机变量数学期望的定义，我们设X 是连续随机变量，其密度函数为)(x f ，把区间) , (∞+-∞分成若干个长度非常小的小区间，考虑随机变量X 落在任意小区间] , (dx x x +内的概率，则有
常见分布的期望和方差
常见分布的期望和方差文件排版存档编号：[UYTR-OUPT28-KBNTL98-UYNN208]
概率与数理统计重点摘要 1、正态分布的计算：()()( )X F x P X x μ σ -=≤=Φ。 2、随机变量函数的概率密度：X 是服从某种分布的随机变量，求()Y f X =的概率密度：()()[()]'()Y X f y f x h y h y =。（参见P66～72） 3、分布函数(,)(,)x y F x y f u v dudv -∞-∞=??具有以下基本性质： ⑴、是变量x ，y 的非降函数； ⑵、0(,)1F x y ≤≤，对于任意固定的x ，y 有：(,)(,)0F y F x -∞=-∞=； ⑶、(,)F x y 关于x 右连续，关于y 右连续； ⑷、对于任意的11221212(,),(,),,x y x y x x y y << ，有下述不等式成立： 4、一个重要的分布函数：1(,)(arctan )(arctan )23 x y F x y πππ2 = ++22的概率密度为：22226 (,)(,)(4)(9) f x y F x y x y x y π?==??++ 5、二维随机变量的边缘分布： 边缘概率密度： ()(,)()(,)X Y f x f x y dy f y f x y dx +∞ -∞+∞ -∞ ==?? 边缘分布函数： ()(,)[(,)]()(,)[(,)]x X y Y F x F x f u y dy du F y F y f x v dx dv +∞ -∞-∞+∞ -∞ -∞ =+∞==+∞=?? ?? 二维正态分布的边缘 分布为一维正态分布。