搜索
随机变量的概率分布完整地描述了随机变量统计规律，但是在实际问题中求得随机变量的概率分布并不容易，而且对某些问题来说，只需知道它的某些特征，我们把刻画随机变量某些方面特征的数值称为随机变量的数字特征。本章主要研究随机变量的期望、方差、协方差、相关系数等数字特征。4.1随机变量的期望4.1.1离散型随机变量的期望引例10人参加考试，1人得100分，6人得80分，3人得60分，求10人考度的平均分。【答疑编号：10040101针对该题提问】解：平均分为：从本例看：平均分并不等于60、80、100的平均值80。这是由于60分出现的机会多于100分，上面方法出现了60分出现的频率多。100分的频率小，能正确计算平均值。定义若X的分布律为P（X=xi）=pi，i=1，2…当级数绝对收敛时（即收敛）就说是离散型随机变量X的期望。记作EX，即说明：（1）若X取值为有限个x1，x2，…，xn则（2）若X取值为可列无限多个x1，x2，…，xn…则这时才要求无穷级数绝对收敛。很明显，X的期望EX体现随机变量X取值的平均概念，所以EX也叫X的均值。【例4-1】设随机变量X的分布律为求E（X）解E（X）=（-1）×0.3+0×0.2+1×0.5=0.2【例4-2】甲乙两人进行打靶，所得分数分别记为X，Y，它们的分布律分别为试比较他们成绩的好坏。【答疑编号：10040102针对该题提问】解我们分别计算X和Y的数学期望：EX=0×0+1×0.2+2×0.8=1.8（分）。EY=0×0.1+1×0.8+2×0.1=1（分）。这意味着，如果进行多次射击，甲所得分数的平均值接近于1.8分，而乙得分的平均值接近1分。很明显乙的成绩远不如甲。4.1.2下面介绍几种重要离散型随机变量的数学期望。1.两点分布随机变量X的分布律为其中0＜p＜1，有EX=0×（1-p）+1×p=p。2.二项分布设X～B（n,p），即可以证明它的期望EX=np二项分布的数学期望np，有着明显的概率意义。比如掷硬币试验，设出现正面概率若进行100次试验，则可以“期望”出现次正面，这正是期望这一名称的来由。3.泊松分布设其分布律为则X数学期望为EX=小结上面的结果，有下面公式分布EXX～（0,1）X～B（n,p）X～P（λ）pnp今后在上面三种情形下，期望EX不必用定义计算，可以直接套用公式。例如若X～B（10，0.8），则EX=10×0.8=8若X～P（3），则EX=3。4.1.3下面介绍离散型随机变量函数的数学期望。定理4-1设离散型随机变量X的分布律为P{X=xk}=pk，k=1，2，…。令Y=g（X），若级数绝对收敛，则随机变量Y的数学期望为特别情形【例4-5】设随机变量X的分布律为令Y=2X+1，求E（Y）。【答疑编号：10040103针对该题提问】解EY=（2×（-1）+1）×0.3+（2×0+1）×0.2+（2×1+1）×0.4+（2×2+1）×0.1=（-1）×0.3+1×0.2+3×0.4+5×0.1=1.6。【例4-6】设随机变量X的分布律为且Y=X2，求EY。【答疑编号：10040104针对该题提问】解=（-1）2×0.3+02×0.2+0.52×0.1+12×0.1+22×0.3=0.3+0.025+0.1+1.2=1.625。4.1.4连续型随机变量的期望对于连续型随机变量的期望，形式上可类似于离散型随机变量的期望给予定义，只需将和式中的xi改变x,pi改变为f（x）dx（其中f（x）为连续型随机变量的概率密度函数）以及和号“Σ”演变为积分号“∫”即可。定义4-2设连续型随机变量X的概率密度为f（x），若广义积分绝对收敛，则称该积分为随机变量X的数学期望（简称期望或均值），记为EX，即【例4-7】设随机变量X的概率密度为求E（X）。【答疑编号：10040105针对该题提问】解【例4-8】设随机变量X的概率密度函数为求E（X）。【答疑编号：10040106针对该题提问】解因为f（x）只在有限区间上不为零，且在该区间上为连续函数，所以E（X）存在，且根据奇函数的性质知道E（X）=0。下面介绍几种重要连续型随机变量的期望。1.均匀分布设随机变量X在[a,b]上服从均匀分布，其概率密度为则在区间[a,b]上服从均匀分布的随机变量的期望是该区间中点。2.指数分布设随机变量X服从参数为λ0的指数分布，其概率密度为解：在微积分中有即指数分布的数学期望为参数λ的倒数。3.正态分布设其概率密度为则X的期望E（X）=μ。（不证）上面三种情况列表如下（可以作为公式使用）分布EXX～U（a,b）X～E（λ）X～N（μ，σ2）μ例如X～U（0,10）则X～E（2）则下面介绍连续型随机变量函数的数学期望。定理4-2设X为连续型随机变量，其概率密度为fX（x），又随机变量Y=g（X），则当收敛时，有证明略。这一公式的好处是不必求出随机变量Y的概率密度fY（x），而可由随机变量X的概率密度fX（x）直接计算E（Y），应用起来比较方便。特别情形例4-9求EX2【答疑编号：10040107针对该题提问】解4.1.5二维随机变量函数的期望定理4-3（1）若（X，Y）为离散型随机变量，若其分布律为pij＝P{X=xi,Y=yi}，边缘分布律为则（2）其（X，Y）为二维连续型随机变量，f（x,y）,fx（x）,fY（y）分别为（X，Y）的概率密度与边缘概率密度，则证明略。定理4-4设g（X，Y）为连续函数，对于二维随机变量（X，Y）的函数g（X，Y），（1）若（X，Y）为离散型随机变量，级数收敛，则（2）若（X，Y）为连续型随机变量，且积分收敛，则证明略。【例4-10】已知（X，Y）的分布律为求：（1）E（2X+3Y）；（2）E（XY）。【答疑编号：10040108针对该题提问】解（1）由数学期望定义知【例4-11】设二维随机变量（X，Y）的概率密度为求：（1）E（X+Y）；（2）E（XY）；（3）P{X+Y≤1}。【答疑编号：10040109针对该题提问】解：4.1.6期望的性质期望有许多重要性质，利用这些性质可以进行期望的运算。下面列举的这些性质对离散型随机变量和连续型随机变量而言，都可以利用随机变量函数的期望与二维随机变量函数的期望公式加以证明。性质4-1常数的期望等于这个常数，即E（C）=C，其中C为常数。证明常数C作为随机变量，它只可能取一个值C，即P{X=C}=1，所以E（C）=C·1=C性质4-2常数与随机变量X乘积的期望等于该常数与随机变量X的期望的乘积，即E（CX）=C·E（X）。证明设X是连续型随机变量，其概率密度为f（x），则有当X为离散型随机变量时，请读者自证。∴有E（CX+b）=CEX+b性质4-3随机变量和的期望等于随机变量期望之和，即E（X+Y）=E（X）+E（Y）。证明不妨设（X，Y）为二维随机变量，其概率密度为f（x,y）,Z=X+Y是（X，Y）的函数，有=E（X）+E（Y）。这一性质可作如下推广：E（C1X+C2Y）=C1E（X）+C2E（Y），其中C1，C2为常数。结合性质4-2与性质4-3可证此性质。一般地，设X1，X2，…,Xn为n个随机变量，则有E（X1+X2+…+Xn）=EX1+EX2+…+EXnE（C1X1+C2X2+…+CnXn）=C1EX1+C2EX2+…+CnEXn性质4-4两个相互独立的随机变量乘积的期望等于期望的乘积，即若X，Y是相互独立的随机变量，则E（XY）=E（X）E（Y）。证明仅证连续型情况，因为X，Y相互独立，所以f（x,y）=fX（x）fY（y），=E（X）E（Y）由数学归纳法可证得：当X1，X2，…，Xn相互独立时有E（X1X2…Xn）=E（X1）E（X2）…E（Xn）。【例4-12】设Xi（i=1,2,…）服从0-1分布其中0p1,q=1-p,且X1,X2,…,Xn相互独立。令X=X1+X2+…+Xn,求X的期望。【答疑编号：10040110针对该题提问】解法1由二项分布的定义知，X服从二项分布，因此，E（X）=np解法2因为E（Xi）=p，X=X1+X2+…+Xn,由期望性质知E（X）=E（X1）+E（X2）+…+E（Xn）=np。这一结论与直接计算一致。例4-13某人射击目标的命中率他向目标射击3枪，击中0枪得0分，击中一枪得20分，击中二枪得60分，击中三枪得100分。求他的平均得分。【答疑编号：10040111针对该题提问】解用X表示该人击中枪数，Y表示得分数∴该人平均得分42.5分。4.2.1方差的概念随机变量的期望反映了随机变量取值的集中位置，在许多问题中，我们还要了解随机变量的其他特征。例如，在投资决策中，我们选择某一项目或购买某种资产（如股票、债券等），我们不仅关心其未来的收益水平，还关心其未来收益的不确定程度，前者通常用期望来度量，后者常称为风险程度。这种风险程度有多种衡量方法，最简单直观的方法就是用方差来度量。粗略地讲，方差反映了随机变量偏离其中心--期望的平均偏离程度。对任一随机变量X，设期望为E(X)，记Y＝X-E(X)，称为随机变量X的离差，由于E(X)是常数，因而有由此可知，离差Y代表随机变量X与期望之间的随机误差，其值可正可负，从总体上说正负相抵，故其期望为零。这样用E(Y)不足以描述X取值的分散程度。为了消除离差中的符号，我们也可以考虑使用绝对离差，但由于中绝对值不便处理，转而考虑离差平方的期望，即用来描述随机变量X取值的分散程度。定义4-3设随机变量的期望存在，则称为随机变量X的方差，记作D(X),即D(X)＝称为X的标准差（或均方差）。从随机变量的函数的期望看，随机变量X的方差D(X)即是X的函数的期望。由方差定义可知，当随机变量的取值相对集中在期望附近时，方差较小；取值相对分散时，方差较大，并且总有.若X为离散型随机变量，其分布律为则（4.2.1）若X为连续型随机变量，其概率密度为f(x),则（4.2.2）【例4-14】设两批纤维的长度分别为随机变量其分布律为求：【答疑编号：10040201针对该题提问】解.【例4-15】已知随机变量X的概率密度为求：.【答疑编号：10040202针对该题提问】解＝在计算方差时，用下面的公式有时更为简便；即X的方差等于的期望减去X的期望的平方。证明利用期望的性质证明。因为(4.2.3)由于E(X)是一个常数，有当X是离散型随机变量时，(4.2.4)当X是连续型随面变量时，(4.2.5)【例4-16】设随机变量的期望E(X)=2,方差D(X)=4，求：.【答疑编号：10040203针对该题提问】解由式（4.2.3），及已知E(X)=2,D(X)=4,得【例4-17】设X的概率密度为求：DX.【答疑编号：10040204针对该题提问】解：（1）（2）.4.2.2常见随机变量的方差1.0-1分布设X的分布律为其中0＜P＜1,则X的方差D(X)=P(1-P).因为而故（2）二项分布设X～B(n,p)则有(不证)（3）泊松分布设X～P(),则有(不证)（4）均匀分布设X～U(a,b),则有（5）指数分布设(6)正态分布可以证明，若下表是六种常见分布的期望和方差的结果。要求大家熟记下面公式。【例4-18】若X～U(a,b)且EX＝3，求：a,b及X的概率密度f(x)【答疑编号：10040205针对该题提问】解：【例4-19】已知随机变量X服从二项分布，且E(X)=2.4，D(X)=1.44，求二项分布的参数n，p。【答疑编号：10040206针对该题提问】解：因为E(X)=np，D(X)=npq，由已知E(X)=2.4，D(X)=1.44，np=2.4，npq=1.44，得q=0.6，p=0.4，n=6【例4-20】已知（X，Y）的分布律为求：E(X),E(Y),D(X),D(Y).【答疑编号：10040207针对该题提问】解：∵∴（1）（2）（3）（4）（5）（6）【例4-21】设（X,Y）的概率密度为求：E(X),E(Y),D(X),D(Y).【答疑编号：10040208针对该题提问】，，【例4-22】设（X,Y）服从在D上的均匀分布，其中D由x轴、y