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。

解 设试开次数为X ，则

n k X p 1)(==，n , ,2 ,1 =k

于是 ∑=?

=n k n k X E 11)(2)1(1n n n

+?=21+=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

)(dx x X x p +≤<=?+dx

x x dx t f )(dx x f )(≈

由于区间] , (dx x x +的长度非常小，随机变量X 在] , (dx x x +内的全部取值都可近似为

x ，而取值的概率可近似为dx x f )(。参照离散随机变量数学期望的定义，我们可以引

入连续随机变量数学期望的定义。

定义2 设X 是连续随机变量，其密度函数为)(x f 。如果

?∞

∞-dx x f x )(||

收敛，定义连续随机变量X 的数学期望为

?∞

∞-=dx x f x X E )()( 也就是说,连续随机变量的数学期望是一个绝对收敛的积分。

由连续随机变量数学期望的定义不难计算：

若),(~b a U X ，即X 服从), (b a 上的均匀分布,则

2

)(b a X E += 若X 服从参数为的泊松分布，则λ

λ=)(X E

若X 服从则 ),,(2σμN

μ=)(X E

3.随机变量函数的数学期望

设已知随机变量X 的分布，我们需要计算的不是随机变量X 的数学期望，而是X

的某个函数的数学期望，比如说)(X g 的数学期望，应该如何计算呢？这就是随机变量

函数的数学期望计算问题。

一种方法是，因为)(X g 也是随机变量，故应有概率分布，它的分布可以由已知的

X 的分布求出来。一旦我们知道了)(X g 的分布，就可以按照数学期望的定义把)]

([X g E 计算出来，使用这种方法必须先求出随机变量函数)(X g 的分布，一般是比较复杂的。

那么是否可以不先求)(X g 的分布，而只根据X 的分布求得)]([X g E 呢？答案是肯定的，其基本公式如下：

设X 是一个随机变量，)(X g Y =，则

?????==?∑∞∞

-∞

=连续离散X dx x f x g X p x g X g E Y E k k k ,)()(,)()]([)(1 当X 是离散时, X 的概率函数为 ,2 ,1 ,)()(====k P x X P x P K K k ；

当X 是连续时，X 的密度函数为)(x f 。

该公式的重要性在于，当我们求E [g (X )]时,不必知道g (X )的分布，而只需知道X

的分布就可以了，这给求随机变量函数的数学期望带来很大方便。

4.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+=+。

推广到n 个随机变量有∑∑===n

i i n i i X E X E 11)(][。

（4）设X 、Y 相互独立，则有 E (XY )=E (X )E (Y )。

推广到n 个随机变量有 ∏∏===n

i i n i i X E X E 11)(][

5.数学期望性质的应用

例2 求二项分布的数学期望。

解 若 ),(~p n B X ，则X 表示n 重贝努里试验中的“成功” 次数，现在我们来

求X 的数学期望。

若设

?

??=次试验失败如第次试验成功如第i i X i 01 i =1,2，…，n 则n X X X X +++= 21，因为 P X P i ==)1(，q P X P i =-==1)0(

所以p p q X E i =*+*=10)(，则

=)(X E np X E X E n

i i n i i ==∑∑==11)(][

可见，服从参数为n 和p 的二项分布的随机变量X 的数学期望是np 。

需要指出，不是所有的随机变量都存在数学期望。

例3 设随机变量X 服从柯西分布,概率密度为 +∞<<-∞=+x x f x ,)()

1(12π 求数学期望)(X E 。

解 依数学期望的计算公式有 dx X E x x

?+∞∞-+=11)( 因为广义积分dx x x

?+∞∞-+12不收敛，所以数学期望)(X E 不存在。

§3.2 方差

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平均值是

不够的，还需要知道随机变量取值在其平均值附近的离散程度，这就是我们要学习的

方差的概念。

1. 方差的定义

定义3 设随机变量X 的数学期望)(X E 存在，若]))([(2X E X E -存在，则称

]))([(2X E X E - (3.1)

为随机变量X 的方差，记作)(X D ，即]))([()(2X E X E X D -=。 方差的算术平方根)(X D 称为随机变量X 的标准差，记作)(X σ，即

)()(X D X =σ

由于)(X σ与X 具有相同的度量单位，故在实际问题中经常使用。

方差刻画了随机变量的取值对于其数学期望的离散程度，若X 的取值相对于其数

学期望比较集中，则其方差较小；若X 的取值相对于其数学期望比较分散，则方差较

大。若方差)(X D =0，则随机变量X 以概率1取常数值。

由定义1知，方差是随机变量X 的函数2)]([)(X E X X g -=的数学期望，故

?????--=?∑∞∞

-∞=连续时当离散时当X dx x f X E x p X E x X D k k k k ,)()]([X ,)]([)(212 当X 离散时, X 的概率函数为 ,2 ,1 ,)()(====k P x X P x P K K k ；

当X 连续时，X 的密度函数为)(x f 。

计算方差的一个简单公式：

22)]([)()(X E X E X D -=

证

2

2222)]([)(])]([)(2[]

))([()(X E X E x E X XE X E X E X E X D -=+-=-=

请用此公式计算常见分布的方差。

例4 设随机变量X 服从几何分布，概率函数为

1)1(--=k k p p P , k =1,2,…,n

其中0

解 记q =1-p

∑∞=-=1

1)(k k kpq

X E ∑∞==1)'(k k q p ∑∞==1)'(k k q p )'1(q q p -=p 1= ∑∞=-=1122)(k k pq

k X E ])1([1111∑∑∞=-∞=-+-=k k k k kq q k k p ∑∞

=''=1)(k k q qp +E (X ) p q q qp 1)1(+''-=p q qp 1)1(23+-=p

p q 122+= 22)]([)()(X E X E X D -=22p

p -=21p -21p p -= 2. 方差的性质

（1）设C 是常数,则D (C )=0。

（2）若C 是常数,则)()(2X D C CX D =。

（3）若X 与Y 独立，则

)()()(Y D X D Y X D +=+。

证 由数学期望的性质及求方差的公式得

{}{}

)()()]([)()]([)()

()(2)]([)]([)()(2)()()]()([]2[)]([])[()(222

222

222

222

2Y D X D Y E Y E X E X E Y E X E Y E X E Y E X E Y E X E Y E x E XY Y X E Y X E Y X E Y X D +=-+-=---++=+-++=+-+=+ 可推广为：若1X ,2X ，…，n X 相互独立，则

∑∑===n

i i n i i X D X D 11)(][

∑∑===n

i i i n i i i X D C X C D 121)(][

（4） D (X )=0 ?P (X = C )=1， 这里C =E (X )。

请同学们思考当X 与Y 不相互独立时，?)(=+Y X D

下面我们用例题说明方差性质的应用。

例5 二项分布的方差。

解 设),(~p n B X , 则X 表示n 重贝努里试验中的“成功” 次数。

若设

?

??=次试验失败如第次试验成功如第i i X i 01 i =1,2，…，n 则∑==n

i i X X 1是n 次试验中“成功”的次数，p p q X E i =*+*=10)(，故

)1()]([)()(222p p p p X E X E X D i i i -=-=-=， 1,2,

,i n =

由于n X X X ,,,21 相互独立，于是∑==n i i X D X D 1)()(= np (1- p )。

例6 设随机变量X 的数学期望)(X E 与方差)()(2X X D σ=都存在，0)(>X σ,则

标准化的随机变量 )

()(*X X E X X σ-=

证明 0)(*=X E ,1)(*=X D 。

证 由数学期望和方差的性质知 _()*()*()22[()] ()[]0()[()]()()[]1()()X E X X

E X X E X E X E X E X D X E X D X D X D X X σσσσ--==

=-====

仅供个人参考

仅供个人用于学习、研究；不得用于商业用途。

For personal use only in study and research; not for commercial use.

Nur für den pers?nlichen für Studien, Forschung, zu kommerziellen Zwecken verwendet werden.

Pour l 'étude et la recherche uniquement à des fins personnelles; pas à des fins commerciales.

толькодля людей, которые используются для обучения, исследований и не должны использоваться в коммерческих целях.

以下无正文

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。

随机变量的数学期望教案

随机变量的数学期望教 案 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN

教 案：数学期望 试讲人 郑丽霞 教材来源：《概率论与数理统计》 袁荫棠 授课题目：数学期望 第三章第一节 教学目标：会计算数学期望；通过数学期望的学习了解数学期望的实际应用及统计意义 教学重点：数学期望的计算 教学难点：如何将实际问题转化为数学问题 教学过程： 1. 引入课题 引例：在一次射击比赛中，每个人射击10次，甲选手射了4个1分，1个2分，5个3分，问甲选手的平均得分是多少？ 1.210 5 31012104110531241=?+?+?=?+?+? 则其“均值”应为11 1k k i i i i i i n n x x n n ===∑∑. 所以上面的均值是以i n n 频率为权重的加权平均。

我们前面学了随机变量，那我用随机变量ξ来表示甲射击得分情况，求ξ的分布？ 平均得分=1×0.4+2×0.1+3×0.5=2.1 大体上讲，数学期望(或均值)就是随机变量的平均取值 2. 概念讲解 （一）离散型随机变量的数学期望 定义3.1 设离散型随机变量ξ的分布列为 (),1,2, ,,.i i p P x i n ξ=== 如果 1 ||.i i i x p +∞ =<+∞∑ 则称 1 ()i i i E x p ξ+∞ ==∑ 为随机变量ξ的数学期望，简称期望或均值。若级数1 ||()i i i x p x +∞=∑不收 敛，则称ξ的数学期望不存在。 例1 投掷一颗均匀的骰子，以ξ表示掷的点数，求ξ的数学期望。 解：6 1 17 ()62i E i ξ==?=∑

61随机变量的概率分布、期望与方差1

如皋市薛窑中学2011届高三理科数学一轮复习 61随机变量的概率分布、期望与方差 【考点解读】 离散型随机变量及其分布列：A;超几何分布：A;条件概率及相互独立事件：A； n次独立重复试验的模型及二项分布：B;离散型随机变量的均值与方差：B 【复习目标】 1?了解取有限值的离散型随机变量及其分布列的概念，了解分布列对于刻画随机现象的重要性；会求某些简单的离散型随机变量的分布列。 2?了解超几何分布及其导出过程，并能进行简单的应用。 3?了解条件概率和两个事件相互独立的概念( 对条件概率的应用题不作要求 )。 4 ?理解n次独立重复试验的模型及二项分布，并能解决一些简单的实际问题。 5?了解取有限值的离散型随机变量的均值、方差的意义，会根据离散型随机变量的分布列求出期望值、方差。 活动一：基础知识 1. 随机变量： 1) 定义： _________________________________________________________ 。 2) ____________________________________ 表示方法：。 2. 随机变量分布列的定义： 假定随机变量X有n个不同的取值，它们分别是X1,X2丄X n且P(X=x i)=p i ,i=1,2, -n,① 称①为随机变量X 的概率分布列，简称X的分布列 3. 概率分布表 将①用表的形式表示如下： 4. 分布列的性质： 概率分布列中P(i 1,2L n)满足以下两个条件: (1) ______________________________ (2) ______________________________ 5. 两点分布 如果随机变量X只取两个可能值_0 和__________ 1 ___ ，则称该随机变量X服从0-1分布或两点分布并记为X?0-1或X?两点分布. 其概率分布表为： 其中丨min{ M , n}，且n N,M N,n,M,N N .称分布列

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）

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

离散型随机变量的期望值和方差

离散型随机变量的期望值和方差 一、基本知识概要： 1、 期望的定义： 一般地，若离散型随机变量ξ的分布列为 则称E ξ=x 1P 1+x 2P 2+x 3P 3+…+x n P n +…为ξ的数学期望或平均数、均值，简称期望。 它反映了:离散型随机变量取值的平均水平。 若η=a ξ+b(a 、b 为常数)，则η也是随机变量，且E η=aE ξ+b 。 E(c)= c 特别地，若ξ～B(n ，P )，则E ξ=n P 2、 方差、标准差定义： D ξ=(x 1- E ξ)2·P 1+(x 2-E ξ)2·P 2+…+(x n -E ξ)2·P n +…称为随机变量ξ的方差。 D ξ的算术平方根ξD =δξ叫做随机变量的标准差。 随机变量的方差与标准差都反映了:随机变量取值的稳定与波动、集中与离散的程度。 且有D(a ξ+b)=a 2D ξ,可以证明D ξ=E ξ2- (E ξ)2。 若ξ～B(n ，p)，则D ξ=npq ，其中q=1-p. 3、特别注意：在计算离散型随机变量的期望和方差时，首先要搞清其分布特征及分布列，然后要准确应用公式，特别是充分利用性质解题，能避免繁琐的运算过程，提高运算速度和准确度。 二、例题： 例1、（1）下面说法中正确的是 （ ） A ．离散型随机变量ξ的期望E ξ反映了ξ取值的概率的平均值。 B ．离散型随机变量ξ的方差D ξ反映了ξ取值的平均水平。 C ．离散型随机变量ξ的期望E ξ反映了ξ取值的平均水平。 D ．离散型随机变量ξ的方差D ξ反映了ξ取值的概率的平均值。 解：选C 说明：此题考查离散型随机变量ξ的期望、方差的概念。 （2）、（2001年高考题）一个袋子里装有大小相同的3个红球和2个黄球，从中同时取出两个，则其中含红球个数的数学期望是 。 解：含红球个数ξ的E ξ=0× 101+1×106+2×10 3=1.2 说明：近两年的高考试题与《考试说明》中的“了解……，会……”的要求一致，此部分以重点知识的基本 题型和内容为主，突出应用性和实践性及综合性。考生往往会因对题意理解错误，或对概念、公式、性质应用错误等，导致解题错误。 例2、设ξ是一个离散型随机变量，其分布列如下表，试求E ξ、D ξ 剖析：应先按分布列的性质，求出q 的值后，再计算出E ξ、D ξ。 解：因为随机变量的概率非负且随机变量取遍所有可能值时相应的概率之和等于1，所以??? ? ???≤≤-≤=+-+11 2101212122 q q q q

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

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

随机变量的数学期望与方差

限时作业62 随机变量的数学期望与方差 一、选择题 1.下列说法中，正确的是( ) A.离散型随机变量的均值E(X)反映了X取值的概率平均值 B.离散型随机变量的方差D(X)反映了X取值的平均水平 C.离散型随机变量的均值E(X)反映了X取值的平均水平 D.离散型随机变量的方差D(X)反映了X取值的概率平均值 解析:离散型随机变量X的均值反映了离散型随机变量×取值的平均水平,随机变量的方差反映了随机变量取值偏离于均值的平均程度. 答案:C 则D(X)等于( ) A.0 B.0.8 C.2 D.1 解析:根据方差的计算公式,易求V(X)＝0.8. 答案:B 3.若随机变量X服从两点分布，且成功的概率p＝0.5，则E(X)和D(X)分别为( ) A.0.5和0.25 B.0.5和0.75 C.1和0.25 D.1和0.75 解析:∵X服从两点分布， ∴X的概率分布为 D(X)＝0.52×0.5+(1－0.5)2×0.5＝0.25. 答案:A 4.离散型随机变量X的分布列为P(X＝k)＝p k q1－k(k＝0,1,p+q＝1)，则EX与DX依次为( ) A.0和1 B.p和p2 C.p和1－p D.p和p(1－p) 解析:根据题意，EX＝0×q+1×p＝p,DX＝(0－p)2q+(1－p)2p＝p(1－p)或可以判断随机变量X 满足两点分布，所以EX与DX依次为p和p(1－p)，选D. 答案:D 5.已知X～B(n,p),EX＝8,DX＝1.6，则n与p的值分别是( ) A.100,0.08 B.20,0.4 C.10,0.2 D.10,0.8 解析:由于X～B(n,p),EX＝8,DX＝1.6，即np＝8,np(1－p)＝1.6， 可解得p＝0.8，n＝10，应选D. 答案:D 二、填空题 6.①连续不断地射击，首次击中目标所需要的射击次数为X;②南京长江大桥一天经过的车辆数为X;③某型号彩电的寿命为X；④连续抛掷两枚骰子，所得点数之和为X；⑤某种水管的外径与内径之差X. 其中是离散型随机变量的是____________.(请将正确的序号填在横线上) 解析:②④中X的取值有限，故均为离散型随机变量；①中X的取值依次为1,2,3,…,虽然无限，但可按从小到大顺序列举，故为离散型随机变量;而③⑤中X的取值不能按次序一一列举，故均不是离散型随机变量.

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；

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。

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

二维随机变量的期望与方差

二维随机变量的期望与方差 【定义11.1】设二维随机变量（X 、Y ）的Joint p.d.f.为f(x,y)，则： ????????????∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞ ∞-∞∞--=-=-=-=====dxdy y x f EY y dy y f EY y DY dydx y x f EX x dx x f EX x DX dxdy y x yf dy y yf EY dydx y x xf dx x xf EX Y X Y X ),()()()(),()()()(),()(),()(2222 假定有关的广义积分是绝对收敛的。 别外：二维随机变量的函数Z=g(X,Y)的数学期望为： ??∞∞-∞∞-?=dxdy y x f y x g EZ ),(),( 有关性质： ① E （X+Y ）=EX+EY ； 因为： EY EX dxdy y x yf dxdy y x xf dxdy y x f y x Y X E +=+=+=+??????∞∞-∞ ∞-∞∞-∞∞-∞∞-∞∞-),(),(),()()( ② 设X 、Y 同类型，且相互独立，则：E(XY)=EXEY ；

对连续情形：因X 、Y 相互独立， 故 )()(),(y f x f y x f Y X =， [][]EY EX dy y yf dx x xf dxdy y f x xyf dxdy y x xyf XY E Y X Y X ?=? ===??????∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-)()()()(),()( ③ 设X 、Y 相互独立，则：D （X+Y ）=DX+DY ； 由于X 、Y 相互独立，X-EX 与Y-EY 也相互独立， 0][][]}][{[=--=--EY Y E EX X E EY Y EX X E 因而： DY DX EY Y EX X E EY Y E EX X E EY Y EX X E Y X E Y X E Y X D +=--+-+-=-+-=+-+=+)])([(2)()(} )](){[(} )]({[)(2222

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 ,,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。 解 设试开次数为X ，则 n k X p 1)(==，n , ,2 ,1 =k 于是 ∑=? =n k n k X E 11)(2)1(1n n n +?=21+=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。

论文 随机变量的期望和方差的计算方法

序 言 数学方差和期望比较集中的反映随机变量的某个侧面的平均特性,因此对随机变量的期望和方差的计算具有很深的实际意义. 本论文着重总结了随机变量期望和方差的几种常用计算方法,并通过具体例子阐述在不同情况下应该采用的计算方法,以达到使计算最简便化的目的. 一、 离散型随机变量期望的计算方法 方法一 定义法 [1] 即若已知离散型随机变量ξ的分布列为 则ξ的期望为1111(2)()()p p A B p A B ξ==+ 例1 某项考试按科目A 和科目B 依次进行,只有当科目A 成绩合格时,才可继续参加科目B 的考试,已知每个科目只允许有一次补考机会,两个科目成绩均合格方可获得证书.现某人参加这项考试,科目A 每次考试成绩合格的 的考试机会,记他参加考试的次数为ξ,求ξ的数学期望E ξ. 解 设“科目A 第一次考试合格”为事件1A ,“科目A 补考合格”为事件2A ,“科目 B 第一次考试合格”为事件1B ,“科目B 补考合格”为事件2B ,已知得ξ=2,3,4注意到各 事件之间的独立性与互斥性,可得 1111(2)()() 21113233114399 p p A B p A B ξ==+=?+?= +=

对于某些实际问题中的随机变量,如果能够断定它服从某常见的典型分布（如二项分布、超几何分布等）,则此随机变量的期望可直接利用这种典型分布的期望公式求得. 方法二 公式法 设随机变量ξ服从二项分布(,,)B b n p ,其分布列为： {}(1) (0,1,2)k k n k n P k C p p k n ξ-===-=???, 则我们有： 01 1 11 11 1 !()(1) !()!! (1)!()! (1) (1)(1) n k n k k n k n k k n k k n k n k n i i n i n i i n E k p p k n k n p p k n k np p p np p p np i k C C ξ-=-=----=----== ? --= --=-=-==-∑ ∑ ∑ ∑ 由此便推出服从二项分布的随机变量的数学期望的计算公式为()E np ξ=. 例2 一个实验学科的考察方案：考生从6道选题中一次性随机抽取3题,按题目要求独立完成全部实验操作.规定：至少正确完成其中2题者方可通过,已知6道备选题中考生甲有4 不影响. 分别求出甲、乙两考生正确完成题数的数学期望. 解 设考生甲正确完成的题数为ξ,则ξ服从超几何分布,其中6,4,3N M n ===, ∴3426 nM E N ξ?= == 设考生乙正确完成的题数为η,则 2 ~[3,]3B η,2323E np η==? = 方法三 性质法 即利用期望的性质求期望,所用到的性质主要有: