Professional Documents
Culture Documents
随机变量的数学期望
一、背景知识与引入方法
我们知道由于随机变量按一定的概率
规律取值,所以利用随机变量的概率分布
可以完整地描述随机变量,然而有时仅利
用与随机变量概率分布有关的一个或几个
数字特征来描述随机变量就可以了,这些
数字从另一个侧面描述了该随机变量的分
布特征,这些能用数字表示的随机变量的
特征统称为随机变量的数字特征 .
随机变量的数学期望的定义来自于加权
平 均 的 概 念 . 我们先看一个引例,设有甲
、乙两射手,其射击技术可用下表表示:
甲射手
击中环数 10 9 8
概率 0.7 0.25 0.05
乙射手
击中环数 10 9 8
试问哪个射手水平较高 ?
假设两射手各射 N 枪,则各人击中靶
子的环数大约是:
甲: 10 0.7 N 9 0.25 N 8 0.05 N 9.65 N ,
乙: 10 0.75 N 9 0.1N 8 0.15 N 9.6 N
平 均 起 来 , 甲 射 手 每枪 射 中 9.65 环 ,
因此 , 甲射手的水平高一些 .
数学期望这一名词是源于赌博,听起
来似乎不太通俗易懂,但是它在概率论中
已源远流长、并获得大家公认 . 数学期望
也常称为 “均值 ”,是指以概率为权的加权
平 均 .这里我们分别给出离散型随机变量、
连续型随机变量以及随机变量函数的数学
期望的定义,并进一步研究数学期望的性
质.
二、该知识点的讲解方法
2.1 离散型 随机变 量及 离散型 随机 变量函 数
的数学 期望
定义 1( 离散型随机变量的数学期望 )
设离散型随机变量
X P X xi pi i 1, 2,L
的分布律为
,
如果级数 i 1
i i x p
绝对收敛,则称其为离散型随机变量 X 的
数学期望或期望,记作
EX ,即
EX xi pi . (1)
i 1
如果 x p 发散,则称随机变量
i 1
i X i 的
数学期望不存在 . 由此可知,若
X 只取有
限个值 , EX
则其数学期望 一定存在 .
为了进一步理解离散型随机变量
数学期望的定义,下面我们列举几个应熟
练掌握的离散型随机变量数学期望 .
X ~ B 1, p
1) 两点分 布的数 学期望 设随机变量
即
P X 1 p, P X 0 q, 且 0 p 1, p q 1
由( 1 )式 ,有
EX 0 (1 p ) 1 p p.
2) 二项 分布的 数学 期望 X ~ b k ; n, p
设随机变量
P X k C kn p k q n k , k 0,1, 2,L , n, 0 p 1, q 1 p,
即
则
n!
EX kC p q k k nk
k p k q nk
k ! n k !
n
k 1 k 1
np C kn 11 p k 1q n k np p q n 1 np.
k 1
P X k e , k 1, 2,L , 0,
k!
则
k
k 1
EX k e e e e .
k 1 k ! k 1 k 1 !
4) 几何 分布的 数学 期望 设随机变
X
量 服从 p 0 p 1 X
于参数为P X k q k 1 p, k 1, 2,L , 0 p 1, 的几何分
布 ,即 的分布律为 ,
EX 则 kpq k 1
p 1 2 q 3q 2
L
k 1
q
p q q q L p
2 3
1 q
1
pg
1 q
2
1
.
p
如何求离散型随机变量 X Y g X
的函数
Y g X
的数学期望呢 ? 可以不必求 的
分布律 , 而只需利用原随机变量
X 的分布
就可以了 . 为此 , 需要如下定理 .
定理 1( 离散型 随机变 量的 函数的 数学
X )
期望 若 是离散型随机变量 P, X其分布 xi pi , i 1, 2,L
g x
律为 x 又 是
实变量 的单值函数 g x ,p 如果
,
i i
i 1
则随机变量X Y g X
的函数 的数
学期望
EY Eg X g xi pi . ( 2)
i 1
定理 2( 二维离散 型随 机变量 的函 数的
数学期 望 ) X , Y 设 是二维离散型随机变
P X xi , Y yi pij , i, j 1, 2,L
量 , 其联合分布律为 g x, y
,又 x, y 是实变量 的单值实函数
n n
,如果
g x , y p ,
i j ij
i 1 j 1
则二维离散型随机变量的函数 Z g x, y 的数
学期望
n n
EZ Eg X , Y g xi , y j pij . (3
i 1 j 1
)
定理 2 可推广到 n 维离散型随机变量
的场合 . 根据定理 1 及定理 2 ,如果需要求
离散型随机变量的函数的数学期望,可直
接利用原来随机变量的分布律,而不必先
求随机变量函数的分布律 .
2.2 连续型 随机 变量及 连续 型随机 变量 函数
的数学 期望
设连续型随机变量X f x
的概率密度
a, b 只在 上取非零值,并且是 a, b
上的连续函数,取分点
a a0 a1 a2 L an b,
这里我们分别给出离散型随机变量、
连续型随机变量以及随机变量函数的数学
期望的定义,并进一步研究数学期望的性
质 . (似乎多余 )
ba
定义 ai ai 1 ai n
,则随机变量 X
落 i ai , ai 1
a在 中 的 a概 率 为
P X ai f x dx.
i 1
ai
如果我们把X ai , ai 1 X ai 近似
看成 ,则按离散型随机变量 X
的定义知 取值的平均大小应近似为
n 1 n 1
ai f x dx ai f bi ai 1 ai , bi ai , ai 1 .
a i 1
a
i
i 0 i 0
n 越大,上式的近似程度就越好 . 当 n 时
,上式和式的极限即为
xf x dx.
为连续型随机变量X 的数学期望,简称为期
望,记作
EX . 否则称连续型随机变量
X 的
数学期望不存在 .
为了进一步理解连续型随机变量数学
期望的定义,下面我们列举几个应熟练掌
握的连续型随机变量数学期望 .
5) 均匀 分布的 数学 期望 X ~ U a, b
设随机变量
则
1 ab
EX xf x dx x dx .
ba 2
6) 均匀 分布的 数学 期望 设随机变量 X 服
数为
从参 的指数分布,
1
则 EX xf x dx x e dx .
x
0
此结 果的意义 是:若随 机变 量X 表示产 品
的寿命,服从参数为 的指数分布,则产品
1
的平均寿命为
.
7) 正态分 布的数 学期 望 X ~ N , 2
设随机变量
则 EX . 事实上,显然有 x 2
1
x x dx xe 2 2
dx .
2π
因而 EX 存在,且 x
2
x
EX x x dx e 2 2
dx ,
x
2π
令 u
,有
u2
1
EX u e du
2
2π
2 2
u2 1 u2
2π
ue du g
2π
e du
.
若已知连续型随机变量 X 的概率密度
f X x 如何求随机变量Y g ( X )
为 的数学期望
呢?自然可以先求 Y 的概率密度 fY y ,再
由数学期望的定义求出 EY fY y .
但是求
有时并非易事 . 与定理 1 类似的定理 Y 3 说明
可以免去求 fY y 的概率密度
EY 而求 的方
法.
定理 3 (连续 型随机 变量 的函数 的数 学期望
)X 若 是连续型随机变量,其概率 f x
g x x ,又
密度为 是连续函
数,如果 g x f ( x)dx ,
(6
)
则连续型随机变量 X 的函数 Y g( X ) 的数学
期望
EY Eg ( X ) g x f ( x)dx. (7
)
证明这里略去
.
定理 4( 二维连续 型随 机变量 的函 数的
数学期 望 ) X , Y 设
是具有联合分布密度 f x, y
为 的二维连续型随机变量, g
x , y , x , y R 2
Z g X ,Y
是二元连续函数, ,如果
g x, y f x, y dxdy , (8
)
则
EZ Eg X , Y
(9 g x, y f x, y dxdy.
)
n 维随机变量的场合 .
定理 4 可推广至
由于上述两个定理,在求连续型随机变量函
数的数学期望时,可直接引用原来随机变量
的概率密度而不必先求随机变量的函数的概
率密度 .
2.2 数学期 望的 性质
数学期 望具有 如下 性质:
(1) 若随机变量 X C C , 为常数EX ,则 C
(2) . 若随机变量 X 的数学期望存在, C 为
常 CX 的数学期望存在 , 且
数,则
E CX CEX . (10)
(3) 若X , Y 是定义在同一个概率空间 , F, P
上的两个随机变量,且 EX , EY X Y
E存在,
则 存在,且
E X Y EX EY . (11)
(4) 若随机变量 X Y与 相互独立,且
EX , EY
E XY
存在,则 存在,且
E XY EX gEY . (12)
一般地,若X 1 , X 2 ,L , X n 是
, F, P
定义在同一概率空间 EX i , i 1, 2,L , 上的随
n
n
a1 , a2 ,L an
机变量, E a X
i i 存
i 1
在, 为任意实数,则
n
n
存在,且 E ai X i ai EX i . (11)'
i 1 i 1
一般地,若X 1 , X 2 ,L , X n 相
i , i 1, 2,L , n
互独立,且
EX E X 1 X 2 L X存在,则
n
n
存在,且
1 2 n
E X X L X
i 1
i EX . (12)'
证明 性质( 1 ) 由条件,随机变量 X 服
从于单点分布 P X C 1 ,由离散型随机
变量的数学期望的定义,EX C gP X C C
.
性质( 2 ) C 若 0 ,则结论显然成立
. 以下设C0 ,分离散型与连续型两种场合
X
给予证明 . 若 是离散型随机变量,其分布
律为 P X i xi pi , i 1, 2,L .
若 X 是连续型随机变量,具有概率密度 f x ,
由
EX x f x dx
存在知 . 再由定理 3
及 E CX
Cx f x dx C
x f x dx ,
知 E CX 存在,且
E CX Cxf x dx C xf x dx CEX .
性质( 3 ) 就连续型随机变量场合
给予证明,离散场合请读者自行完成之 .
X ,Y
设二维连续型随机变量 f x, y
的联合概率密
度为 ,则由定理 4知
E Z E X Y x y f x, y dxdy
x
f x, y dy dx
y
f x , y dx dy
x f X x dx y fY x dx
E X E Y ,
故存在,且
E X Y x y f x, y dxdy
x
f x, y dy dx
y
f x, y dx dy
EX EY .
性质( 4 ) 同样就连续型场合加以
证明,设二维连续型随机变量 X ,Y 的概率
f x, y
密度为 ,由定理 4 并注意到
X Y 与 相
互独立,有
E Z E XY xy f x, y dxdy
xy f X x fY y dxdy
x f X x dx y f Y y dy
E X E Y ,
故 E XY 存在,且用相同的方法可得
E XY xyf x, y dxdy
xf X x dx yfY y dy
EXEY .
事实上,数学期望还具有如下性质
(留做习题 ):
(5) 设j , k 为均为正整数且jk E X k
,如
果 E X j
存在,则 也存在 .
(6) 设 a b, a, b P a X b 1
为常数,如果
a EX b ,则
.
(7) 若X 是取非负整数值 0,1, 2,L 的离
散型随机变量,则
EX P x n .
n 1
三、例题
例1 ( 分布 的数学 期望 ) X ~ t,
若随机变
量
xf x dx
t t x 1
则 EX 0 x
t
x e dx e x dx ,
0 t t
令 x u ,则
1 t 1
EX
t 0
u t e u du
t
,
再由 t 1 t t
函数的性质:
,知 t
EX .
例2 设随机变量的分布密度为
1
f x , X .
π1 x
2
由于
1 2 x
x
π1 x
2
dx
π 0
1 x
2
dx ,
所以 EX 不存在 .
例 3 一辆飞机场的交通车,送 25 位乘客到 9
个站,假设每一位乘客都等可能地在任一站
下车,并且他们是否下车是相互独立的 . 又
知交通车只有在有人下车时才能停车 . 求该
交通车停车次数的数学期望 .
解 由题设,每一位乘客在第 i 站下车的概率
k 第位乘客在第站下车
1
为 .i 1, 2,L ,9 . A令 k i
9
,则
P Ak , P Ak , k 1, 2,L , 25.
1 8
9 9
又 因 A1 , A2 ,L , A25 相 互 独 立 , 所 以
i 第 站 没有
人下车(因此不停车)的概率为 25
8
25 25
P I Ak
P Ak , i 1, 2,L ,9.
k 1 k 1 9
设
1, 在第i站有人下车,
Xi i 1, 2,L ,9,
0, 在第i站无人下车,
则
25 25
8 8
P X i 0 , P i
X 1 1 , i 1, 2,L ,9.
9 9
8
25
1,1
即 X i ~ B . 于是,交
9
通车停车的总次数 9
X Xi,
i 1
9 9
所以 EX EX i 1 P X i 1 0 P X i 0
i 1 i 1
9
8
25
1 P X i 1 9 1 .
i 1 9
例 4 (超几 何分 布的数 学期 望) 设随机变量 X
服从参数 N , M为,n 的超几何分
X
布,即 的分布律为
C mM C nNmM
P X m n
,0 n N , 0 m M , M N .
CN
若把从N 件产品中取出 n 件产品、其中
恰好有
m 件废品的试验看成不放回抽样试验
.令 1, 在第i次抽得废品,
Xi
0, 在第i次抽得正品,
M M M
则 P X i 1 N , P X i 0 1 N , i 1, 2,L , n EX.i
因N
此 X X 1 X而2 L X n n 表示 次抽样 的
废品数,它服从超几何分布 .
利用数学期望性质( 3 )得到
n
n
nM
EX E X i EX i .
i 1 i 1 N