第 3 章 随机变量的数字特征
l 理解数学期望的概念,会求一些随机变量的数学期望 l 理解方差的概念,会求一些随机变量的方差 l 掌握常见的随机变量的数学期望与方差 l 了解随机变量的矩、协方差与相关系数 随机变量的分布函数是对随机变量概率性质的完整的刻画,描述了随机变量的统计规律 性,但在实际问题中,有时不容易确定随机变量的分布;有时则并不需要完全知道随机变量的 分布,而只需要知道它的某些特征就够了,因此不需要求出它的分布函数.这些特征就是随机 变量的数字特征,它们是由随机变量的分布所决定的常数,刻画了随机变量某一方面的性质. 例如,考察某种大批量生产的产品的使用寿命,它可以用随机变量来描述,如果知道了 这个随机变量的分布函数, 就可以计算产品寿命落在任一指定界限内的产品的百分比, 这是对 产品寿命状况的完整刻画.如果不知道随机变量的分布函数,而知道产品的平均使用寿命,虽 然不能对产品寿命状况提供一个完整的刻画, 但却在一个重要方面刻画了产品寿命的状况, 这 往往也是我们最为关心的一个方面.类似的情况很多,例如评定某地区粮食产量的水平时,经 常考虑平均亩产量;对某一射手进行技术评估时,经常考察射击命中环数的平均值;检查一批 棉花的质量时,所关心的是棉花纤维的平均长度等.这个重要的数字特征就是数学期望,简称 为期望,常常也称为均值. 另一个重要的数字特征用以衡量一个随机变量的取值的分散程度.例如对一射手进行技 术评定时,除考察射击命中环数的平均值以外,还要了解命中点是分散还是比较集中.在检查 一批棉花的质量时, 除关心棉花纤维的平均程度以外, 还要考虑纤维的长度与平均长度的偏离 程度.如果两批棉花的平均长度相同,而一批棉花纤维的长度与平均长度接近,另一批棉花则 相差较大,显然,前者显得整齐,也便于使用,而后者显得参差不齐,不便于使用.描述随机 变量取值分散程度的数字特征就是方差. 期望和方差是刻画随机变量性质的两个最重要的数字特征.数字特征能够比较容易地估 算出来, 在理论上和实践上都具有重要的意义. 其他的数字特征还有矩和协方差、 相关系数等.3.1 随机变量的数学期望
3.1.1 离散型随机变量的数学期望 例 1 假设对一个零件的某个特征进行的 n 次测量中,有 n 次测得结果为 1 x , 1 n 次测得2结果为 x ,…, 2 n 次测得结果为 k x ,试求随机变量 X 的k n次观测值的平均值. 解 设测量结果的平均值为 x ,则 1 2 1 1 2 2 1 2 1 1 2 2 1 1 ( ) ( ) ( ) ( ) ( ) k k k k k n n k n k i n i i n n n x x n x n x n x x x n n n n x f x x f x x f x x f x = = + + + = + + + = + + + =
å
, … … … 其中 1 ( ) k i i n i i n x n f x n = = =å
; 是测量结果x
i 的频率,且 1 ( ) 1 k n i i f x = =å
. 由此可见,测量结果的平均值 x 是以频率 ( ) fn x 为权的加权平均值. i由于频率具有稳定性,即当试验次数n很大时,事件
{
X = x i}
的频率 ( ) fn x 将在概率 i p 的 i附近摆动( 1 2 i= ,, , … k ),因此,可用概率 p 代替频率 ( ) i fn x ,产生和式 i 1 k i i i x p =
å
.由此引出 离散型随机变量 X 的数学期望(或均值). 一、离散型随机变量的数学期望的定义 定义 1 设离散型随机变量 X 的概率分布为 P X{
=xi}
= ( p i i = , , 1 2 … ), 若级数 i i i x på
绝对收敛,即 i i i x på
收敛,则称 i i i x på
为离散型随机变量 X 的数学期望(或均值),简称期 望,记作 ( ) E X ,即 ( ) E X = i i i x på
. 期望的定义表明,期望就是随机变量 X 的取值 x 以它们的概率为权的加权平均,从这个 i 意义上说,把 ( ) E X 称为 X 的均值更能反映这个概念的本质. 例 2 盒中有 5 个球,其中 3 个黑球,2 个白球,现从中任取 2 个球,求取得黑球数的期望. 解 用 X 表示取到的黑球数,则 X 所有可能取的值为 0,1,2,其分布列为 X 0 1 2 p 0.1 0.6 0.3 于是 ( ) E X = 0×0.1+1×0.6+2×0.3=1.2. 例 3 甲、乙两人进行打靶,所得分数分别记为 X1, X 2 ,它们的分布列分别为 X1 0 1 2 p 0.1 0.2 0.7 X2 0 1 2 p 0.6 0.3 0.1 试评定他们的成绩的好坏.解 E X = 0×0.1+1×0.2+2×0.7=1.6(分)( 1 ) , 2 ( ) E X =0×0.6+1×0.3+2×0.1=0.5(分). 这意味着,如果进行很多次射击,那么,甲所得分数的平均值接近 1.6 分,而乙的接近 0.5 分,很明显,乙的成绩远远不如甲的成绩. 例 4 某人每次射击命中目标的概率为 0.8,现连续向一个目标射击,直到第一次命中目 标为止,求射击次数的期望. 解 用 X 表示直到第一次命中目标为止时的射击次数, 则 X 所有可能取值为 1, 2, 3, …. X =1 意味着第一次射击命中目标,则 P X =
{
1}
= 0.8 , X =2 意味着第一次未命中目标,第二次射击命中目标,则 P X ={
2}
= 0.2×0.8. 一般地,X = k 意味着前 k - 次未命中目标,第 k 次命中目标,则 1{
}
1 0.2k 0.8 P X =k = - ´ , 于是{
}
1 1 1 2 1 ( ) 0.2 0.8 0.8 (1 2 0.2 3 0.2 0.2 ) k k k k E X k P X k k k ¥ ¥ - = = - = ´ = = ´ ´ = ´ + ´ + ´ + + ´ +å
å
… … , 记 A = 1 2 0.2+ ´ + ´3 0.22+… + ´k 0.2 k - 1 + …, 则 0.2 A = 0.2+ ´2 0.22+ ´3 0.23 +… + ´k 0.2 k + …, 0.2 A- A = 1 0.2+ +0.22+0.23 +… +0.2 k + …, 右端是公比为 0.2 的等比级数,于是 0.2 A- A = 0.8 A = 1 1.25 1 0.2 - = , 从而 A = 1.25 . 2 ( ) E X = 0.8× 1.25 2 =1.25. 注:若每次射击命中目标的概率为 p ,则{
} (
1)
k 1 P X =k = - p - p ,(
)
1 1 1 ( ) 1 k k E X k p p p ¥ - = =å
- = . 二、几种常见的离散型随机变量的期望 1.两点分布 设 X 服从参数为 0p( < p < 1 )的两点分布,即 X 0 1 p 1-p p 则 ( ) E X = 0 (1´ -p) 1 + ´p= .p2.二项分布 设 ~ ( , ) X B n p ,其概率分布为
{
}
Ckn k(
1)
n k 0 1 2 P X =k = p -p - ( k= ,,, …, ) n , 则(
)
(
) (
)
(
)
(
)
(
) (
) (
)
(
)
( ) ( )(
)
( ) ( ) 0 1 1 1 1 1 1 1 1 1 1 1 ( ) C 1 ! 1 1 ! ! 1 ! 1 1 ! 1 1 ! C 1 n n k k k n k n n k k k n n k k k n n k k k n k E X k p p n p p k n k n np p p k n k np p p - = - = - - - - = - - - - - - = = - = - - - - = - - éë - - - ù û = -å
å
å
å
, 令 m=k - ,则 1(
)
( ) ( )(
)
(
)
1 1 1 1 1 1 1 1 1 1 0 C 1 C 1 1 1 n n n n k n m k k m m n n k m p p p p p p - - - - - - - - - = = - = - =éë + - ù û =å
å
. 从而 ( ) E X = np . 二项分布的期望是 np, 直观上也比较容易理解这个结果. 因为 X 是 n 次试验中某事件 A 出 现的次数,它在每次试验时出现的概率为 p,那么 n 次试验中当然平均出现 np 次了. 3.泊松分布 设 X : P( ) l ,概率分布为{
}
e 0 1 2 0 ! k P X k k k l l l - = = ( = ,,, , … > ) , 则 1 0 1 ( ) e e ! ( 1)! k k k k E X k k k l l l l l ¥ ¥ - - - = = = = -å
å
, 令 m=k - ,则 1 1 1 0 e ( 1)! ! k m k k m m l l l ¥ - ¥ = = = = -å
å
, 从而 ( ) E X = . l 这表明,在泊松分布中,参数l 是它的数学期望. 3.1.2 连续型随机变量的数学期望 一、连续型随机变量的数学期望的定义 定义 2 设连续型随机变量 X 的概率密度为 ( ) f x ,若积分 ( )d +¥ -¥ò
xf x x 绝对收敛,则称积分 ( )d +¥ -¥
ò
xf x x 的值为随机变量 X 的期望,记为 ( ) E X , 即 ( ) E X=
( )d +¥ -¥ò
xf x x . 例 5 设在规定时间段内,某电气设备用于最大负荷的时间 X(单位:min)是一个随机 变量,其概率密度为 ( ) f x(
)
2 2 1 0 1 500 1 500 1 3 000 1 500 3 000 1 500 0 x x x x ì ï ï - ï =í - < ï ï ï î , , , , , 其他, ≤ ≤ ≤ 试求最大负荷的平均时间. 解 最大负荷的平均时间即为 X 的数学期望,故 ( ) E X ( ) d +¥ -¥ =ò
xf x x(
)
1 500 3 000 2 2 0 1 500 1 d 3 000 d 1 500 1 500 - =ò
x x x+ò
x x- x 1 500 = (min) . 所以,最大负荷的平均时间为 1500min. 例 6 设随机变量 X 的概率密度为 ( ) f x 1 e 2 x x - = ( - ¥ < < +¥ ),求 ( ) E X . 解 E X ( ) 0 0 1 1 1 e d e d e d 2 2 2 +¥ - +¥ - -¥ -¥ =ò
x x x=ò
x x x+ò
x x x , 使用分部积分法,可得 ( ) E X =0. 二、常见的连续型随机变量的数学期望 1.均匀分布 设 X : U a b [ , ] ,其概率密度为 ( ) f x 1 0 a x b b a ì ï = í - ï î , , , 其他, ≤ ≤ 则 ( ) E X d 1(
)
2 = = + -ò
a b x x a b b a . 2.指数分布 设 X 服从参数为l 的指数分布 ( ) E l ,概率密度为 ( ) f x e 0 0 0 - ì ï = í ï î x x x l l , ≥ , , < ( l > 0) , 则( ) E X 0 1 e d +¥ - =
ò
xl l x x= l . 3.正态分布 设 2 ( , ) X : N m s ,其概率密度为 ( ) f x ( ) 2 2 2 1 e 2π x x m s s - - = ( - ¥ < < +¥ ) , 则 ( ) E X ( ) 2 2 2 e d 2π - - +¥ -¥ =ò
x x x m s s , 作变量代换,令 t x m s - = , 2 2 2 ( ) 2 1 2 e d ( )e d 2π 2π - - +¥ +¥ - -¥ = -¥ + =ò
ò
x t x x t t m s m s m s , 从而 ( ) E X = . m 这说明,在正态分布 2 ( , ) N m s 中,参数m 是该分布的期望. 3.1.3 随机变量函数的数学期望 在实际问题中,有时我们所面临的问题涉及一个或多个随机变量的函数.例如,在一个 系统中装有 3 个电子元件, 每个电子元件的使用寿命是一个随机变量, 该系统的使用寿命就是 这些随机变量的函数. 如果我们要求电子系统的平均使用寿命, 就归结为计算随机变量函数的 期望. 定理 3.1 设 ( ) g x 是连续函数,Y 是随机变量 X 的函数:Y = g X ( ) . (1)X 是离散型随机变量,概率分布为 P X{
=xi}
= p i ( i = 1 2 , , ) … ,若 ( )i i i g x på
收敛, 则有[
]
( ) ( ) ( )i i i E Y =E g X =å
g x p ; (2) X 是连续型随机变量,概率密度为 ( ) f x ,若积分 ( ) ( )d +¥ -¥ò
g x f x x 收敛,则有[
]
( ) ( ) E Y =E g X = ( ) ( ) d +¥ -¥ò
g x f x x . 定理 3.1 的证明从略,但从期望的定义不难理解这个定理的正确性. 定理 3.1 的重要性在于它提供了计算随机变量 X 的函数 ( ) g X 的期望的一个简便方法:不 需要先求 ( ) g X 的分布,而直接利用 X 的分布.因为有时候,求 ( ) g X 的分布并不容易. 例 7 设 X 的分布列为 X -2 0 2 p 0.4 0.3 0.3求 ( ) E X , E X ( 2 ) . 解 E X = (( ) - 2) ×0.4+0×0.3+2×0.3=-0.2, 2 ( ) E X = (-2)2´0.4+02´0.3+22 ´ 0.3 =2.8. 例 8 已知 X 服从
[
0, 2π 上的均匀分布,求]
E X ( 2 ) , (sin ) E X . 解X
的概率密度 ( ) f x 1 0 2π 2π 0 x ì ï = í ï î , , , 其他, ≤ ≤ 2 ( ) E X 2 ( )d +¥ -¥ =ò
x f x x = 2π 3 2 2π 2 0 0 1 1 4π d 2π 2π 3 3 æ ö = ç ÷ = è øò
x x x , (sin ) E X = ( ) sin d +¥ -¥ò
f x x x(
)
2π 2π 0 0 1 1 sin d cos 0 2π 2π =ò
x x= - x = . 例 9 设 X 服从参数为 1 的指数分布 (1) E ,求 2 ( ) E X , 2 3 e X E æç ö ÷ ç ÷ è ø . 解 X 的概率密度为 ( ) f x e 0 0 0 x x x - ì ï = í ï î , ≥ , , < , 2 ( ) E X 2 ( )d +¥ -¥ =ò
x f x x = 2 0 e d 2 +¥ - =ò
x x x , 2 3 e X E æç ö ÷ ç ÷ è ø 2 1 3 3 0 e e d 0 e d 3 +¥ - +¥ - =ò
x x x=ò
x x = . 3.1.4 数学期望的性质 数学期望具有下列性质(设所涉及到的随机变量的数学期望都存在): 性质 1 设 C 为常数,则 ( ) E C = ; C 性质 2 设 k 为常数,则 (E kX)= kE X ( ) ; 性质 3 设 X Y , 均为随机变量,则 (E X +Y)=E X( )+ E Y ( ) ; 对于任意 n 个随机变量 X1, , , X2 … X n ,也有 1 2 1 2 ( n) ( ) ( ) ( n ) E X +X +… +X =E X +E X +… + E X . 性质 4 设 X Y , 均为随机变量且相互独立,则 (E XY)= E X E Y ( ) ( ) . 对于n
个相互独立的随机变量 X1, , , X2 … X n ,也有 1 2 1 2 ( n) ( ) ( ) ( n ) E X X … X = E X E X … E X . 例 10 将一枚均匀的骰子连掷 10 次,求所得点数之和的数学期望. 解 设 X 是第 i 次掷骰子时所得的点数( i = 1,2,…,10)i ,则掷 10 次骰子所得点数之 和为 1 2 10 X = X +X +… + X , 1 2 10 ( ) ( ) ( ) ( ) E X =E X +E X +… + E X . 对每个 X ,所有可能取的值为 1,2,3,4,5,6,由于骰子是均匀的,因此取每个可能i值的概率均为 1 6 ,于是对 i = 1,2,…,10, ( i ) E X =1× 1 6 +2× 1 6 +3× 1 6 +4× 1 6 +5× 1 6 +6× 1 6 =3.5, ( ) E X =10×3.5=35. 例 11 证明:若 X Y , 均为随机变量且相互独立,则 E
[
(X -E X( ))(Y-E Y ( ))]
= . 0 证 因为 X Y , 相互独立,所以 (E XY)= E X E Y ( ) ( ) , 从而[
]
[
]
( ( ))( ( )) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 0. E X E X Y E Y E XY YE X XE Y E X E Y E XY E X E Y E Y E X E X E Y E XY E X E Y - - = - - + = - - + = - = 证毕.3.2 随机变量的方差
3.2.1 方差的概念 方差是随机变量的另一数字特征,它刻画了随机变量的取值在其中心位置附近的分散程 度,也就是随机变量与平均值的偏离程度.设随机变量 X 的数学期望是 ( ) E X ,偏离量 ( ) X - E X 本身也是随机的,为刻画偏离程度的大小,不能使用 X - E X ( ) ,因为其值为零,即 正负偏离彼此抵消了.为避免正负偏离彼此抵消,可以使用 E X{
- E X ( )}
作为描述 X 取值分 散程度的数字特征,称之为 X 的平均绝对差,由于在数学上绝对值的处理不方便,因此常用[
X - E X ( )]
2 的平均值 E{
[
X - E X ( )]
2}
度量 X 与 ( ) E X 的偏离程度,这个平均值就是方差. 一、方差的定义 定义 1 设 X 为一随机变量,如果 E{
[
X - E X ( )]
2}
存在,则称之为 X 的方差,记为 ( ) D X 或 var( ) X ,即 ( ) D X = E{
[
X - E X ( )]
2}
, 并称 D X 为 X 的标准差或均方差. ( ) 注意到 ( ) D X 是 X 的函数[
X - E X ( )]
2 的期望,令 ( ) g X =[
X - E X ( )]
2 ,利用定理 3.1 就可以 方便地计算 ( ) D X . 例如,对离散型随机变量 X ,若其概率分布为 P X{
=xi}
= p i ( i = 1 2 , , …) , 则 ( ) D X[
i ( )]
2 i i x E X p =å
- ;对连续型随机变量 X ,若其概率密度为 ( ) f x , 则 ( ) D X
[
( )]
2 ( )d +¥ -¥ =ò
x- E X f x x . 二、计算方差的重要公式 利用期望的性质,有 ( ) D X =E{
[
X- E X ( )]
2}
[
]
{
}
[
]
[
]
2 2 2 2 2 2 2 ( ) ( ) ( ) 2 ( ) ( ) ( ) ( ) ( ) E X XE X E X E X E X E X E X E X E X = - + = - + = - , 即 ( ) D X = E X( 2 )-[
E X ( )]
2 . 因此可以按下列步骤计算方差: (1)计算 ( ) E X : ( ) ( )d +¥ -¥ ì ï = í ï îå
ò
, , i i i x p E X xf x x (2)计算 2 ( ) E X : 2 2 2 ( ) ( )d +¥ -¥ ì ï = í ï îå
ò
, , i i i x p E X x f x x (3)计算 ( ) D X : (D X = ) E X( 2 )-[
E X ( )]
2 . 例 1 设离散型随机变量 X 的分布列为 X 0 1 2 p 0.2 0.5 0.3 求 ( ) D X . 解 E X =0×0.2+1×0.5+2×0.3=1.1, ( ) 2 ( ) E X =0 2 ×0.2+1 2 ×0.5+2 2 ×0.3=1.7, ( ) D X = E X( 2 )-[
E X ( )]
2 =1.7-1.1 2 =0.49. 例 2 设随机变量 X 的概率密度为 2 0 1 ( ) 0 x x f x = í ì î , , , 其他, ≤ ≤ 求 ( ) D X . 解 E X ( ) 1 2 0 2 2 d 3 x x =ò
= , X 为离散型随机变量, X 为连续型随机变量, X 为离散型随机变量, X 为连续型随机变量,2 ( ) E X 1 3 0 1 2 d 2 =
ò
x x = , ( ) D X = E X( 2 )-[
E X ( )]
2 = 2 1 2 1 2 3 18 æ ö -ç ÷ = è ø . 例 3 设在规定的时间段内,某电气设备用于最大负荷的时间 X(单位:min)是一个随 机变量,其概率密度为 ( ) f x(
)
2 2 1 0 150 150 1 300 150 300 150 0 x x x x ì ï ï - ï =í - < ï ï ï î , , , , , 其他, ≤ ≤ ≤ 试求最大负荷的方差 ( ) D X . 解 E X ( ) ( )d +¥ -¥ =ò
xf x x(
)
150 300 2 2 0 150 1 d 300 d 150 150 - =ò
x x x+ò
x x- x 150 = , 2 ( ) E X 2 ( )d +¥ -¥ =ò
x f x x(
)
150 300 2 2 2 2 0 150 1 d 300 d 150 150 - =ò
x x x+ò
x x- x 262 500 = , ( ) D X = E X( 2 )-[
E X ( )]
2 = 262 500 - 1502 = 26 100 . 例 4 设随机变量 X 的概率密度为 ( ) f x 1 e 2 x x - = ( - ¥ < < +¥ ) ,求 ( ) D X . 解 E X ( ) 0 0 1 1 1 e d e d e d 2 2 2 +¥ - +¥ - -¥ -¥ =ò
x x x=ò
x x x+ò
x x x , 利用分部积分法,可得 ( ) E X =0. 2 ( ) E X 0 2 2 2 0 1 1 1 e d e d e d 2 2 2 +¥ +¥ - - -¥ -¥ =ò
x x x=ò
x x x+ò
x x x=2, ( ) D X = E X( 2 )-[
E X ( )]
2 =2. 三、几种常见的随机变量的方差 1.两点分布 设 X 服从参数为 0p( <p < 1 )的两点分布 (1, ) B p ,即 X 0 1 p 1-p p 则 ( ) E X = ´0 (1-p) 1 + ´p= ,p2 ( ) E X =02´(1-p) 1 + 2 ´p= , p ( ) D X = E X( 2 )-
[
E X ( )]
2 = p- p2 = p(1- p ) . 2.二项分布 设 X ~ B n p ( , ) ,其概率分布为{
}
Ckn k(1 )n k 0 1 2 P X =k = p - p - ( k= ,, , …, ) n , 从而 ( ) E X = np , 2 2 2 0 ( ) C (1 ) ( 1) n k k n k n k E X k p p - n n p np = =å
- = - + (过程略) , ( ) D X = E X( 2 )-[
E X ( )]
2 = np(1- p ) . 3.泊松分布 设 X ~ P( ) l ,概率分布为{
}
e 0 1 2 0 ! k P X k k k l l l - = = ( = ,, , …, > ) , 则 ( ) E X = , l 2 2 2 0 ( ) e ! k k E X k k l l l l ¥ - = =å
= + (过程略) , ( ) D X =E X( 2 )-[
E X ( )]
2 = l . 这表明,在泊松分布中,它的唯一参数l 既是它的数学期望又是它的方差. 4.均匀分布 设 X ~ U a b [ , ] ,其概率密度为 ( ) f x 1 0 a x b b a ì ï = í - ï î , , , 其他, ≤ ≤ 则 ( ) E X d 1 ( ) 2 = = + -ò
a b x x a b b a , 2 ( ) E X 2 2 2 1 d ( ) 3 = = + + -ò
a b x x a ab b b a , ( ) D X = E X( 2 )-[
E X ( )]
2 1 ( ) 2 12 b a = - . 5.指数分布 设 X 服从参数为l 的指数分布 ( ) E l ,其概率密度为 ( ) f x e 0 0 0 x x x l l - ì ï = í ï î , ≥ , , < ( l > 0) , 则( ) E X 0 1 e d +¥ - =
ò
xl l x x= l , 2 ( ) E X 2 2 0 2 e d +¥ - =ò
x l l x x= l , ( ) D X =E X( 2 )-[
E X ( )]
2 12 l = . 6.正态分布 设 X 2 ( , ) N m s ~ ,其概率密度为 ( ) f x 2 2 ( ) 2 1 e 2π x x m s s - - = ( - ¥ < < +¥ ) , 则 ( ) E X = , m 2 ( ) E X =m2+ s2 , ( ) D X 2 2 ( ) 2 2 2 ( ) e d 2π - - +¥ -¥ - =ò
= x x x m s m s s (过程略) . 3.2.2 方差的性质 方差具有以下重要性质: 性质 1 设 C 为常数,则 ( ) 0 D C = ; 证{
[
]
2}
( ) ( ) 0 D C =E C-E C = . 性质 2 设 C 为常数,则 (D X +C)= D X ( ) ; 证 D X( +C)=E{
[
(X +C)-E X( + C )]
2}
[
]
{
2}
( ) ( ). E X E X D X = - = 性质 3 设 k 为常数,则 2 ( ) ( ) D kX = k D X ; 证 D kX( )=E{
[
kX - E kX ( )]
2}
[
]
{
2}
2 2 ( ) ( ) k E X E X k D X = - = . 性质 4 设随机变量 X Y , 相互独立且方差 ( )D X , D Y ( ) 都存在,则有 ( ) ( ) ( ) D X ±Y =D X + D Y . 证 因为 X Y , 相互独立,所以 (E XY)= E X E Y ( ) ( ) ,而{
}
{
}
{
}
{
}
{
}
2 2 2 2 ( ) ( ) ( ) ( ) ( ) ( ( ) ( ) 2 ( ( )( ( ) D X Y E X Y E X Y E X E X Y E Y E X E X E Y E Y E X E X Y E Y + = + - + = - + - = - + - + --{
}
{
}
( ) ( ) 2 ( ( ) ( ) ( ) ( ) ( ) ( ) 2 ( ) ( ) ( ) ( ) ( ). D X D Y E XY E X E Y XE Y YE X D X D Y E XY E X E Y D X D Y = + + + - - = + + - = + 又因为 ( ) ( ) ( ) ( ) ( ) D X -Y =D X +D Y- =D X + D Y , 所以 ( ) ( ) ( ) D X ±Y =D X + D Y .证毕. 对于 n 个相互独立的随机变量 X1, , , ,也有 X2 ¼ X n 1 1 ( ) n n i i i i D X D X = = æ ö = ç ÷ ç ÷ èå
øå
. 例 5 设随机变量 X ~ B (10, 0.1) , Y=3X - ,求 ( )5 E Y, D Y ( ) . 解 n=10 , p=0.1 1, -p = 0.9 , ( ) 10 0.1 1 ( ) (1 ) 10 0.1 0.9 0.9 E X np D X np p = = ´ = = - = ´ ´ = , , 所以 ( ) (3 5) 3 ( ) 5 3 1 5 2 E Y =E X- = E X - = ´ - = - , 2 ( ) (3 5) 3 ( ) 9 0.9 8.1 D Y =D X - = D X = ´ = . 例 6 已知随机变量 X 的数学期望 ( ) E X 和方差 (D X 都存在,且 ( )) D X > ,设随机变量 0 * ( ) ( ) X E X X D X - = ,试证明 E X( *)=0, D X ( * )= 1 . 证 利用数学期望和方差的性质, 2 ( ) ( ) ( ) ( ) E kX C kE X C D kX C k D X + = + + = , , 并注意到 ( ) E X , (D X 均为常数, ) * ( ) ( ) ( ) ( ) 0 ( ) ( ) X E X E X E X E X E D X D X é - ù - = ê ú = = ê ú ë û ,[
]
* ( ) ( ) ( ) ( ) 1 ( ) ( ) ( ) D X E X X E X D X D X D D X D X D X é - ù - = ê ú = = = ê ú ë û . 例 7 已知随机变量 X Y , 相互独立且分别服从 (10,0.1) B 和 2 ( 1, 2 ) N - ,求 Z=3X - 2 Y 的 方差. 解 D X =( ) 10 0.1 0.9´ ´ = 0.9 , D Y =( ) 22 = , 4 所以 ( ) (3 ) ( 2 ) 9 ( ) 4 ( ) 9 0.9 4 4 24.1. D Z D X D Y D X D Y = + - = + = ´ + ´ = 例 8 运用随机变量的数学期望与方差的性质,求二项分布 ( , ) B n p 的数学期望与方差.解 设事件 A 在一重伯努利试验中发生的概率为 0p( < p < 1 ),于是它在 n 重伯努利试验
中发生的次数 X 服从 ( , ) B n p .
另设 A 在第 i 重伯努利试验中发生的次数为 X( i i= 1 2 ,, , ) … n ,则 X 服从以 p 为参数的 i
两点分布.故 (E Xi)= p D X, ( i )= p(1- p ) . 又 1 n i i X X = =
å
, 于是 1 1 ( ) ( ) ( ) n n i i i i E X E X E X np = = =å
=å
= . 注意到 X1, , , X2 … X n 相互独立, 所以 1 1 ( ) ( ) ( ) (1 ) n n i i i i D X D X D X np p = = =å
=å
= - . 本例所采用的解法,其巧妙之处在于借助了随机变量分解的手段化繁为简,这是概率论 独特思维方式的体现.3.3
*矩、协方差和相关系数
3.3.1 矩的概念 矩是具有广泛意义的数字特征,是随机变量某种特殊函数的数学期望.在数理统计等领 域具有多方面的应用. 1.原点矩 定义 1 设 X 为随机变量,对于正整数 k ,若 (E X k ) 存在,则称它为 X 的 k 阶原点矩. 显然当 k = 时,一阶原点矩就是数学期望 ( ) 1 E X ;当 k = 时,二阶原点矩就是 2 E X ( 2 ) . 设 (E X k ) 存在,由定理 3.1 得: (1)若 X 为离散型随机变量,其概率分布为 P X{
=xi}
= p i ( i = 1 2 , , ) … , 则 ( k) ik i i E X =å
x p ; (2)若 X 为连续型随机变量,其概率密度为 ( ) f x , 则 E X ( k ) x f x x k ( )d +¥ -¥ =ò
. 2.中心矩 定义 2 设 X 为随机变量,对于正整数 k ,若 E X[
- E X ( )]
k 存在,则称它为 X 的 k 阶中 心矩. 显然, 一阶中心矩为 E X[
- E X ( )]
恒为零; 二阶中心矩为 E{
[
X - E X ( )]
2}
, 即方差 ( ) D X .3.3.2 协方差和相关系数 1.协方差
对于随机变量 X Y , ,除了讨论 X 与Y 的数学期望和方差外,还要讨论 X 与Y 之间的关系.
若 X 与Y 独立,则
[
][
]
{
( ) ( )}
( ) ( ) ( ) 0 E X -E X Y-E Y =E XY -E X E Y = . 这意味着 E{
[
X -E X( )][
Y-E Y( )]
}
=E XY( )-E X E Y ( ) ( )¹ 时, X0 , 不独立,由此可以 Y 用 E{
[
X -E X( )][
Y-E Y( )]
}
=E XY( )- E X E Y ( ) ( ) 来刻画 X 与 Y 之间的关系. 定义 3 设 X 与 Y 为随机变量, 若 E{
[
X -E X( )][
Y- E Y ( )]
}
存在, 则称它为随机变量 X 与Y 的协方差,记为Cov( , ) X Y ,即
Cov( , ) X Y =E
{
[
X -E X( )][
Y- E Y ( )]
}
. 协方差的计算常采用下面的公式Cov( , ) X Y =E XY( )- E X E Y ( ) ( ) . 协方差具有下列性质:
(1) Cov( , ) X Y = Cov( ,Y X ; )
(2) Cov(aX bY, ) = ab Cov( , ) X Y ,其中 a b , 为常数; (3) Cov(X1+X Y 2 , ) = Cov(X Y + 1 , ) Cov(X Y ; 2 , ) (4) Cov( , ) X X = D X ; ( ) (5) (E XY)=E X E Y ( ) ( ) + Cov( , ) X Y ; (6) (D X +Y)=D X( )+D Y( )+ 2Cov( , ) X Y . 例 1 已知 X Y , 为随机变量, 且 ( ) 5D X = , D Y( )=3 Cov( , ) 1 , X Y = , 试求 ( 2D - X+4Y - 3) . 解 D( 2- X+4Y-3)=D( 2- X+ 4 ) Y ( 2 ) (4 ) 2Cov( 2 , 4 ) D X D Y X Y = - + + - 2 2 ( 2) ( ) 4 ( ) 2 ( 2) 4 Cov( , ) 20 48 16 52. D X D Y X Y = - + + ´ - ´ = + - = 2.相关系数 定义 4 若 Cov( , ) 0 X Y = ,则称随机变量 X 与 Y 不相关. 若 X 与Y 相互独立,则 X 与 Y 不相关.但不相关的随机变量却不一定是相互独立的. 定义 5 设 X 与 Y 为随机变量,协方差 Cov( , ) X Y 存在,且 (D X)>0, D Y ( )> 0 ,则
Cov( , ) ( ) ( ) xy X Y D X D Y r = 称为随机变量 X 与 Y 的相关系数或标准协方差. 显然,相关系数为一个无量纲的量.它反映了随机变量 X 与Y 之间的相关程度. 相关系数 r xy具有如下的重要性质: (1) r xy ≤ ;1
(2) rxy = 的充要条件是 {1 P Y=aX+b} 1 = , , 为常数; a b (3) r xy = ryx. 相关系数 r xy反映了随机变量 X 与 Y 的线性相依程度,如果 r ¹ ,则 X 与 Y 相关;如 xy 0 果 r = ,则 X 与 Y 不相关;若 xy 0 r = ± ,则 X 与 Y 有线性关系. xy 1 (4)对随机变量 X 与 Y ,下面的事实是等价的: ① X 与Y 不相关; ② Cov( , ) 0 X Y = ; ③ r = ; xy 0 ④ (E XY)= E X E Y ( ) ( ) ; ⑤ (D X+Y)=D X( )+ D Y ( ) . 例 2 设 X 与 Y 为随机变量, 已知 ( ) 1E X = , D X( )=9; E Y( )=0, D Y ( ) 16 = , 1 2 xy r = - . 另 设 3 2 X Y Z = + ,试求:(1)随机变量 Z 的数学期望 ( ) E Z 与方差 ( ) D Z ;(2)随机变量 X 与 Z 的相关系数 r xz. 解 (1) ( ) 1 ( ) 1 ( ) 1 3 2 3 E Z = E X + E Y = , 2 2 ( ) 3 2 2Cov , 3 2 3 2 1 1 1 1 ( ) ( ) 2 Cov( , ) 3 2 3 2 1 1 1 ( ) ( ) ( ) ( ) 9 4 3 1 1 1 1 9 16 3 4 3. 9 4 3 2 xy X Y D Z D X Y X Y D D D X D Y X Y D X D Y r D X D Y æ ö = ç + ÷ è ø æ ö æ ö æ ö = ç ÷+ ç ÷+ ç ÷ è ø è ø è ø æ ö æ ö =ç ÷ +ç ÷ + ´ ´ è ø è ø = + + æ ö = ´ + ´ + ç- ÷ ´ ´ = è ø (2) Cov( , ) Cov , 1 1 3 2 X Z = æçX X + Y ö ÷ è ø 1 1 Cov( , ) Cov( , ) 3 2 1 1 9 ( 6) 0 3 2 X X X Y = + = ´ + ´ - = , 又 ( ) 9 0D X = > , D Y ( )=16> 0 ,所以,随机变量 X 与 Z 的相关系数 r = .xz 0
本章小结
一、常见随机变量的数学期望与方差(见下表) 常见分布的数学期望与方差 分布 名称 简略 记法 分布列或概率密度 数学期望 ( ) E X 方差 ( ) D X 两点分布 B(1, ) p{
}
1 (1 ) k k P X=k = p - p - 0 1 0 1 k= ,; <p < p (1 ) p - p 二项分布 B n p ( , ){
}
1 Ckn k(1 ) k P X=k = p - p - 0 1 2 k= ,,, , ; … n 0<p< 1 , (自然数)为参数 n np np(1- p ) 泊松分布 P l( ){
}
! e k P X k k l l - = = 0 1 2 k = ,,, ; … l > 为参数0 l l 均匀分布 U a b [ , ] 1 ( ) 0 a x b f x b a ì ï = í - ï î , , 其他 ≤ ≤ b> 为参数 a 2 a+ b 2 ( ) 12 b- a 指数分布 E l( ) e 0 0 ( ) 0 x f x x x l l - = = í ì ï ï î , ≥ , < 0 l > 为参数 1 l 2 1 l 正态分布 2 ( , ) N m s 2 2 ( ) 2 1 ( ) e 2π x f x m s s - - = x -¥ < < +¥ ; 0 m s -¥ < < +¥, > 为参数 m 2 s 二、随机变量的数学期望 1.离散型随机变量的数学期望 若随机变量 X 的分布列为 P X{
=xi}
= ( p i i = , , 1 2 …),且 i i i x på
, 2 i i i x på
, ( )i i i g x på
绝对收敛,又 Y= g X ( ) ,则 ( ) E X = i i i x på
;[
]
( ) ( ) ( )i i i E Y =E g X =å
g x p ; 2 ( ) E X = i2 i i x på
.2.连续型随机变量的数学期望 若随机变量 X 的概率密度为 ( ) f x ,且 ( )d +¥ -¥
ò
xf x x , 2 ( )d +¥ -¥ò
x f x x , ( ) ( )d +¥ -¥ò
g x f x x 绝对 收敛,又 Y = g X ( ) ,则 ( ) E X = ( )d +¥ -¥ò
xf x x ; 2 ( ) E X = 2 ( )d +¥ -¥ò
x f x x ;[
]
( ) ( ) E Y =E g X = ( ) ( )d +¥ -¥ò
g x f x x . 3.数学期望的性质(设所涉及到的随机变量的数学期望都存在) 性质 1 C 为常数,则 ( ) E C = ; C 性质 2 设 k 为常数,则 (E kX)= kE X ( ) ; 性质 3 设 X Y , 均为随机变量,则 (E X +Y)=E X( )+ E Y ( ) ; 性质 4 设 X Y , 均为随机变量且相互独立,则 (E XY)= E X E Y ( ) ( ) . 三、随机变量的方差 1.方差的计算公式 ( ) D X = E{
[
X- E X ( )]
2}
; ( ) D X = E X( 2 )-[
E X ( )]
2 . 2.方差的一般计算步骤 (1)计算 ( ) E X : ( ) ( )d +¥ -¥ ì ï = í ï îå
ò
, , i i i x p E X xf x x (2)计算 2 ( ) E X : 2 2 2 ( ) ( )d +¥ -¥ ì ï = í ï îå
ò
, , i i i x p E X x f x x (3)计算 ( ) D X : (D X = ) E X( 2 )-[
E X ( )]
2 . 3.方差的性质 性质 1 设 C 为常数,则 ( ) 0 D C = ; 性质 2 设 C 为常数,则 (D X +C)= D X ( ) ; 性质 3 设 k 为常数,则 2 ( ) ( ) D kX = k D X ; 性质 4 设随机变量 X,Y 相互独立且方差 ( )D X , D Y ( ) 都存在,则有 ( ) ( ) ( ) D X ±Y =D X + D Y . 四、矩、协方差与相关系数 1.矩 原点矩 对于正整数 k ,若 (E X k ) 存在,则称它为 X 的 k 阶原点矩. (1)若 X 为离散型随机变量,概率分布为 P X{
=xi}
= p i ( i = 1 2 , , ) … ,则 (E X k ) = X 为离散型随机变量, X 为连续型随机变量; X 为离散型随机变量, X 为连续型随机变量;k i i i x p
å
; (2)若 X 为连续型随机变量,概率密度为 ( ) f x ,则 (E X k ) +¥ ( )d -¥ =ò
x f x x . k 中心矩 设 X 是随机变量,对于正整数 k ,若 E X[
- E X ( )]
k 存在,则称它为 X 的 k 阶中 心矩.一阶中心矩为 E X[
- E X ( )]
恒为零;二阶中心矩为 E{
[
X- E X ( )]
2}
,即方差 ( ) D X . 2.协方差 设 X 与Y 为随机变量, E{
[
X -E X( )][
Y- E Y ( )]
}
存在,则称它为随机变量 X 与 Y 的协方差,记为 Cov( , ) X Y ,即 Cov( , ) X Y =E
{
[
X -E X( )][
Y- E Y ( )]
}
. 协方差的计算常采用下面的公式Cov( , ) X Y =E XY( )- E X E Y ( ) ( ) . 协方差具有下列性质:
(1) Cov( , ) X Y = Cov( ,Y X ; )
(2) Cov(aX bY, ) = ab Cov( , ) X Y ,其中 a, 为常数; b (3) Cov(X1+X Y 2 , ) = Cov(X Y + 1 , ) Cov(X Y ; 2 , )
(4) Cov( , ) X X = D X ; ( )
(5) (E XY)=E X E Y ( ) ( ) + Cov( , ) X Y ; (6) (D X +Y)=D X( )+D Y( )+ 2Cov( , ) X Y . 3.相关系数
若 X 与Y 为随机变量,协方差 Cov( , ) X Y 存在,且 (D X)>0, D Y ( )> 0 ,则 Cov( , ) ( ) ( ) xy X Y D X D Y r = 称为随机变量 X 与 Y 的相关系数或标准协方差. 相关系数 r xy具有如下的重要性质: (1) r xy ≤ ; 1 (2) rxy = 的充要条件是 {1 P Y=aX+b} 1 = , , 为常数; a b (3) r xy = ryx. 相关系数 r xy反映了随机变量 X 与 Y 的线性相依程度,如果 r ¹ ,则 X 与 Y 相关;如 xy 0 果 r = ,则 X 与 Y 不相关;若 xy 0 r = ± ,则 X 与 Y 有线性关系. xy 1 (4)对随机变量 X 与 Y ,下面事实是等价的: ① X 与Y 不相关; ② Cov( , ) 0 X Y = ; ③ r = ; xy 0 ④ (E XY)= E X E Y ( ) ( ) ; ⑤ (D X+Y)=D X( )+ D Y ( ) .
习题三
1.已知随机变量 X 的概率分布为{
}
1 2 4 18 20 10 P X =k = ( k = ,, …, , ) 求 ( ) E X . 2.袋中有 5 个乒乓球,编号为 1,2,3,4,5,现从中任取 3 个,用 X 表示取出的 3 个 球中的最大编号,求 ( )E X, D X ( ) . 3.一批零件中有 9 个合格品与 3 个废品,安装机器时,从这批零件中任取一个.如果取 出的是废品就不再放回去,求在取得合格品之前已取出的废品数的数学期望. 4.射击比赛,每人射 3 次(每次一发),约定全部不中得 0 分,只中一弹得 15 分,中两 弹得 55 分,中三弹得 100 分.甲每次射击命中率为 3 5 ,问他期望能得多少分? 5.某人有 5 发子弹,射击一次(每次一发),命中率为 0.9,现连续向同一目标射击,直 到击中目标或子弹用尽为止,求其耗用子弹数 X 的数学期望 ( ) E X . 6.设随机变量 X 的概率密度为 2 1 1 ( ) π 1 0 1 x f x x x ì < ï = í - ï î , , , ≥ , 求 ( ) E X . 7.设随机变量 X 的概率密度为 0 1 ( ) 2 1 2 0 x x f x x x < ì ï =í - < < ï î , , , , , 其他, ≤ 求 ( )E X , D X ( ) . 8.设随机变量 X 的分布列为 X 0 a 4 5 p 0.4 0.2 0.1 b 已知 2 ( ) 10.9 0 E X = , a > ,求 a 和 b. 9.设随机变量 X 的分布列为 X -1 0 1 2 p 0.4 0.2 0.1 0.3 求 ( ) E X , (2E - 3 ) X , E X( 2), E(3X2 - X + 5) . 10.设随机变量 X 的概率密度为0 e ( ) 0 0 x x f x x - ì ï = í ï î ≥ , , < , , 求 2 (2 ) (e X ) E X , E - . 11.某车间生产的圆盘其直径在区间[ , ] a b 上服从均匀分布,试求圆盘面积的数学期望. 12.一工厂生产的某种设备的寿命 X (以年计)服从指数分布,概率密度为 1 4 1 e 0 ( ) 4 0 0 x x f x x - ì ï = í ï î , ≥ , , < , 工厂规定,出售的设备若在售出一年内损坏可予以调换.若工厂售出一台设备盈利 100 元,调 换一台设备厂方需花费 300 元.试求厂方出售一台设备净盈利的数学期望. 13.设随机变量 X 的概率密度为 2 3 0 2 ( ) 8 0 x x f x ì < < ï = í ï î , , , 其他, 求 E X( ) D X( ) E 1 2 X æ ö ç ÷ è ø , , . 14.盒中共有 5 个球,3 个白色的,2 个黑色的.从中任取两个,求抽得的白球数 X 的方 差 ( ) D X . 15.设随机变量 X 服从 1 1, 2 2 é ù -ê ú ë û 上的均匀分布,又 Y = sin X ,求 ( )E Y, D Y ( ) . 16.设 X : N (1, 2 ) 2 , Y= -2X + ,求 3 E X ( 2 ) , ( ) D Y . 17.已知 ( )E X = 30 , ( ) 11 D X = , 1 3 X Y = - ,求 E X , ( )( 2 ) E Y, D Y ( ) . 18.设随机变量 X~ P l( ) ,且已知 [(E X-2)(X -3)]= ,求2 l 的值.
19 . 已 知 X ~B(100, 0.1), Y~N( 1, 2 )- 2 , D X( +Y )= 15 , 求 Cov(X,Y) , r xy 及 Cov(2 , X 3 )Y E XY ( ) - , .
自测题三
一、填空题 1. 设随机变量 X 的概率密度为 1 2 4 4 ( ) e π x x f x = - + - ( - ¥ <x < +¥ ) , 则 ( ) E X =________, ( ) D X =_________. 2.设 ( )E X = , ( )5 D X = ,则 (23 E X + =__________, ( 21) D - X + 10) =__________. 3.若 X ~ B (50, 0.2) ,则 ( ) E X =__________, ( ) D X =__________. 4.若 X ~ P (5) ,则 ( ) E X =__________, ( ) D X =__________.5.已知 X 的概率密度为 2 ( 1) 8 1 ( ) e 2 2π x f x x - - = ( - ¥ < < +¥ ) ,则 ( ) E X =__________, ( ) D X =__________. 6.已知随机变量 X 与 Y 的相关系数为 0.5, ( )E X =E Y ( )= , 0 E X( 2)=E Y ( 2 )= ,则 2 2 ( ) Eéë X+Y ù û = __________. 7.设随机变量 X 服从参数为l 的泊松分布,则 ( ) ( ) E X D X =__________. 8.设随机变量 X ~ N a ( ,1 ) 2 ,若 E X ( 2 )= ,则1 a = __________. 9. X 服从[ , ] a b 上的均匀分布,则 ( ) E X =__________, ( ) D X =__________. 10.设 X ~ N (3, 2 ) 2 ,则 (2 3 ) D - X =__________, E(2+ 3X 2 ) =__________. 二、单选题 1.已知 X~ B n p ( , ) ,且 ( ) 2.4 E X = , ( ) 1.44 D X = ,则 n p , 的值为( ) A. n=4, p = 0.6 ; B. n=6, p = 0.4 ; C. n=3, p = 0.8 ; D. n=8, p = 0.3 . 2.已知 X~ B (100, 0.1) ,则 ( ) D X 为( ) A.9; B.10; C.90; D.120. 3.已知 X ~ N (10, 2 ) 2 ,则 (3D X +1) = ( ) A.9; B.4; C.36; D.37. 4.若随机变量 X 的 ( )E X = , ( )3 D X = ,则 4 E X ( 2 ) = ( ) A.7; B.1; C.13; D.5. 5.设随机变量 X 的方差 ( ) D X 存在,Y =aX + ( ab , 为常数)b ,则( ) A. ( )D X = D Y ( ) ; B. ( )D Y = aD X ( ) ; C. D Y( )= a D X 2 ( ) ; D. D Y( )=a D X2 ( ) + . b 6.设 X ~N(3, 2 )2 , Y~ E (0.2) ,则下列式子错误的是( ) A. (E X +Y )= ; 8 B. (D X +Y )= 29 ; C. E X( 2+Y 2 )= 63 ; D. 5 0 2 5 2 X Y E æç + - ö ÷ = è ø . 7.如果随机变量 X 服从( )上的均匀分布,则 ( ) 3 ( ) 4 3 E X = , D X = A. [0, 6] ; B. [1, 5] ; C. [ 3,3] - ; D.[2, 4] . 三、计算题 1.已知随机变量 X 的分布列为 X -1 0 1 5 p 0.2 0.3 0.1 0.4
求: 2 ( ) (2 3 ) ( ) ( ) E X , E - X , E X , D X . 2.一口袋中有红球 3 个,白球 4 个,从中任取 5 个,求取出的 5 个球中所含白球数 X 的 数学期望与方差. 3.已知某人射击的命中率为 0.8,试求:(1)此人射击一次的平均命中次数;(2)此人 独立射击四次的平均命中次数. 4.设 X 为连续型随机变量,且概率密度为 2 0 1 ( ) 0 x x f x = í ì î , , , 其他, ≤ ≤ 求 2 ( ) ( ) ( ) E X, E X , D X . 5.设随机变量 X 的概率密度为 1 cos 0 π ( ) 2 2 0 x x f x ì ï = í ï î , , , 其他, ≤ ≤ 对 X 独立重复观察 4 次,用Y 表示观察值大于 π 3 的次数,求 2 Y 的数学期望.