概论_第4章__期望的定义和性质

这篇具有很好参考价值的文章主要介绍了概论_第4章__期望的定义和性质。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一. 定义

1. 一维离散型随机变量的期望

概论_第4章__期望的定义和性质

2. 一维连续型随机变量的期望

定义2:设连续型随机变量 X的概率密度为f(x),  若积分 概论_第4章__期望的定义和性质 绝对收敛, 称其为X的数学期望。记为: 概论_第4章__期望的定义和性质 

注意: 被积函数是: xf(x)

容易得出,连续型求期望E(X),极可能用到定积分的分部积分法!!

再次强调此法: 概论_第4章__期望的定义和性质

看例题:

概论_第4章__期望的定义和性质 概论_第4章__期望的定义和性质

几种重要分布的数学期望参考 概率论_第4章__几种重要的随机变量的分布及其数字特征的表

3. 一维随机变量函数的期望

概论_第4章__期望的定义和性质

4.  二维随机变量的期望

概论_第4章__期望的定义和性质

    

5.  二维随机变量函数, 求期望是这样做:

概论_第4章__期望的定义和性质

对于二维离散型随机变量, 先求分布律再按定义求数学期望, 要比直接使用上面公式简单。

其他情况都直接采用公式而不计算新的分布律、密度函数。

二  期望的性质

以下公式中C为常数,  X、Y为随机变量

1. E(C) = C

2. E(CX) = C·E(X)

3. E(X+Y) = E(X) + E(Y),   

上述可以推广为多个随机变量相加;

可以推广: E(C₁X+C₂Y) =  C₁E(X)+C₂E(Y), 其中  C₁,  C₂为常数

4. 若X, Y是相互独立的随机变量,则  E(XY) = E(X)E(Y).

此公式可以推广: 任意有限个独立的随机变量 相乘

三  光说不练是假把式,看例题

题1   

一银行服务需要等待, 设等待时间X (以分钟计) 服从期望为 10 的指数分布,  某人进了银行, 且打算过会去办另一件事,  于是先等待, 如果超过15分钟还没有等到服务就离开,设他实际的等待时间为 Y,  求此人实际等待的平均时间 E(Y).

 解   由题意知,Y = min{X,   15},    设 g(x) = min{x,  15},  则 Y=g(X),

根据 连续型随机变量函数的期望的定义:   概论_第4章__期望的定义和性质

概论_第4章__期望的定义和性质

又因为:

概论_第4章__期望的定义和性质

概论_第4章__期望的定义和性质

题2

设X的概率密度为 概论_第4章__期望的定义和性质,    求E[ |X-E(X)| ].

解:

注意: 本题需要  求一个期望值,随机变量是一个绝对值,我们先求出E(X),   要明白X-  在计算时可以看成 x- ,   有的人看到 X-就慌了, X- 应该怎样处理呀?

实际只要看成 x- 就行了。

因为密度函数是一个分段函数, 求期望E(X) 要分段计算,再求和

解题过程如下 概论_第4章__期望的定义和性质

E[|X-E(X)|] = E[|X-1|] =

概论_第4章__期望的定义和性质

~~~~~~

四  随机变量的期望不是必然存在,因为求期望是通过求无穷级数或广义积分, 就存在是否收敛的问题。

只有无穷级数 或者广义积分 收敛, 期望才存在。

看一个例题

概论_第4章__期望的定义和性质    文章来源地址https://www.toymoban.com/news/detail-490211.html

到了这里,关于概论_第4章__期望的定义和性质的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 概论_第2章_一维均匀分布的概率公式

    均匀分布的概率计算有一个概率公式: 设X~U(a, b), a≤cd≤b, 即 [c, d] ⊂ [a, b], 则 P{c≤X≤d} = 使用这个公式计算概率很方便, 例如, X~U(0, 3), 则 P{1≤X≤2} = =

    2024年02月15日
    浏览(32)
  • 【离散数学】Python语言实现关系性质的判断

    实验内容: 用矩阵表示二元关系;通过矩阵的特征判断二元关系所具有的性质;运用二维数组实现矩阵的输入,然后判断自反性,反自反性,对称性,反对称性,传递性 先复习一下相关的基础知识:  1.    判断自反性:矩阵主对角线元素全为1 2.    判断反自反性:矩阵主

    2024年02月04日
    浏览(42)
  • 离散数学(十二):关系的幂运算与关系的性质

    1)幂运算的定义  2)幂运算的求法   幂运算有两种求法,基于矩阵的方法和基于关系图的方法。我们之前学过关系的表示方法有三种:集合、矩阵、关系图。那么同样,这些方式也可以运用于关系的计算中。 需要的注意的是,基于关系图的运算是具有物理意义的,以R2为例

    2024年02月08日
    浏览(44)
  • 4.1 随机变量的数学期望

    如果我想学习随机变量的数学期望,我可能会采取以下步骤: 掌握概率论基础知识:在学习随机变量的期望之前,我需要了解概率论的基本概念,例如概率、随机变量、概率密度函数等。 学习数学期望的定义和性质:数学期望是描述随机变量取值分布的一个重要指标,我需

    2024年02月11日
    浏览(38)
  • 用Matlab求解一维非稳态导热问题(有限差分法+显式离散)

    章熙民的第六版《传热学》里,较为简单的介绍了非稳态导热的数值计算,本文根据此书,以计算一个可视为无限大平壁的复合墙体传热过程为例,讨论一维非稳态导热问题数值求解的问题。 这里把参考书目的PDF分享出来,希望可以帮助到大家学习传热学,里面有章熙民的第

    2023年04月22日
    浏览(48)
  • 概率论之 多维随机变量的期望,协方差矩阵

    上一次写了一维随机变量的期望,方差,协方差。本次来记录多维随机变量的期望和协方差矩阵。这一块内容由浅入深,因此会有更新。 假设系统状态有多个分量 x 1 , x 2 , … , x n x_1,x_2,dots,x_n x 1 ​ , x 2 ​ , … , x n ​ ,则将其表示为向量的形式 X = ( x 1 , x 2 , … , x n ) T X=

    2024年02月04日
    浏览(46)
  • 二维随机向量的数学期望E与协方差σ

    目录 1. 二维随机向量(X,Y)的数学期望EX, EY 2. 二维随机向量函数z=g(X,Y)的数学期望EZ 3. 二维随机向量(X,Y)的方差DX, DY 4. 二维随机向量的性质(和、积的数学期望E与方差D) 5. 二维随机向量的协方差COV和相关系数ρ 5.1 协方差COV定义 5.2 协方差COV的性质  5.3 相关系数ρ 离散形式 和

    2024年02月02日
    浏览(43)
  • 2020级李海扬、程志豪、杨本豪、周海涛——离散信源的熵的性质的简要介绍和证明

    目录 1.非负性  2.确定性 3.对称性  4.香农辅助定理 5.最大熵定理(极值性) 6.条件熵小于无条件熵                        7.拓展性 8.可加性 9.递增性 1.非负性    当且仅当pi=1时,H(x)=0 离散信源的熵具有非负性,连续信源的熵则不具有此特性 2.确定性 在概率空间中,如果

    2023年04月23日
    浏览(36)
  • 【概率论】连续型随机变量的分布函数及数学期望(一)

    已知F₁(x)和F₂(x)是分布函数,若 aF₁(x)-bF₂(x)也是分布函数,则下列关于常数a,b的选项中正确的是()。 A.a= 3 5 frac{3}{5}

    2024年02月12日
    浏览(47)
  • 【概率论】连续型随机变量的分布函数及数学期望(二)

    如果X的密度函数为 p ( x ) = { x , 0 ≤

    2024年01月18日
    浏览(57)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包