李永乐复习全书概率论与数理统计 第四章 随机变量的数字特征
目录
- 4.1 随机变量的数学期望和方差
- 例8 设随机变量X∼P(λ)X\sim P(\lambda)X∼P(λ),试证E(X)=λE(X)=\lambdaE(X)=λ。
- 例9 设随机变量XXX的分布函数为F(x)=0.3Φ(x)+0.7Φ(x−12)F(x)=0.3\varPhi(x)+0.7\varPhi\left(\cfrac{x-1}{2}\right)F(x)=0.3Φ(x)+0.7Φ(2x−1),其中Φ(x)\varPhi(x)Φ(x)为标准正态分布函数,则E(X)=E(X)=E(X)=______。
- 例11 设随机变量XXX和YYY独立同分布,已知X∼N(μ,σ2)X\sim N(\mu,\sigma^2)X∼N(μ,σ2),求Z=min(X,Y)Z=\min(X,Y)Z=min(X,Y)的数学期望E(Z)E(Z)E(Z)。
- 4.2 矩、协方差和相关系数
- 例2 设随机变量X1,X2,⋯,XnX_1,X_2,\cdots,X_nX1,X2,⋯,Xn相互独立且均服从标准正态分布,记X‾=1n∑i=1nXi,Yi=Xi−X‾\overline{X}=\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i,Y_i=X_i-\overline{X}X=n1i=1∑nXi,Yi=Xi−X,则Cov(Y1,Yn)=\mathrm{Cov}(Y_1,Y_n)=Cov(Y1,Yn)=______。
- 写在最后
4.1 随机变量的数学期望和方差
例8 设随机变量X∼P(λ)X\sim P(\lambda)X∼P(λ),试证E(X)=λE(X)=\lambdaE(X)=λ。
证 P{X=k}=λkk!e−λ,k=0,1,2,⋯P\{X=k\}=\cfrac{\lambda^k}{k!}e^{-\lambda},k=0,1,2,\cdotsP{X=k}=k!λke−λ,k=0,1,2,⋯,故
E(X)=∑k=0+∞k⋅λkk!e−λ=∑k=1+∞λk(k−1)!e−λ=∑i=0+∞λi+1i!e−λ=λ∑i=0+∞λii!e−λ=λ.\begin{aligned} E(X)&=\displaystyle\sum^{+\infty}_{k=0}k\cdot\cfrac{\lambda^k}{k!}e^{-\lambda}=\displaystyle\sum^{+\infty}_{k=1}\cfrac{\lambda^k}{(k-1)!}e^{-\lambda}\\ &=\displaystyle\sum^{+\infty}_{i=0}\cfrac{\lambda^{i+1}}{i!}e^{-\lambda}=\lambda\displaystyle\sum^{+\infty}_{i=0}\cfrac{\lambda^i}{i!}e^{-\lambda}=\lambda. \end{aligned} E(X)=k=0∑+∞k⋅k!λke−λ=k=1∑+∞(k−1)!λke−λ=i=0∑+∞i!λi+1e−λ=λi=0∑+∞i!λie−λ=λ.
(这道题主要利用了二次项展开式求解)
例9 设随机变量XXX的分布函数为F(x)=0.3Φ(x)+0.7Φ(x−12)F(x)=0.3\varPhi(x)+0.7\varPhi\left(\cfrac{x-1}{2}\right)F(x)=0.3Φ(x)+0.7Φ(2x−1),其中Φ(x)\varPhi(x)Φ(x)为标准正态分布函数,则E(X)=E(X)=E(X)=______。
解 f(x)=F′(x)=0.3φ(x)+0.72φ(x−12)f(x)=F'(x)=0.3\varphi(x)+\cfrac{0.7}{2}\varphi\left(\cfrac{x-1}{2}\right)f(x)=F′(x)=0.3φ(x)+20.7φ(2x−1),其中φ(x)\varphi(x)φ(x)为标准正态分布函数。
E(X)=∫−∞+∞xf(x)dx=0.3∫−∞+∞xφ(x)dx+0.72∫−∞+∞xφ(x−12)dx=0.3×0+0.7∫−∞+∞(2t+1)φ(t)dt=0.7.\begin{aligned} E(X)&=\displaystyle\int^{+\infty}_{-\infty}xf(x)\mathrm{d}x=0.3\displaystyle\int^{+\infty}_{-\infty}x\varphi(x)\mathrm{d}x+\cfrac{0.7}{2}\displaystyle\int^{+\infty}_{-\infty}x\varphi\left(\cfrac{x-1}{2}\right)\mathrm{d}x\\ &=0.3\times0+0.7\displaystyle\int^{+\infty}_{-\infty}(2t+1)\varphi(t)\mathrm{d}t=0.7. \end{aligned} E(X)=∫−∞+∞xf(x)dx=0.3∫−∞+∞xφ(x)dx+20.7∫−∞+∞xφ(2x−1)dx=0.3×0+0.7∫−∞+∞(2t+1)φ(t)dt=0.7.
(这道题主要利用了积分求解)
例11 设随机变量XXX和YYY独立同分布,已知X∼N(μ,σ2)X\sim N(\mu,\sigma^2)X∼N(μ,σ2),求Z=min(X,Y)Z=\min(X,Y)Z=min(X,Y)的数学期望E(Z)E(Z)E(Z)。
解 设ξ=X−μσ,η=Y−μσ\xi=\cfrac{X-\mu}{\sigma},\eta=\cfrac{Y-\mu}{\sigma}ξ=σX−μ,η=σY−μ,ξ,η\xi,\etaξ,η独立同为标准正态分布N(0,1)N(0,1)N(0,1)。显然
Z=min(X,Y)=min(σξ+μ,ση+μ)=σmin(ξ,η)+μ,E[min(ξ,η)]=∫−∞+∞∫−∞+∞min(X,Y)12πe−x2+y22dxdy=12π∫−∞+∞e−x22dx∫−∞xye−y22dy+12π∫−∞+∞e−y22dy∫−∞yxe−x22dx=2⋅12π∫−∞+∞(−1)e−x2dx=−1π.Z=\min(X,Y)=\min(\sigma\xi+\mu,\sigma\eta+\mu)=\sigma\min(\xi,\eta)+\mu,\\ \begin{aligned} E[\min(\xi,\eta)]&=\displaystyle\int^{+\infty}_{-\infty}\displaystyle\int^{+\infty}_{-\infty}\min(X,Y)\cfrac{1}{2\pi}e^{-\frac{x^2+y^2}{2}}\mathrm{d}x\mathrm{d}y\\ &=\cfrac{1}{2\pi}\displaystyle\int^{+\infty}_{-\infty}e^{-\frac{x^2}{2}}\mathrm{d}x\displaystyle\int^x_{-\infty}ye^{-\frac{y^2}{2}}\mathrm{d}y+\cfrac{1}{2\pi}\displaystyle\int^{+\infty}_{-\infty}e^{-\frac{y^2}{2}}\mathrm{d}y\displaystyle\int^y_{-\infty}xe^{-\frac{x^2}{2}}\mathrm{d}x\\ &=2\cdot\cfrac{1}{2\pi}\displaystyle\int^{+\infty}_{-\infty}(-1)e^{-x^2}\mathrm{d}x=-\cfrac{1}{\sqrt{\pi}}. \end{aligned} Z=min(X,Y)=min(σξ+μ,ση+μ)=σmin(ξ,η)+μ,E[min(ξ,η)]=∫−∞+∞∫−∞+∞min(X,Y)2π1e−2x2+y2dxdy=2π1∫−∞+∞e−2x2dx∫−∞xye−2y2dy+2π1∫−∞+∞e−2y2dy∫−∞yxe−2x2dx=2⋅2π1∫−∞+∞(−1)e−x2dx=−π1.
所以E(Z)=σE[min(ξ,η)]+μ=μ−σπE(Z)=\sigma E[\min(\xi,\eta)]+\mu=\mu-\cfrac{\sigma}{\sqrt{\pi}}E(Z)=σE[min(ξ,η)]+μ=μ−πσ。(这道题主要利用了积分公式求解)
4.2 矩、协方差和相关系数
例2 设随机变量X1,X2,⋯,XnX_1,X_2,\cdots,X_nX1,X2,⋯,Xn相互独立且均服从标准正态分布,记X‾=1n∑i=1nXi,Yi=Xi−X‾\overline{X}=\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i,Y_i=X_i-\overline{X}X=n1i=1∑nXi,Yi=Xi−X,则Cov(Y1,Yn)=\mathrm{Cov}(Y_1,Y_n)=Cov(Y1,Yn)=______。
解
E(X‾)=E(1n∑i=1nXi)=1n∑i=1nE(Xi)=0,E(Yi)=E(Xi)−E(X‾)=0.Cov(Y1,Yn)=E{[Y1−E(Y1)][Yn−E(Yn)]}=E(Y1Yn)=E[(X1−X‾)(Xn−X‾)]=E(X1Xn−X1X‾−XnX‾+X‾2)=E(X1Xn)−E(X1X‾)−E(XnX‾)+E(X‾2).E(\overline{X})=E\left(\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i\right)=\cfrac{1}{n}\displaystyle\sum^n_{i=1}E(X_i)=0,\\ E(Y_i)=E(X_i)-E(\overline{X})=0.\\ \begin{aligned} \mathrm{Cov}(Y_1,Y_n)&=E\{[Y_1-E(Y_1)][Y_n-E(Y_n)]\}\\ &=E(Y_1Y_n)=E[(X_1-\overline{X})(X_n-\overline{X})]\\ &=E(X_1X_n-X_1\overline{X}-X_n\overline{X}+\overline{X}^2)\\ &=E(X_1X_n)-E(X_1\overline{X})-E(X_n\overline{X})+E(\overline{X}^2). \end{aligned} E(X)=E(n1i=1∑nXi)=n1i=1∑nE(Xi)=0,E(Yi)=E(Xi)−E(X)=0.Cov(Y1,Yn)=E{[Y1−E(Y1)][Yn−E(Yn)]}=E(Y1Yn)=E[(X1−X)(Xn−X)]=E(X1Xn−X1X−XnX+X2)=E(X1Xn)−E(X1X)−E(XnX)+E(X2).
由于X1,XnX_1,X_nX1,Xn相互独立,E(X1Xn)=E(X1Xn)E(X_1X_n)=E(X_1X_n)E(X1Xn)=E(X1Xn),由对称性得出E(X1X‾)=E(XnX‾)E(X_1\overline{X})=E(X_n\overline{X})E(X1X)=E(XnX),而E(X‾2)=D(X‾)+[E(X‾)]2=D(1n∑i=1nXi)+02=1n2∑i=1nD(Xi)=1nE(\overline{X}^2)=D(\overline{X})+[E(\overline{X})]^2=D\left(\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i\right)+0^2=\cfrac{1}{n^2}\displaystyle\sum^n_{i=1}D(X_i)=\cfrac{1}{n}E(X2)=D(X)+[E(X)]2=D(n1i=1∑nXi)+02=n21i=1∑nD(Xi)=n1。
总之,
Cov(Y1,Yn)=E(X1)E(Xn)−2E(X1X‾)+1n=0−2⋅1n⋅E(X12+∑i=2nX1Xi)+1n=−2n(1+0)+1n=−1n.\begin{aligned} \mathrm{Cov}(Y_1,Y_n)&=E(X_1)E(X_n)-2E(X_1\overline{X})+\cfrac{1}{n}\\ &=0-2\cdot\cfrac{1}{n}\cdot E\left(X_1^2+\displaystyle\sum^n_{i=2}X_1X_i\right)+\cfrac{1}{n}\\ &=-\cfrac{2}{n}(1+0)+\cfrac{1}{n}=-\cfrac{1}{n}. \end{aligned} Cov(Y1,Yn)=E(X1)E(Xn)−2E(X1X)+n1=0−2⋅n1⋅E(X12+i=2∑nX1Xi)+n1=−n2(1+0)+n1=−n1.
(这道题主要利用了方差性质求解)
写在最后
如果觉得文章不错就点个赞吧。另外,如果有不同的观点,欢迎留言或私信。
欢迎非商业转载,转载请注明出处。
李永乐复习全书概率论与数理统计 第四章 随机变量的数字特征相关推荐
- 李永乐复习全书概率论与数理统计 第三章 多维随机变量及其分布
目录 3.3 二维均匀分布和二维正态分布 例4 设随机变量XXX的概率密度为f(x)={19x2,0<x<3,0,其他.f(x)=\begin{cases}\cfrac{1}{9}x^ ...
- 李永乐复习全书概率论与数理统计 第五、六章 大数定律和中心极限定理及数理统计的基本概念
目录 第五章 大数定律和中心极限定理 第六章 数理统计的基本概念 6.1 总体.样本.统计量和样本数字特征 例4 设总体X∼P(λ)X\sim P(\lambda)X∼P(λ),则来自总体XX ...
- 李永乐复习全书概率论与数理统计 第七、八章 参数估计及假设检验
目录 第七章 参数估计 第八章 假设检验 例题八 例4 从两个煤矿各抽样数次,分析其含灰率(%),结果如下.假设各煤矿的含灰率分别服从正态分布,问甲.乙两煤矿的含灰率有无显著差异(取显著性水平α ...
- 李永乐复习全书概率论与数理统计 第一、二章 随机事件和概率、随机变量及其概率分布
目录 第一章 随机事件和概率 1.2 概率.条件概率.独立性和五大公式 例4 设0<P(A)<1,0<P(B)<10<P(A)<1,0<P(B)<1 ...
- 2021-08-29概率论—第四章随机变量的数字特征
文章目录 随机变量的数字特征 数学期望 方差 常见分布的E(X)与D(X) 协方差与相关系数 随机变量的数字特征 数学期望 方差 常见分布的E(X)与D(X) 协方差与相关系数
- 概率论 第四章 随机变量的数字特征
第四章 随机变量的数字特征 1 数学期望 1 数学期望
- 2022考研数学李永乐复习全书pdf版-基础篇(数一二三通用)
2022考研数学李永乐复习全书pdf版-基础篇(数一二三通用):https://pan.baidu.com/s/1tK9cPPG5Q-xhasqb051ymQ 提取码:1111 本书是专门为准备参加 ...
- 李永乐复习全书高等数学 第六章 多元函数积分学
目录 6.1 重积分 例9 计算二重积分∬Dy2dσ\displaystyle\iint\limits_{D}y^2\mathrm{d}\sigmaD∬y2dσ,其中DDD由{x=a(t−sin ...
- 概率论笔记 第4章 随机变量的数字特征
概率论 第4章 随机变量的数字特征 4.1 随机变量的数学期望 4.1.1 离散型随机变量的数学期望 4.1.2 连续型随机变量的数学期望 4.1.3 随机变量函数的数学期望 4.1.4 数学期望的性 ...
最新文章
- Linux下显示硬盘空间的两个命令
- 理解CNN卷积层与池化层计算
- web.config中配置Session
- 皮一皮:论家庭地位...
- micropython驱动lcd_k210 编译micropython LCD驱动失败
- 这些排序算法的使用时机,你都知道吗?
- 【渝粤教育】 广东开放大学 21秋期末考试物业环境与秩序管理10122k2
- 第十一章 图形视图、动画、状态机框架
- CSS 设置背景颜色透明,文字不透明
- linux下du和df结果不一致的原因及处理
- Latex 同时使用中英文双语图表名称(中英文双标题)+更改图表冒号为空格
- java+OpenCV3 +百度OCR(或tesseract) 识别表格数据
- 大数据时代,数据实时同步解决方案的思考—最全的数据同步总结
- 【美多商城项目01】了解主要需求和架构设计,创建配置工程
- 使用pgAdmin3 调试存储过程
- 屌炸天的内核来袭,史上最小chromium内核miniblink!
- jic标准_金属材料试验标准对照表
- 玩端游吃鸡显示服务器,绝地求生:端游和手游的5个不同点,最后一个前者输得一败涂地!...
- 自己做游戏软件开发需要准备些什么?
- 华为CloudIDE免费公测,带你出坑带你飞
热门文章
- C语言给出点坐标进行克里金插值,Arcgis笔记之克里金插值——求助surfer8.0
- Melsec QJ71C24
- 图像仿射变换原理3:仿射变换类型及变换矩阵详解
- 高级软件测试技术-小组任务分配和安排-Day01
- sql新增字段语法报错:‘,‘ or PARTITION expected, got ‘COMMENT‘
- 计算机网络——链路层
- SQL篇-常用窗口函数
- QTabWidget的样式
- uni-app中实现微信小程序/公众号订阅消息推送功能
- 乐2Pro_乐视X625_官方线刷包_救砖包_解账户锁