当前课程知识点:概率论与数理统计 > 第4章 随机变量的数字特征 > 数学期望和方差的定义 > 拓展知识
布莱士.帕斯卡(Blaise Pascal)公元1623年6月19日出生于多姆山省奥弗涅地区的克莱蒙费朗,法国数学家、物理学家、哲学家、散文家。
在与费马(Pierre Fermat)的通信中讨论赌金分配问题,对早期概率论的发展颇有影响。
期望的含义是对未来的预期,这里来源于17世纪法国著名数学家帕斯卡曾经研究过的分赌本问题:甲乙二人赌技相同,各出赌金500元,约定先胜三局者为赢家,并取得全部1000元。假设赌局进行到第四局的时候,甲胜了两局,乙胜了一局,这时由于某些原因中止了赌局,问赌本该如何分配才比较公平?
帕斯卡的研究是,不能按已经有的1比2的赌局来分,而应该向后看,从未来的预期获得来考虑赌本的分配。如果继续赌下去,只需两局一定分出胜负,其结果不外乎出现四种情况之一:甲甲、甲乙、乙甲、乙乙,显然甲有 \( \frac{3}{4} \) 的概率获得1000元;而有 \( \frac{1}{4} \) 的概率获得0元。所以,在甲胜2局乙胜l局这种情况下,甲``期望''得到的赌金应为
\[1000\times \frac{3}{4}+0\times \frac{1}{4}=750\]
该故事出现了``期望''这个词,数学期望由此而来。由此可见,期望代表未来的预期,有着中心化的特征。由此,我们便习惯地称随机变量的平均值为数学期望。
数学期望的一些特例
1. 连续型随机变量的数学期望不存在的特例
设 \( X \) 服从柯西分布,其密度函数为
\[
f(x)=\frac{1}{\pi (1+x^2)},\quad -\infty <x<+\infty
\]
由密度 \( f(x) \) 的形式可知,\( X \) 的中心点应为0。但0却不是 \( X \) 的数学期望,因为
\[
\int_{-\infty }^{+\infty } {\left| x \right|f(x)dx} =\frac{1}{\pi
}\int_0^{+\infty } {\frac{2x}{1+x^2}} dx=\frac{1}{\pi }\left[ {\ln (1+x^2)}
\right]_0^{+\infty } =+\infty
\]
由数学期望定义知,柯西分布 \( X \) 的数学期望不存在。
注记:物理学家也将更一般的柯西分布称为洛伦兹分布或者Breit-Wigner分布。在物理学中它是描述受迫共振的微分方程的解。在光谱学中,它描述了被共振或者其它机制加宽的谱线形状。带有参数 \( \theta
\) 的柯西分布密度如下:
\[f(x)=\frac{1}{\pi }\frac{1}{1+(x-\theta )^2},\quad -\infty <x<+\infty \tag{1}\]
图形特例为:
2. 离散型随机变量数学期望不存在的特例
设随机变量 \( X \) 的分布律为
\[P\left\{ {X=(-1)^i\frac{2^i}{i}}
\right\}=\frac{1}{2^i},i=1,2,\cdots \]
易得
\[\sum\limits_{i=1}^{+\infty } {\left|
{a_i } \right|} P\{X=a_i \}=\sum\limits_{i=1}^{+\infty } {\frac{1}{i}}
=\infty \]
所以 \( EX \) 不存在。
对于连续(离散)型随机变量积分(级数)没有绝对收敛时,随机变量 \( X \) 可能有多个不同的期望值,失去了平均值的客观意义。虽然我们就离散型和连续型都给出期望不存在的例子,但总的说来,随机变量的期望不存在的情况还是较少见的。
3. 数学期望的另一种定义
设 \( X\ge 0 \) 为一非负随机变量,则
\[
EX=\int_0^{+\infty } {P\{X>x\}dx}
\]
证明:根据分部积分公式得到
\[
EX=\int_0^{+\infty } {xdF_x } (x)=-\int_0^{+\infty } {xd} (1-F_X
(x))=\int_0^{+\infty } {P\{X>x\}dx}
\]
例如,设 \( X \) ~ \( \Gamma (1,\lambda )\;(\lambda >0) \),则
\[
EX=\int_0^{+\infty } {P\{X>x\}dx} =\int_0^{+\infty } {e^{-\lambda
x}dx=\frac{1}{\lambda }}
\]
-课程发展概况及概率的三要素
--讲义下载
--拓展知识
-第一章第一节测试题
-古典概率
--讲义下载
--拓展知识
-第一章第二节测试题
-几何概率
--讲义下载
--拓展知识
-第一章第三节测试题
-条件概率与乘法公式
--讲义下载
--拓展知识
-第一章第四节测试题
-全概率公式
--讲义下载
--拓展知识
-第一章第五节测试题
-贝叶斯公式
--讲义下载
--拓展知识
-第一章第六节测试题
-事件的独立性及应用
--讲义下载
--拓展知识
-第一章第七节测试题
-讨论
--“三门”问题
-第一章测试题
-随机变量及其分布
--讲义下载
--拓展知识
-第二章第一节测试题
-一类离散型随机变量的分布
--讲义下载
--拓展知识
-第二章第二节测试题
-泊松分布及泊松定理
--讲义下载
--拓展知识
-第二章第三节测试题
-均匀分布与指数分布
--讲义下载
--拓展知识
-第二章第四节测试题
-正态分布
--讲义下载
--拓展知识
-第二章第五节测试题
-连续型随机变量函数的分布
--讲义下载
--拓展知识
-第二章第六节测试题
-讨论
--分布之间关系
-第二章测试题
-多维随机变量及分布(一)
--讲义下载
--拓展知识
-第三章第一节测试题
-多维随机变量及分布(二)
--讲义下载
--拓展知识
-第三章第二节测试题
-边缘分布律和边缘密度
--讲义下载
--拓展知识
-第三章第三节测试题
-条件分布与随机变量的独立性
--讲义下载
--拓展知识
-第三章第四节测试题
-随机变量极值的分布
--讲义下载
--拓展知识
-第三章第五节测试题
-随机变量和的分布
--讲义下载
--拓展知识
-第三章第六节测试题
-数形结合求解函数的分布
--讲义下载
--拓展知识
-第三章第七节测试题
-讨论
--分布类的和不变性
-第三章测试题
-数学期望和方差的定义
--讲义下载
--拓展知识
-第四章第一节测试题
-数学期望和方差的应用
--讲义下载
--拓展知识
-第四章第二节测试题
-数学期望的线性性质及应用
--讲义下载
--拓展知识
-第四章第三节测试题
-方差的性质与协方差
--讲义下载
--拓展知识
-第四章第四节测试题
-标准化与相关系数
--讲义下载
--拓展知识
-第四章第五节测试题
-讨论
-第四章测试题
-大数定律
--课程讲义下载
--拓展知识
-第五章第一节测试题
-中心极限定理
--讲义下载
--拓展知识
-第五章第二节测试题
-讨论
--用电量的正态假设
-第五章测试题
-数理统计的基本概念
--讲义下载
--拓展知识
-第六章第一节测试题
-单样本均值统计量的分布
--讲义下载
--拓展知识
-第六章第二节测试题
-单样本方差统计量的分布
--讲义下载
--拓展知识
-第六章第三节测试题
-讨论
--保险损失分布
-第六章测试题
-什么是参数估计
--讲义下载
--拓展知识
-第七章第一节测试题
-矩估计
--讲义下载
--拓展知识
-第七章第二节测试题
-似然原理与似然函数
--讲义下载
--拓展知识
-第七章第三节测试题
-连续型分布的似然估计
--讲义下载
--拓展知识
-第七章第四节测试题
-一类离散总体的似然估计
--讲义下载
--拓展知识
-第七章第五节测试题
-区间估计
--讲义下载
--拓展知识
-第七章第六节测试题
-讨论
--湖中有多少条鱼?
-第七章测试题
-假设检验的基本原理
--讲义下载
--拓展知识
-第八章第一节测试题
-两类错误
--讲义下载
--拓展知识
-第八章第二节测试题
-正态总体均值的检验
--讲义下载
--拓展知识
-第八章第三节测试题
-正态总体方差的检验
--讲义下载
--拓展知识
-第八章第四节测试题
-卡方拟合检验
--讲义加载
--拓展知识
-第八章第五节测试题
-讨论
-第八章测试题
-一元线性回归(最小二乘估计)
--讲义下载
--拓展知识
-第九章第一节测试题
-一元线性回归(相关系数检验)
--讲义下载
--拓展知识
-第九章第二节测试题
-讨论
--火灾损失的因素
-第九章测试题