对自定义的连续型随机变量
X
X
X,设其概率密度函数为
f
(
x
)
f(x)
f(x),我们可以定义一个概率密度为
f
(
x
)
f(x)
f(x)的rv_continuos的子类(详见博文《自定义连续型分布》)然后调用该子类对象的expect函数计算指定函数
g
(
X
)
g(X)
g(X)的数学期望
E
(
g
(
X
)
)
E(g(X))
E(g(X))。
例1 设在某一规定的时间间隔内,某电气设备用于最大负荷的时间
X
X
X(以min计)是一个随机变量。其密度函数为
f
(
x
)
=
{
x
150
0
2
0
≤
x
≤
1500
3000
−
x
150
0
2
1500
<
x
≤
3000
0
其他
{f(x)=}\begin{cases} \frac{x}{1500^2}&0\leq x\leq1500\\ \frac{3000-x}{1500^2}&1500<x\leq3000\\ 0&\text{其他} \end{cases}
f(x)=⎩
⎨
⎧15002x150023000−x00≤x≤15001500<x≤3000其他
计算
E
(
X
)
E(X)
E(X)。
解: 按定义
E
(
X
)
=
∫
−
∞
+
∞
x
f
(
x
)
d
x
=
∫
0
3000
x
f
(
x
)
d
x
=
∫
0
1500
x
2
150
0
2
d
x
+
∫
1500
3000
x
(
3000
−
x
)
150
0
2
d
x
=
1
150
0
2
⋅
x
3
3
∣
0
1500
+
1
150
0
2
(
3000
⋅
x
2
2
−
x
3
3
)
∣
1500
3000
=
1500.
E(X)=\int_{-\infty}^{+\infty}xf(x)dx=\int_0^{3000}xf(x)dx\\ =\int_{0}^{1500}\frac{x^2}{1500^2}dx+\int_{1500}^{3000}\frac{x(3000-x)}{1500^2}dx\\ =\frac{1}{1500^2}\cdot\frac{x^3}{3}\bigg|_0^{1500}+\frac{1}{1500^2}\left(3000\cdot\frac{x^2}{2}-\frac{x^3}{3}\right)\bigg|_{1500}^{3000}=1500.
E(X)=∫−∞+∞xf(x)dx=∫03000xf(x)dx=∫0150015002x2dx+∫1500300015002x(3000−x)dx=150021⋅3x3
01500+150021(3000⋅2x2−3x3)
15003000=1500.
下列代码完成
E
(
X
)
E(X)
E(X)的Python计算。
from scipy.stats import rv_continuous #导入rv_continuous
import numpy as np #导入numpy
class mydist(rv_continuous): #自定义连续型分布
def _pdf(self, x): #概率密度函数
if type(x)!=type(np.array([])): #单一值自变量
x=np.array([x]) #转换成数组类型
y=np.zeros(x.size) #初始化函数值为0
d=np.where((x>=0)&(x<1500)) #介于0~1500间的x
y[d]=x[d]/(1500**2) #对应函数值
d=np.where((x>=1500)&(x<3000)) #介于1500~3000的x
y[d]=(3000-x[d])/(1500**2) #对应函数值
if y.size==1: #单一函数值
return y[0]
return y
dist=mydist() #创建mydist类对象dist
Ex=dist.expect() #计算数学期望E(X)
print('E(X)=%.1f'%Ex)
程序的第3~12行定义密度函数为 f ( x ) f(x) f(x)的连续型分布mydist类。第4~12行定义概率密度函数pdf。其中,第5~6行的if语句将单一值自变量转换为数组。第7行将函数值初始化为0。第8~9行计算 0 ≤ x < 1500 0\leq x<1500 0≤x<1500内的函数值 x 150 0 2 \frac{x}{1500^2} 15002x,第10~11行计算 1500 ≤ x < 3000 1500\leq x<3000 1500≤x<3000内的函数值 3000 − x 150 0 2 \frac{3000-x}{1500^2} 150023000−x。第13行创建mydist类的对象dist。第14行调用dist的函数expect计算 E ( X ) E(X) E(X)。运行程序,输出
E(X)=1500.0
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
代码诚可贵,原理价更高。若为AI学,读正版书好。
返回《导引》