第四章 随机变量的数字特征

上一章介绍了随机变量的分布函数/概率密度和分布律，他们都能完整地描述随机变量，但在某些实际或理论问题中，人们感兴趣于某些能描述随机变量某一种特征的常数，例如，一篮球队上场比赛的运动员的身高是一个随机常量，人们常关心上场运动员的平均身高，一个城市一户家庭拥有汽车的辆数。评价棉花的质量时，既需要注意纤维的平均长度，又需要注意纤维长度与平均长度的偏离程度，平均长度较大，偏离程度越小，质量就较好。这种由随机变量的分布所确定的，能刻画随机变量某一方面的特征的常数统称为数字特征，它在理论和实际应用中都很重要，本章将介绍几个重要的数字特征：数字期望/方差/相关系数和矩。

1 数学期望
先看一个例子，一射手进行打靶联系，规定射入区域e2（图4-1）得2分，射入区域e1得1分，脱靶，即射入区域e0，得0分。射手一次射击得分数X是一个随机变量，设X的分布律为：


现在射击N次，其中得0分得有a0次，得1分得有a1次，得2分的有a2次，a0+a1+a2=N. 他射击N次得分的综合为a00+a11+a2*2. 于是平均一次射击的得分数为：

这里，ak/N是事件{X=k}的频率。在第五章将会讲到，当N很大时，ak/N在一定意义下接近于事件{X=k}的概率pk。就是说，在实验次数很大时，随机变量X的观察值的算术平均
在一定意义下接近于
我们称
为随机变量X的数学期望或均值，一般，有以下的定义。

定义 设离散型随机变量X的分布律为

若级数
绝对收敛，则称级数的和为随机变量X的数学期望，记为E(X)。即

设连续型随机变量X的概率密度为f(x)，若积分

绝对收敛，则称积分的值为随机变量X的数学期望，记为E(X)。
即：

数学期望简称期望，又称为均值。
数学期望E(X)完全由随机变量X的概率分布所确定。若X服从某一分布，也称E(X)是这一分布的数学期望。

例1：某医院当新生儿诞生时，医生要根据婴儿的皮肤颜色、肌肉弹性、反应的敏感性、心脏的搏动等方面的情况进行评分，新生儿的得分X是以随机变量。据以往的资料表明X的分布律为

试求X的数学期望E(X).

这意味着，若考察医院出生的很多新生儿，例如1000个，那么一个新生儿的平均得分约7.15分，1000个新生儿共得分约7150分。

例2：有两个相互独立工作的电子装置，它们的寿命（以小时计）Xk(k=1,2)服从同一指数分布，其概率密度为

若将这两个电子装置串联连接组成整机，求整机寿命（以小时计）N的数学期望。