高等数学 / 系统课时

期望的运算性质

期望的运算性质

期望的运算性质可以把复杂随机变量组合的计算转化为简单代数运算。本课重点掌握线性性质,并说明它为何不要求随机变量相互独立。

学习目标

  • 掌握常数、数乘、平移与求和的期望公式
  • 能用线性性质简化随机变量组合的计算
  • 区分期望线性与乘积期望的适用条件

线性性质

对期望存在的随机变量 XX、YY 和常数 aa、bb,有:

E(aX+bY)=aE(X)+bE(Y)E(aX+bY)=aE(X)+bE(Y)

更一般地,对有限个随机变量 X1,X2,…,XnX_1,X_2,\ldots,X_n,有:

E(∑i=1naiXi)=∑i=1naiE(Xi)E\left(\sum_{i=1}^{n}a_iX_i\right)=\sum_{i=1}^{n}a_iE(X_i)

这条性质不要求随机变量相互独立。只要相关期望存在,就可以先分别求期望,再按相同系数组合。

三个直接结论

把线性公式应用到特殊情形,可以得到三个常用结论:

变换 期望结果 含义
常数 cc E(c)=cE(c)=c 常数没有随机波动
数乘 aXaX E(aX)=aE(X)E(aX)=aE(X) 整体缩放会同步缩放平均水平
平移 X+bX+b E(X+b)=E(X)+bE(X+b)=E(X)+b 每个取值增加 bb,期望也增加 bb

这些结论可以直接用于单位换算、总成本计算和多次试验的总次数估计。

随机变量求和的应用

设某商店一天内三段时间的订单量分别为 X1X_1、X2X_2、X3X_3,其期望分别为 2020、3535、2525。全天订单总量为:

S=X1+X2+X3S=X_1+X_2+X_3

无论三个时段的订单量是否相关,都有:

E(S)=20+35+25=80E(S)=20+35+25=80

因此,估计总量的平均水平时,不必先求出联合分布。线性性质常用来处理“多个局部数量相加得到总体数量”的问题。

指示变量技巧

若事件 AA 发生时取 IA=1I_A=1,不发生时取 IA=0I_A=0,则:

E(IA)=1⋅P(A)+0⋅P(Ac)=P(A)E(I_A)=1\cdot P(A)+0\cdot P(A^c)=P(A)

假设 nn 次试验中成功次数为 NN,令第 ii 次成功的指示变量为 IiI_i,则 N=I1+I2+⋯+InN=I_1+I_2+\cdots+I_n。因此:

E(N)=∑i=1nE(Ii)=∑i=1nP(Ii=1)E(N)=\sum_{i=1}^{n}E(I_i)=\sum_{i=1}^{n}P(I_i=1)

即使各次试验并不独立,只要每次成功概率已知,仍可利用线性性质计算成功总次数的期望。

乘积期望的边界

线性性质不能直接推出 E(XY)=E(X)E(Y)E(XY)=E(X)E(Y)。只有在 XX 与 YY 独立且相关期望存在时,通常才有:

E(XY)=E(X)E(Y)E(XY)=E(X)E(Y)

例如令 Y=XY=X,则 E(XY)=E(X2)E(XY)=E(X^2),一般不等于 [E(X)]2[E(X)]^2。因此,看到乘积时必须先判断是否独立,不能套用加法的处理方式。

记忆要点:期望对“加法和数乘”天然线性;对“乘法”没有无条件的线性规则。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

期望的运算性质

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通