高等数学 / 系统课时
随机变量函数的期望
随机变量函数的期望
当研究收益、损失、平方误差或其他由随机变量变换得到的量时,直接求新变量的分布往往很繁琐。本课将学习用原随机变量的分布直接计算函数 的期望,并掌握离散型与连续型情形的统一思路。
学习目标
- 理解随机变量函数期望公式的含义
- 会直接计算离散型与连续型的
- 能判断何时不必先求 的分布
核心思路
设 。传统做法是先求出 的分布,再按定义计算 ;但如果目标只是期望,可以直接在 的取值或密度上加权,这就是随机变量函数的期望公式。
本质上,每个原始取值 先经过函数变成 ,而其概率权重仍由 的分布提供。这样可以绕过“合并相同函数值、重新整理新分布”等步骤。
离散型随机变量的计算
若离散型随机变量 取值为 ,对应概率为 ,则:
例如,某游戏的净收益 可能为 、、,概率分别为 、、。若关心平方损失 ,可直接计算:
| -2 | 0.5 | 4 | 2.0 |
| 1 | 0.3 | 1 | 0.3 |
| 4 | 0.2 | 16 | 3.2 |
因此:
整个过程只使用 的原分布,没有单独构造 的分布。
连续型随机变量的计算
若连续型随机变量 的概率密度为 ,则:
例如, 在区间 上服从均匀分布,密度为 。要计算 ,直接积分:
积分区间应覆盖 的有效取值范围。若密度只在某个区间非零,就只需在该区间积分。
什么时候可以直接使用
当题目只要求 ,通常优先使用直接公式,尤其适合平方、绝对值、指数函数和成本函数等变换。若还需要 的概率、分位数或密度形状,则仍要进一步求 的分布。对于多个随机变量,线性性质同样重要:
该公式不要求 与其他变量独立。更一般地,期望对有限线性组合始终满足线性运算,这是简化计算的重要工具。
易混淆边界
直接公式并不表示函数可以移出期望。一般情况下:
只有在线性函数 下,两者才必然相等。另一个常见错误是变换取值后忘记保留原概率权重;函数改变的是数值,不会自动改变原事件发生的概率。
按自己的节奏,确认真正理解。