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 g(X)g(X) 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 E[g(X)]E[g(X)]
  • 能判断何时不必先求 Y=g(X)Y=g(X) 的分布

核心思路

设 Y=g(X)Y=g(X)。传统做法是先求出 YY 的分布,再按定义计算 E(Y)E(Y);但如果目标只是期望,可以直接在 XX 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 xx 先经过函数变成 g(x)g(x),而其概率权重仍由 XX 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 XX 取值为 xix_i,对应概率为 pip_i,则:

E[g(X)]=∑ig(xi)piE[g(X)]=\sum_i g(x_i)p_i

例如,某游戏的净收益 XX 可能为 −2-2、11、44,概率分别为 0.50.5、0.30.3、0.20.2。若关心平方损失 g(X)=X2g(X)=X^2,可直接计算:

xix_i pip_i g(xi)=xi2g(x_i)=x_i^2 g(xi)pig(x_i)p_i
-2 0.5 4 2.0
1 0.3 1 0.3
4 0.2 16 3.2

因此:

E(X2)=4×0.5+1×0.3+16×0.2=5.5E(X^2)=4\times0.5+1\times0.3+16\times0.2=5.5

整个过程只使用 XX 的原分布,没有单独构造 Y=X2Y=X^2 的分布。

连续型随机变量的计算

若连续型随机变量 XX 的概率密度为 f(x)f(x),则:

E[g(X)]=∫−∞+∞g(x)f(x) dxE[g(X)]=\int_{-\infty}^{+\infty}g(x)f(x)\,dx

例如,XX 在区间 [0,1][0,1] 上服从均匀分布,密度为 f(x)=1f(x)=1。要计算 E(X2)E(X^2),直接积分:

E(X2)=∫01x2 dx=13E(X^2)=\int_0^1 x^2\,dx=\frac{1}{3}

积分区间应覆盖 XX 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 E[g(X)]E[g(X)],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 Y=g(X)Y=g(X) 的概率、分位数或密度形状,则仍要进一步求 YY 的分布。对于多个随机变量,线性性质同样重要:

E(aX+b)=aE(X)+bE(aX+b)=aE(X)+b

该公式不要求 XX 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:

E[g(X)]≠g(E(X))E[g(X)]\ne g(E(X))

只有在线性函数 g(x)=ax+bg(x)=ax+b 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。

目录与阅读设置

阅读设置

17

记录一个想法

随机变量函数的期望

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