篇一:高中数学概率与统计知识点
高中数学之概率与统计
求等可能性事件、互斥事件和相互独立事件的概率
解此类题目常应用以下知识:
card(A)m
(1)等可能性事件(古典概型)的概率:P(A)=card(I)=;
等可能事件概率的计算步骤: 计算一次试验的基本事件总数n;
设所求事件A,并计算事件A包含的基本事件的个数m; 依公式
P(A)?
m
n求值;
答,即给问题一个明确的答复.
(2)互斥事件有一个发生的概率:P(A+B)=P(A)+P(B); 特例:对立事件的概率:P(A)+P(A)=P(A+A)=1. (3)相互独立事件同时发生的概率:P(A·B)=P(A)·P(B);
kkn?k
特例:独立重复试验的概率:Pn(k)=Cnp(1?p).其中P为事件A在一次试验中发生的
概率,此式为二项式[(1-P)+P]n展开的第k+1项. (4)解决概率问题要注意“四个步骤,一个结合”:
求概率的步骤是:
?等可能事件
?
?互斥事件 ?
?独立事件 ?
第一步,确定事件性质?n次独立重复试验
即所给的问题归结为四类事件中的某一种.
?和事件?
第二步,判断事件的运算?积事件
即是至少有一个发生,还是同时发生,分别运用相加或相乘事件.
m?
等可能事件: P(A)? ?n
??互斥事件:P(A?B)?P(A)?P(B) ?
?独立事件:P(A?B)?P(A)?P(B) ?kkn?k??n次独立重复试验:Pn(k)?Cnp(1?p)
第三步,运用公式求解
第四步,答,即给提出的问题有一个明确的答复.
2345
例1.在五个数字1,,,,中,若随机取出三个数字,则剩下两个数字都是奇数的概率是
(结果用数值表示).
C1333
P?3??.
C510
2 [解答过程]0.3提示:
例2.一个总体含有100个个体,以简单随机抽样方式从该总体中抽取一个容量为5的样本,
则指定的某个个体被抽到的概率为 .
511
P??..
10020 [解答过程]20提示:
例3.接种某疫苗后,出现发热反应的概率为0.80.现有5人接种该疫苗,至少有3人出现发
热反应的概率为__________.(精确到0.01)
[考查目的] 本题主要考查运用组合、概率的基本知识和分类计数原理解决问题的能力,以及推理和运算能力.
[解答提示]至少有3人出现发热反应的概率为
345C5?0.803?0.202?C5?0.804?0.20?C5?0.805?0.94.
故填0.94.
离散型随机变量的分布列 1.随机变量及相关概念
①随机试验的结果可以用一个变量来表示,这样的变量叫做随机变量,常用希腊字母ξ、η等表示.
②随机变量可能取的值,可以按一定次序一一列出,这样的随机变量叫做离散型随机变量. ③随机变量可以取某区间内的一切值,这样的随机变量叫做连续型随机变量. 2.离散型随机变量的分布列
①离散型随机变量的分布列的概念和性质
x??,?取每一个值xi(i?1,一般地,设离散型随机变量?可能取的值为x1,x2,??,i,
2,??)的概率P(??xi)=Pi,则称下表.
为随机变量?的概率分布,简称?的分布列.
由概率的性质可知,任一离散型随机变量的分布列都具有下述两个性质: (1)Pi?0,i?1,2,?;(2)P1?P2??=1. ②常见的离散型随机变量的分布列: (1)二项分布
n次独立重复试验中,事件A发生的次数?是一个随机变量,其所有可能的取值为0,1,2,?
kkn?k
n,并且Pk?P(??k)?Cnpq,其中0?k?n,q?1?p,随机变量?的分布列如下:
称这样随机变量?服从二项分布,记作?~B(n,p),其中
kkn?k
Cnpq?b(k;n,p) .
n、
p为参数,并记:
(2) 几何分布
在独立重复试验中,某事件第一次发生时所作的试验的次数?是一个取值为正整数的离散型随机变量,“??k”表示在第k次独立重复试验时事件第一次发生. 随机变量?的概率分布为:
例1.
厂家在产品出厂前,需对产品做检验,厂家将一批产品发给商家时,商家按合同规定也需随机抽取一定数量的产品做检验,以决定是否接收这批产品.
(Ⅰ)若厂家库房中的每件产品合格的概率为0.8,从中任意取出4件进行检验,求至少有1件是合格的概率;
(Ⅱ)若厂家发给商家20件产品中,其中有3件不合格,按合同规定该商家从中任取2件.都进行检验,只有2件都合格时才接收这批产品.否则拒收,求出该商家检验出不合格产品数?的分布列及期望E?,并求出该商家拒收这批产品的概率.
[解答过程](Ⅰ)记“厂家任取4件产品检验,其中至少有1件是合格品”为事件A 用对立事件A来算,有
P?A??1?PA?1?0.24?0.9984
??
(Ⅱ)?可能的取值为0,1,2.
2C17136
P???0??2?
C20190,
11C3C1751
?2
C20190,
P???1??
C323
P???2??2?
C20190
E??0?
1365133
?1??2??19019019010.
记“商家任取2件产品检验,都合格”为事件B,则商家拒收这批产品的概率
P?1?P?B??1?
13627
?
19095.
27
所以商家拒收这批产品的概率为95.
例12.
某项选拔共有三轮考核,每轮设有一个问题,能正确回答问题者进入下一轮考核,否则即被
423
淘汰. 已知某选手能正确回答第一、二、三轮的问题的概率分别为5、5、5,且各轮问题能
否正确回答互不影响.
(Ⅰ)求该选手被淘汰的概率;
(Ⅱ)该选手在选拔中回答问题的个数记为?,求随机变量?的分布列与数学期望. (注:本小题结果可用分数表示)
2,3),则 [解答过程]解法一:(Ⅰ)记“该选手能正确回答第i轮的问题”的事件为Ai(i?1,
P(A1)?
432
P(A2)?P(A3)?5,5,5,
?该选手被淘汰的概率
P?P(A1?A1A2?A2A2A3)?P(A1)?P(A1)P(A2)?P(A1)P(A2)P(A3)
?
142433101??????
555555125.
2,3,(Ⅱ)?的可能值为1,
P(??1)?P(A1)?
1
5,
428
P(??2)?P(A1A2)?P(A1)P(A2)???
5525, 4312
P(??3)?P(A1A2)?P(A1)P(A2)???
5525.
??的分布列为
1?E??1??2??3??
5252525.
,2,3),则解法二:(Ⅰ)记“该选手能正确回答第i轮的问题”的事件为Ai(i?1
P(A2)?
32P(A3)?5,5.
P(A1)?
4
5,
432101?1????
555125. ?该选手被淘汰的概率P?1?P(A1A2A3)?1?P(A1)P(A2)P(A3)
(Ⅱ)同解法一.
离散型随机变量的期望与方差 随机变量的数学期望和方差 平.
222
⑵离散型随机变量的方差:D??(x1?E?)p1?(x2?E?)p2???(xn?E?)pn??;
(1)离散型随机变量的数学期望:E??x1p1?x2p2??;期望反映随机变量取值的平均水
方差反映随机变量取值的稳定与波动,集中与离散的程度.
2
⑶基本性质:E(a??b)?aE??b;D(a??b)?aD?.
(4)若?~B(n,p),则 E??np ; D? =npq(这里q=1-p) ;
如果随机变量?服从几何分布,P(??k)?g(k,p),则
例1.甲、乙两名工人加工同一种零件,两人每天加工的零件数相等,所得次品数分别为ε、η,ε和η
E??
q1
2
p,D? =p其中q=1-p.
则比较两名工人的技术水平的高低为 .
思路:一是要比较两名工人在加工零件数相等的条件下出次品数的平均值,即期望;二是要看出次品数的波动情况,即方差值的大小.
解答过程:工人甲生产出次品数ε的期望和方差分别为:
E??0?
613?1??2??0.7101010,
D??(0?0.7)2?
613
?(1?0.7)2??(2?0.7)2??0.891101010;
工人乙生产出次品数η的期望和方差分别为:
E??0?
532532
D??(0?0.7)2??(1?0.7)2??(2?0.7)2??0.664?1??2??0.7
10101010
1010,
由Eε=Eη知,两人出次品的平均数相同,技术水平相当,但Dε>Dη,可见乙的技术比较
稳定.
小结:期望反映随机变量取值的平均水平;方差反映随机变量取值的稳定与波动,集中与离散的程度. 例2.
某商场经销某商品,根据以往资料统计,顾客采用的付款期数?的分布列为
商场经销一件该商品,采用1期付款,其利润为200元;分2期或3期付款,其利润为250元;分4期或5期付款,其利润为300元.?表示经销一件该商品的利润.
(Ⅰ)求事件A:“购买该商品的3位顾客中,至少有1位采用1期付款”的概率P(A); (Ⅱ)求?的分布列及期望E?.
[解答过程](Ⅰ)由A表示事件“购买该商品的3位顾客中至少有1位采用1期付款”. 知A表示事件“购买该商品的3位顾客中无人采用1期付款”
篇二:概率论基础知识归纳 第二章
【海文考研数学】:概率论基础知识归纳 第二章
一 随机变量及其分布函数
1随机变量的概念
为了对各种各样不同性质的试验能以统一形式表示实验中的事件,并能将微积分等数学工具引进概
率论。我们需引入随机变量的概念。
随机变量:设试验的样本空间为Ω,在Ω上定义一个单值实函数X=X(e),e∈Ω,对试验的每个结果e,X=X(e)有确定的值与之对应。由于实验结果是随机的,那X=X(e)的取值也是随机的,我们便称此定义在样本空间 上的单值实函数X=X(e)为一个随机变量。
引进随机变量后,试验中的每个事件便可以通过此随机在某范围内取值来表示了。(见图)
通俗讲,随机变量就是依照试验结果而取值的变量。 例1 向靶子(见图)射击一次,观察其得分,规定 击中区域Ⅰ得2分 击中区域Ⅱ得1分 击中区域Ⅲ得0分
样本空间Ω={Ⅰ,Ⅱ,Ⅲ}。定义随机变量X表示射击一次的得分 即 于是,
变量取某个值或
例2 观察某电话交换台,在时间T内接到的呼唤次数。 样本空间Ω={0,1,2,??}。可定义随机变量X就表示在时间T内接到的呼唤次数。于是,
A={接到呼唤次数不超过10次}={X≤10}
B={接到呼唤次数介于5至10次之间}={5≤X≤10} ,,
例3 从一批灯泡中任取一个灯泡作寿命试验。观察所测灯泡的寿命(单位:小时) 样本空间Ω=[0,+∞]。可定义随机变量X表示所测得灯泡的寿命于是,
A={测得灯泡寿命大于500(小时)}={X>500}
B={测得灯泡寿命不超过5000(小时)}={X≤5000}。
不具明显数量性质的试验也可以定义随机变量表示试验中每个事件。
例4将一枚硬币上抛一次,观察正,反面出现的情况。 试验的样本空间Ω={H,T}
,H-正面,T
-反面。 可定义随机变量X表示上抛1次硬币正面出现的次数,即
于是,A={出现正
面}={X=1}。 用随机变量表示事件常见形式有
等等(这里X为随机变量,χ,χ1,χ2等为实数) 2分布函数
定义 设X为随机变量,对任意实数χ,则称函数 F(χ)=P{X≤χ} 为随机变量X的分布函数。 例1 机房内有两台设备,令X表示某时间内发生故障的设备数,并知P{X=0}=0.5, P{X=1}=0.3,
P{X=2}=0.2,求X的分布函数F(χ)。
解:由于
X
的可能取值为0,1,2故应分情况讨论:
(1) 当χ<0时,F(χ)=P{X≤χ}=0
(2) 当0≤χ<1时,F(χ)=P{X≤χ}=P{X=0}=0.5
(3) 当1≤χ<2时,F(χ)=P{X≤χ}=P{X=0}+P{X=1}=0.5+0.3=0.8 (4) 当χ≥2时,F(χ)=P{X≤χ}=P{X=0}+P{X=1}+P{X=2}=0.5+0.3+0.2=1
总之,
例2 向一半径为2米的圆形靶子射击,假设击中靶上任何一同心圆的概率为该同心圆的面积成正比,且每次射击必中靶。令X表示弹着点到靶心距离,求X的分布函数F(χ)。
解: 当χ<0时,F(χ)=P{X≤χ}=0
当0≤χ≤2时,F(χ)=P{X≤χ}=P{击中半径为χ的同心圆}=λπχ
2
特别,当χ=2时,1=F{2}=λπ4,解得λ=1/4π,代入上式便得
当χ>2时,F(χ)=P{X≤χ}=1
性质1。F(χ)是单调不减的,即对任意χ1<χ2,有 F(χ1)≤F(χ2);
2。0≤F(χ)≤1且F(-∞)=0,F(+∞)=1;
3。F(χ)为右连续的,即对任意χ,有F(χ+0)= F(χ)。
可以证明(略)以上三条性质是分布函数所具有的三条基本共同特性。 利用分布函数可求随机变量落在某些区间上的概率,如
等等。
例3在前面打靶的例子中,已知X表示弹着点到靶心距离,并求得其分布函数为
于是便可以利用此分布函数,求出击中靶上环形区域(见图)的概率
随机变量分类:
二 离散型随机变量及其分布律 1离散型随机变量及其分布律的概念
定义:如果随机变量X的所有可能取值为有限个或可列个,则称随机变量X为离散型随机变量。
设X的所有可能取值为χ1,χ2,??χn,??,则称下列一组概率
P{X=χi}=ρi,i=1,2,??,n,?? 为X的分布律。分布律也常常写成表格形式
性质:1。pi≥0,一切I; 2。
例1 设袋中装着分别标有-1,2,2,2,3,3数字的六个球,现从袋中任取一球,令X表示取得球上所标的数字,求X的分布律。 解: X
的可能取值为-1,2,3,且容易求得
故X的分布律为
例:相同条件下,独立的向目标射击4次,设每次击中目标的概率为0.8,求击中目标次数X的分布律
解:X的可能取值为0,1,2,3,4利用二项概率公式便可求得
X的分布律为
例2 社会上定期发行某种奖券,每券一元,中奖率为p,某人每次买1张奖券,如果没有中奖便继续买一张,直到中奖为止。求该人购买奖券次数X的分布律。如果中奖率为1%,问他至少应买多少张奖券才能以不少于99%的概率中奖。
解:(1) 令Ai={第i次购买的奖券中奖},i=1,2,??
X的分布律为
(2)设n为所需购买的奖券数,按题意P{X≤n}≥99% 即
4 某产品40件,其中有次品3件,现从中任取3件,例(1)求取出的3件产品中所含次品数X的分布律;(2)求取出产品中至少有一件次品的概率;(3(转载自:www.xiaocaOfaNWen.com 小草 范 文 网:概率的基础知识)
)求出
X的分布函数
F
(
x
),并作其图形。
解:(1)X的可能取值为0,1,2,3,且有
(2)任取3件产品中至少含有一件次品的概率为
于是X的分布律为
即
P{X≥1}=P{X=1}+P{X=2}+P{X=3}=0.2022+0.0112+0.0001=0.2135或P{X≥1}=1-P{X<1=1-
P{X=0}=1-0.7865=0.2135
篇三:概率论知识点总结
概率论知识点总结
第一章 随机事件及其概率
第一节 基本概念
随机实验:将一切具有下面三个特点:(1)可重复性(2)多结果性(3)不确定性的试验或观察称为随机试验,简称为试验,常用 E 表示。
随机事件:在一次试验中,可能出现也可能不出现的事情(结果)称为随机事件,简称为事件。
不可能事件:在试验中不可能出现的事情,记为Ф。 必然事件:在试验中必然出现的事情,记为Ω。
样本点:随机试验的每个基本结果称为样本点,记作ω.
样本空间:所有样本点组成的集合称为样本空间. 样本空间用Ω表示.
一个随机事件就是样本空间的一个子集。基本事件—单点集,复合事件—多点集 一个随机事件发生,当且仅当该事件所包含的一个样本点出现。 事件的关系与运算(就是集合的关系和运算)
包含关系:若事件 A 发生必然导致事件B发生,则称B包含A,记为B?A或A?B。 相等关系:若B?A且A?B,则称事件A与事件B相等,记为A=B。
事件的和:“事件A与事件B至少有一个发生”是一事件,称此事件为事件A与事件B的和事件。记为 A∪B。
事件的积:称事件“事件A与事件B都发生”为A与B的积事件,记为A∩ B或AB。
事件的差:称事件“事件A发生而事件B不发生”为事件A与事件B的差事件,记为 A-B。 用交并补可以表示为A?B?AB。
互斥事件:如果A,B两事件不能同时发生,即AB=Φ,则称事件A与事件B是互不相容事件或互斥事件。互斥时A?B可记为A+B。
对立事件:称事件“A不发生”为事件A的对立事件(逆事件),记为A。对立事件的性质:
A?B??,A?B??。
事件运算律:设A,B,C为事件,则有 (1)交换律:A∪B=B∪A,AB=BA
(2)结合律:A∪(B∪C)=(A∪B)∪C=A∪B∪C A(BC)=(AB)C=ABC
(3)分配律:A∪(B∩C)=(A∪B)∩(A∪C) A(B∪C)=(A∩B)∪(A∩C)= AB∪AC (4)对偶律(摩根律):A?B?A?BA?B?A?B
第二节 事件的概率 概率的公理化体系: (1)非负性:P(A)≥0; (2)规范性:P(Ω)=1
(3)可数可加性:A1?A2???An??两两不相容时
P(A1?A2???An??)?P(A1)?P(A2)???P(An)??
概率的性质: (1)P(Φ)=0
(2)有限可加性:A1?A2???An两两不相容时
P(A1?A2???An)?P(A1)?P(A2)???P(An)
当AB=Φ时P(A∪B)=P(A)+P(B) (3)P(A)?1?P(A)
(4)P(A-B)=P(A)-P(AB)
(5)P(A∪B)=P(A)+P(B)-P(AB)
第三节 古典概率模型
1、设试验E是古典概型, 其样本空间Ω由n个样本点组成,事件A由k个样本点组成.则定义事件A的概率为P(A)?
k n
2、几何概率:设事件A是Ω的某个区域,它的面积为 μ(A),则向区域Ω上随机投掷一点,该点落在区域 A 的概率为P(A)?
?(A)
?(?)
假如样本空间Ω可用一线段,或空间中某个区域表示,则事件A的概率仍可用上式确定,只不过把μ理解为长度或体积即可.
第四节 条件概率
条件概率:在事件B发生的条件下,事件A发生的概率称为条件概率,记作 P(A|B).
P(A|B)?
P(AB)
P(B)
乘法公式:P(AB)=P(B)P(A|B)=P(A)P(B|A)
全概率公式:设A1,A2,?,An是一个完备事件组,则P(B)=∑P(Ai)P(B|Ai) 贝叶斯公式:设A1,A2,?,An是一个完备事件组,则
P(Ai|B)?
P(AiB)
?P(B)
P(Ai)P(B|Ai)
P(A)P(B|A)jj
第五节 事件的独立性
两个事件的相互独立:若两事件A、B满足P(AB)= P(A) P(B),则称A、B独立,或称A、B相互独立.
三个事件的相互独立:对于三个事件A、B、C,若P(AB)= P(A) P(B),P(AC)= P(A)P(C),P(BC)= P(B) P(C),P(ABC)= P(A) P(B)P(C),则称A、B、C相互独立
三个事件的两两独立:对于三个事件A、B、C,若P(AB)= P(A) P(B),P(AC)= P(A)P(C),P(BC)= P(B) P(C),则称A、B、C两两独立
独立的性质:若A与B相互独立,则A与B,A与B,A与B均相互独立
总结:1.条件概率是概率论中的重要概念,其与独立性有密切的关系,在不具有独立性的场合,它将扮演主要的角色。2.乘法公式、全概公式、贝叶斯公式在概率论的计算中经常使用, 应牢固掌握。3.独立性是概率论中的最重要概念之一,应正确理解并应用于概率的计算。
第二章 一维随机变量及其分布
第二节 分布函数
分布函数:设X是一个随机变量,x为一个任意实数,称函数F(x)?P{X?x}为X的分布函数。如果将X看作数轴上随机点的坐标,那么分布函数 F(x)的值就表示X落在区间
(??,x]内的概率
分布函数的性质:(1)单调不减;(2)右连续;(3)F(??)?0,F(??)?1
第三节 离散型随机变量
离散型随机变量的分布律:设xk(k=1,2, …)是离散型随机变量X所取的一切可能值,称
P{X?xk}?pk为离散型随机变量X的分布律,也称概率分布.
当离散性随机变量取值有限且概率的规律不明显时,常用表格形式表示分布律。 分布律的性质:(1)0?pk?1;(2)
?p
k
?1
离散型随机变量的概率计算:
(1)已知随机变量X的分布律,求X的分布函数;
F(x)?P{X?x}?
xk?x
?P(x
k
)
(2)已知随机变量X的分布律, 求任意随机事件的概率; (3)已知随机变量X的分布函数,求X的分布律
P{X?xk}?F(xk)?F(xk?0)
三种常用离散型随机变量的分布:
1.(0-1)分布:参数为p的分布律为P{X?1}?p,P{X?0}?1?p 2.二项分布:参数为n,p的分布律为P{X?k}?Cnp(1?p)
k
k
n?k
,k?0,1,2,?,n。例如
n重独立重复实验中,事件A发生的概率为p,记X为这n次实验中事件A发生的次数,则X~B(n,p)
3.泊松分布:参数为λ的分布率为P{X?k}?
?k
k!
e??,k?0,1,2,?。例如记X为某段事
件内电话交换机接到的呼叫次数,则X~P(λ)
第四节 连续型随机变量
连续型随机变量概率密度f(x)的性质 (1)f(x)≥0 (2)
?
??
??
f(x)dx?1,P{X?a}??f(x)dx?0
a
a
(3)P{a?X?b}?P{a?X?b}?P{a?X?b}?P{a?X?b}?(4)f(x)?F?(x),F(x)?
?
b
a
f(x)dx
?
x
??
f(x)dx
x
连续型随机变量的概率计算:
(1)已知随机变量X的密度函数,求X的分布函数;F(x)?
?
??
f(x)dx
(2)已知随机变量X的分布函数,求X的密度函数;f(x)?F?(x) (3)已知随机变量X的密度函数, 求随机事件的概率;P{a?X?b}?
?
b
a
f(x)dx
(4)已知随机变量X的分布函数,求随机事件的概率;P{a?X?b}?F(b)?F(a)
三种重要的连续型分布:
?1?
1.均匀分布:密度函数f(x)??b?a
??0??e??x
2. 指数分布:密度函数f(x)??
?0
3. 正态分布:密度函数f(x)?
a?x?belsex?0x?0
,记为 X~U[a,b].
,记为X~E(λ)
12??
e
?
(x??)22?2
,记为X~N(?,?)
2
N(0,1)称为标准正态分布.标准正态分布的重要性在于,任何一个一般的正态分布都可以通过线性变换转化为标准正态分布,然后再计算概率.
P{a?X?b}?F(b)?F(a)??(
b??
?
)??(
a??
?
)
第五节 随机变量函数的分布
离散型:在分布律的表格中直接求出;
连续型:寻找分布函数间的关系,再求导得到密度函数间的关系;注意分段函数情况可能需要讨论,得到的结果也可能是分段函数。
FY(y)?P{Y?y}?P{g(X)?y}?P{X?G(y)}?F(G(y))
第三章 多维随机变量及其分布
第一节 二维随机变量的联合分布函数
联合分布函数F(x,y)?P{X?x,Y?y},表示随机点落在以(x ,y)为顶点的左下无穷矩形区域内的概率。 联合分布函数的性质:
(1)分别关于x和y单调不减; (2)分别关于x和y右连续;
(3)F (-∞ , y ) = 0,F ( x ,-∞ ) =0,F(-∞,-∞) = 0 F ( +∞ ,+∞ ) = 1
第二节 二维离散型随机变量
联合分布律:P{X?xi,Y?yj}?pij 联合分布律的性质:pij?0;
第三节 二维连续性随机变量 联合密度:F(x,y)?
??p
i
j
ij
?1
?
y
??
dv?f(u,v)du
??
x
联合密度的性质:f(x,y)?0;
??f(x,y)dxdy?1;P{(x,y)?D}???f(x,y)dxdy
R2
D
第四节 边缘分布
二维离散型随机变量的边缘分布律:在表格边缘,对应概率相加求出;
二维连续性随机变量的边缘密度:先求出边缘分布函数,在求导求出边缘密度
第六节 随机变量的独立性 独立性判断:
(1)若X,Y取值互不影响,可认为相互独立; (2)根据独立性定义判断F(x,y)?FX(x)FY(y) 离散型可用pij?pi?p?j
连续型可用f(x,y)?fX(x)fY(y)
独立性的应用:(1)判断独立性;(2)已知独立性,由边缘分布确定联合分布
第四章 随机变量的数字特征 离散型随机变量数学期望的计算EX?连续型随机变量数学期望的计算EX?
?x
k
k
pk,E(g(X))??g(xk)pk
k
?xf(x)dx,E(g(X))??g(x)f(x)dx