离散型随机变量的数学期望不存在

离散型随机变量的数学期望，在现实生活中有什么实际的用处？ 谢谢邀请，转几个例子给你吧。例谈离散型随机变量数学期望的经济决策应用　1.风险决策 例1.船队要…为什么离散型随机变量存在数学期望的前提是对应的无穷级数绝对收敛？ 1.先看级数通项是不是趋于0.如果不是,直接写“发散”,OK得分,做下一题；如果是,转到2.2.看是什么级数,交错级数转到3；正项级数转到4.3.交错级数用莱布尼兹审敛法,通项递减趋于零就是收敛.4.正项级数用比值审敛法,比较审敛法等,一般能搞定.搞不定转5.5.看看这个级数是不是哪个积分定义式,或许能写成积分的形式来判断,如果积分出来是有限值就收敛,反之发散.如果还搞不定转6.（1）求离散随机变量不存在数学期望的例子（2）随机变量数学期望存在而方差不存在的例子 哥们，你是火星的。我服你 其实数学期望就是求个平均值！求期望：1、“样本点乘以对应的概率”，2、然后把这些值加起来就是期望了（不过要求总和要收敛哦，你想一个和不离散型随机变量的数学期望存在为什么必须级数绝对收敛？ 数学期望定义是E(X)=S xf(x)dx;单从式子的意义来看只要Sxf(x)dx收敛就行了（所以数学期望计算的就是条件收敛的值。但“期望”要强加级数Sxf(x)dx为绝抄对收敛这一条件，这是因为数学期望往往是通过从总体中抽样算出的，由大数定理和中心极限定理知，袭当从总体抽出的样本数很大时，其样本值的算术平均值就趣向与总的期望（当然我说的是离散型的 连续可作类似的理解），因为抽样是随机的，所以通过从总体中抽样算出的总体的期望就要求级数Sxf(x)dx应不因项的顺序变化而百改变其和,对于积分也应满足这一要求。而Sxf(x)dx应不因项的顺序变化而改变其和（比如交错级数收敛度，但其偶数项或奇数项不一定收敛）也要求它绝对收敛所以数学期望要求Sxf(x)dx绝对收敛，Sxf(x)dx绝对收敛一定能推出Sxf(x)dx收敛，推出数学期望存在。故级数Sxf(x)dx收敛是期望存在的充分必要条件。离散型随机变量的数学期望存在为什么必须级数绝对收敛?离散型随机变量的一切可能的取值xi与对应的概率P(=xi)之积的和称为的数学期望(设级数绝对收敛)，记为E。离散型随机变量的期望与方差一定存在吗? 关于随机变量分布,分别求一个连续分布和离散型分布数学期望不存在的例子,谢谢! 当E|x|->无穷时期望不存在,如指数分布和任一个随x增大的离散分布离散型随机变量只取有限个值时，数学期望一定存在吗 是。E(x)=(1/n)∑,n>x.离散型随机变量的数学期望存在为什么必须级数绝对收敛？ 如果不绝对收敛的话，就不存在数学期望了，所以必须的满足绝对收敛数学期望在什么情况下不存在呢？ 离散型随机变量X取可列个值时,它的数学期望要求级数∑|xi|pi收敛,否则数学期望不存在；连续型随机变量若在无限区间上取值,其数学期望是一个广义积分,要求积分绝对收敛,否则数学期望不存在.例如：柯西分布的数学期望EX就不存在。数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。需要注意的是，期望值并不一定等同于常识中的“期望”—“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。扩展资料：数学期望的应用1、经济决策假设某一超市出售的某种商品，每周的需求量X在10至30范围内等可能取值，该商品的进货量也在10至30范围内等可能取值（每周只进一次货）超市每销售一单位商品可获利500元，若供大于求，则削价处理，每处理一单位商品亏损100元。若供不应求，可从其他超市调拨，此时超市商品可获利300元。试计算进货量多少时，超市可获得最佳利润？并求出最大利润的期望值。分析：由于该商品的需求量（销售量）X是一个

#数学期望#绝对收敛#数学#随机变量