知识讲解离散型随机变量的均值与方差

知识讲解离散型随机变量的均值与方差(总13页)

-CAL-FENGHAI.-(YICAI)-Company One1

-CAL-本页仅作为文档封面，使用请直接删除

离散型随机变量的均值与方差

【学习目标】

1. 理解取有限个值的离散型随机变量的均值或期望的概念，会根据离散型随机变量的分布列求出均值或期望，并能解决一些实际问题；

2. 理解取有限个值的离散型随机变量的方差、标准差的概念，会根据离散型随机变量的分布列求出方差或标准差，并能解决一些实际问题；

【要点梳理】

要点一、离散型随机变量的期望 1.定义：

一般地，若离散型随机变量ξ的概率分布为

则称=ξE +11p x +22p x …++n n p x … 为ξ的均值或数学期望，简称期望．

要点诠释：

（1）均值（期望）是随机变量的一个重要特征数，它反映或刻画的是随机变量取值的平均水平．

（2）一般地，在有限取值离散型随机变量ξ的概率分布中，令=1p =2p …n p =，则有

=1p =2p …n p n 1=

=，=ξE +1(x +2x …n

x n 1

)?+，所以ξ的数学期望又称为平均数、均值。 （3）随机变量的均值与随机变量本身具有相同的单位． 2．性质：

①()E E E ξηξη+=+；

②若b a +=ξη(a 、b 是常数)，ξ是随机变量，则η也是随机变量，有

b aE b a E +=+ξξ)(；

b aE b a E +=+ξξ)(的推导过程如下：：

η的分布列为

于是=ηE ++11)(p b ax ++22)(p b ax …()i i ax b p +++…

＝+11(p x a +22p x …i i x p ++…)++1(p b +2p …i p ++…)＝b aE +ξ ∴b aE b a E +=+ξξ)(。

要点二：离散型随机变量的方差与标准差 1.一组数据的方差的概念：

已知一组数据1x ，2x ，…，n x ，它们的平均值为x ，那么各数据与x 的差的平方的平均数

[1

2n

S =

21)(x x -＋22)(x x -＋…＋])(2x x n -叫做这组数据的方差。 2.离散型随机变量的方差：

一般地，若离散型随机变量ξ的概率分布为

则称ξD ＝121)(p E x ?-ξ＋222)(p E x ?-ξ＋…＋2()n i x E p ξ-?＋…称为随机变量ξ的方差，式中的ξE 是随机变量ξ的期望．

ξD 的算术平方根ξD 叫做随机变量ξ的标准差，记作σξ．

要点诠释：

⑴随机变量ξ的方差的定义与一组数据的方差的定义式是相同的；

⑵随机变量ξ的方差、标准差也是随机变量ξ的特征数，它们都反映了随机变量取值的稳定与波动、集中与离散的程度；方差（标准差）越小，随机变量的取值就越稳定（越靠近平均值）．

⑶标准差与随机变量本身有相同的单位，所以在实际问题中应用更广泛。 3.期望和方差的关系：

4.方差的性质：

若b a +=ξη(a 、b 是常数)，ξ是随机变量，则η也是随机变量，

2()D D a b a D ηξξ=+=；

要点三：常见分布的期望与方差 1、二点分布：

若离散型随机变量ξ服从参数为p 的二点分布，则 期望E p ξ= 方差(1).D p p ξ=-

证明：∵(0)P q ξ==,(1)P p ξ==,01p <<,1p q += ∴01E q p p ξ=?+?= 2、二项分布：

若离散型随机变量ξ服从参数为,n p 的二项分布，即~(),B n P ξ，则 期望E nP ξ= 方差(1-)D np p ξ= 期望公式证明：

∵k n k k n k n k k n

q p C p p C k P --=-==)1()(ξ， ∴001112220012......n n n k k n k n n n

n n n n E C p q C p q C p q k C p q n C p q ξ---=?+?+?++?++?， 又∵1

1)]!

1()1[()!1()!1()!(!!--=-----?=-?=k n k

n

nC k n k n n k n k n k kC ，

∴=ξE (np 0011n n C p q

--＋2111--n n q p C ＋…＋)1()1(111------k n k k n q p C ＋…＋)0

111q p C n n n --- np q p np n =+=-1)(．

3、几何分布：

独立重复试验中，若事件A 在每一次试验中发生的概率都为p ，事件A 第一次发生时所做的试验次数ξ是随机变量，且1()(1)k P k p p -ξ==-，0,1,2,3,,,k n =，称离散型随机变

量ξ服从几何分布，记作：~()()P k k P ξξ==g ，。

若离散型随机变量ξ服从几何分布，且~()()P k k P ξξ==g ，，则 期望1

.E p ξ=

方差2

1-p

D p ξ=

要点诠释：随机变量是否服从二项分布或者几何分布，要从取值和相应概率两个角度去验证。

4、超几何分布：

若离散型随机变量ξ服从参数为,,N M n 的超几何分布，则 期望()nM

E N

ξ=

要点四：离散型随机变量的期望与方差的求法及应用 1、求离散型随机变量ξ的期望、方差、标准差的基本步骤： ①理解ξ的意义，写出ξ可能取的全部值； ②求ξ取各个值的概率，写出分布列；

③根据分布列，由期望、方差的定义求出E ξ、D ξ、σξ：

σξ=注意：常见分布列的期望和方差，不必写出分布列，直接用公式计算即可． 2.离散型随机变量的期望与方差的实际意义及应用

① 离散型随机变量的期望，反映了随机变量取值的平均水平；

② 随机变量的方差与标准差都反映了随机变量取值的稳定与波动、集中与离散的程度。方差越大数据波动越大。

③对于两个随机变量1ξ和2ξ，当需要了解他们的平均水平时，可比较1ξE 和2ξE 的大小。 ④1ξE 和2ξE 相等或很接近，当需要进一步了解他们的稳定性或者集中程度时，比较1ξD 和

2ξD ，方差值大时，则表明ξ比较离散，反之，则表明ξ比较集中．品种的优劣、仪器的好

坏、预报的准确与否、武器的性能等很多指标都与这两个特征数（数学期望、方差）有关． 【典型例题】

类型一、离散型随机变量的期望

例1．某射手射击所得环数ξ的分布列如下：

已知．

【思路点拨】分布列中含有字母x 、y,应先根据分布列的性质，求出x 、y 的值，再利用期望的定义求

解；

【解析】x ＋0.1＋0.3＋y ＝1，即x ＋y ＝0.6.① 又7x ＋0.8＋2.7＋10y ＝8.9，化简得7x ＋10y ＝5.4.②

由①②联立解得x ＝0.2，y ＝0.4.

【总结升华】求期望的关键是求出分布列，只要随机变量的分布列求出，就可以套用期望的公式求解， 举一反三：

【变式1】某一离散型随机变量ξ的概率分布如下，且E （ξ）=1.5，则a －b 为（ ）．

A ．－0.1

B ．0

C ．0.1

D ．0.2 【答案】B

由分布列的性质知：0.1+a+b+0.1=1，

∴a+b=0.8．又E （ξ）=0×0.1+1×a+2×b+3×0.1=1.5，即a+2b=1.2． 解得a=0.4，b=0.4，∴a －b=0．

【变式2】随机变量ξ的分布列为

)

A ．13

B ．11

C ．2.2

D ．2.3

【答案】A 由已知得：

E(ξ)＝0×0.4＋2×0.3＋4×0.3＝1.8， ∴E(5ξ＋4)＝5E(ξ)＋4＝5×1.8＋4＝13.

【变式3】节日期间，某种鲜花进货价是每束2.5元，销售价每束5元；节后卖不出去的鲜花以每束1.6元价格处理．根据前五年销售情况预测，节日期间这种鲜花的需求量服从如下表所示的分布，若进这种

鲜花500束，则期望利润是

．690元 C ．754元

D ．720元

【答案】A 节日期间预售的量：

Eξ＝200×0.2＋300×0.35＋400×0.3＋500×0.15＝40＋105＋120＋75＝340(束)，

则期望的利润：

η＝5ξ＋1.6(500－ξ)－500×2.5＝3.4ξ－450， ∴Eη＝3.4Eξ－450＝3.4×340－450＝706.

∴期望利润为706元． 【变式4】设离散型随机变量ξ的可能取值为1，2，3，4，且()P k ak b ξ==+（1,2,3,4k =），3E ξ=，则a b += ；

【答案】0.1；

由分布列的概率和为1，有()(2)(3)(4)1a b a b a b a b +++++++=， 又3E ξ=，即1()2(2)3(3)4(4)3a b a b a b a b ?++?++?++?+=，

解得0.1a =，0b =，故0.1a b +=。

例2. 某同学参加科普知识竞赛，需回答三个问题，竞赛规则规定：每题回答正确得100分，回答不正确得－100分．假设这名同学回答正确的概率均为0.8，且各题回答正确与否相互之间没有影响．

（1）求这名同学回答这三个问题的总得分X 的概率分布和数学期望； （2）求这名同学总得分不为负分（即X≥0）的概率．

【思路点拨】本题显然为独立重复试验的问题，因此求各个情况的概率直接用公式即可。

（1）求X 的可能取值，即求得分，答对0道题得－300分，答对1道题得100－200=－100分，答对2道题得2×100－100=100分，答对3道题得300分；（2）总分不为负分包括100分和300分两种情况． 【解析】

（1）X 的可能取值为－300，－100，100，300． P （X=－300）=0.23=0.008。

P （X=－100）=1

3C ×0.22×0.8=0.096，

P （X=100）=23C ×0.2×0.82=0.384， P （X=300）=0.83=0.512． 所以X 的概率分布为

∴E （X ）=(－300)×0.008+(－100)×0.096+100×0.384+300×0.512=180． （2）这名同学总得分不为负分的概率为

P （X≥0）=P （X=100）+P （X=300）=0.384+0.512=0.896． 【总结升华】求离散型随机变量均值的关键在于列出概率分布表． 举一反三：

【变式1】 篮球运动员在比赛中每次罚球命中得1分，罚不中得0分，已知他命中的概率为0.7，求他罚球一次得分ξ的期望

【答案】因为3.0)0(,7.0)1(====ξξP P ， 所以.03.007.01=?+?=ξE

【变式2】一盒中装有零件12个，其中有9个正品，3个次品，从中任取一个，如果每次取出次品就不再放回去，再取一个零件，直到取得正品为止．求在取得正品之前已取出次品数的期望．

【答案】

设取得正品之前已取出的次品数为ξ，显然ξ所有可能取的值为0，1，2，3 当0

ξ=时，即第一次取得正品，试验停止，则

当1

ξ=时，即第一次取出次品，第二次取得正品，试验停止，则

当2

ξ=时，即第一、二次取出次品，第三次取得正品，试验停止，则当3

ξ=时，即第一、二、三次取出次品，第四次取得正品，试验停止，则

∴ξ分布列为

∴

3

0123

44422022010 Eξ=?+?+?+?=

【变式3】

某城市出租汽车的起步价为10元，行驶路程不超出4km时租车费为10元，若行驶路程超出4km，则按每超出lkm加收2元计费(超出不足lkm的部分按lkm计)．从这个城市的民航机场到某宾馆的路程为15km．某司机经常驾车在机场与此宾馆之间接送旅客，由于行车路线的不同以及途中停车时间要转换成行车路程(这个城市规定，每停车5分钟按lkm路程计费)，这个司机一次接送旅客的行车路程ξ是一个随机变量．设他所收租车费为η

(Ⅰ)求租车费η关于行车路程ξ的关系式；

(Ⅱ)若随机变量ξ的分布列为

求所收租车费η的数学期望．

(Ⅲ)已知某旅客实付租车费38元，而出租汽车实际行驶了15km ，问出租车在途中因故停车累计最多几分钟

【答案】

(Ⅰ)依题意得 η=2(ξ-4)十10，即 η=2ξ+2； (Ⅱ)=ξE 4.161.0183.0175.0161.015=?+?+?+? ∵ η=2ξ+2

∴ =ηE 2E ξ+2=34.8 （元） 故所收租车费η的数学期望为34.8元．

(Ⅲ)由38=2ξ+2，得ξ=18，5?(18-15)=15 所以出租车在途中因故停车累计最多15分钟 例3．若某批产品共100件，其中有20件二等品，从中有放回地抽取3件，求取出二等品的件数的

期望、方差。

【思路点拨】3次有放回的抽取就是3次独立重复试验，取出二等品的件数这一随机变量服从二项分

布。

【解析】由题知一次取出二等品的概率为0.2，有放回地抽取3件，可以看作3次独立重复试验，

即取出二等品的件数~(3,0.2)B ξ， 所以30.20.6E np ξ==?=，

(1)30.2(10.2)0.48D np p ξ=-=??-=.

【总结升华】 在确定随机变量服从特殊分布以后，可直接运用公式求其均值． 举一反三：

【变式1】 英语考试有100道选择题，每个题有4个选项，选对得1分，否则得0分，学生甲会其中的20道，学生乙会其中的80道，不会的均随机选择，求甲、乙在这次测验中得分的数学期望．

【答案】

设甲、乙不会的题的得分分别为随机变量X 和Y ，由题意知X ～B （80，0.25），Y ～B （20，0.25），

∴E （X ）=80×0.25=20，E （Y ）=20×0.25=5．

故甲、乙的数学期望成绩分别为40分和85分．

【变式2】 甲、乙两人各进行3次射击，甲每次击中目标的概率为1

2

，乙每次击中目标的概率为

2

3

，记甲击中目标的次数为X ，乙击中目标的次数为Y ， （1）求X 的概率分布； （2）求X 和Y 的数学期望．

【答案】 甲、乙击中目标的次数均服从二项分布．

（1）3

03

11

(0)28

P X C ??=== ???，

3

1313(1)28P X C ??=== ???， 3

23

13

(2)28

P X C ??=== ???，

3

3311(3)28P X C ??=== ?

??。 所以X 的概率分布如下表：

（2）由（1）知()0123 1.58888

E X =?+?+?+?=，

或由题意13,2X B ??

???，23,3Y B ?? ???

。 ∴1()3 1.52E X =?

=，2

()323

E Y =?=。

【变式3】 一次单元测验由20个选择题构成，每个选择题有4个选项，其中有且仅有一个选项是正确答案，每题选择正确答案得5分，不作出选择或选错不得分，满分100分 学生甲选对任一题的概率为0.9，学生乙则在测验中对每题都从4个选择中随机地选择一个，求学生甲和乙在这次英语单元测验中的成绩的期望

【答案】设学生甲和乙在这次英语测验中正确答案的选择题个数分别是ηξ,，则

(20,0.9)B ξ,

)25.0,20(~B η,

由于答对每题得5分，学生甲和乙在这次英语测验中的成绩分别是5ξ和5η 所以，

他们在测验中的成绩的期望分别是：

类型二、离散型随机变量的方差

例4. 设X 是一个离散型随机变量，其概率分布如下表，试求E （X ）和D （X ）．

【思路点拨】 由概率分布的性质求出q

的值后，再计算E （X ），D （X ）． 【解析】 由概率分布的性质，得：

2

2

1(12)12

01210

1

q q q q ?+-+=??≤-≤?

?≤≤??

，得12q =-。

∴13(

)10

1)11

22E X ?=-?+?+?-=- ?

22213()(2(11)122D X ?=-+?+-?+?-= ?。

【总结升华】求随机变量的方差，应先明确随机变量的概率分布。然后利用均值与方差的定义列式计算． 举一反三：

【变式1】 设随机变量X 的概率分布为

求D(X ）。

【答案】 本题考查方差的求法．可由分布列先求出X 的期望E （X ），再利用方差的定义求之．也可直接利用公式D （X ）=E （X 2）－[E （X ）]2来解．

解法一：

(1)11

22

n n n n ++=

?=

， ∴D 2

2

2

111111()12222n n n V X n n n n +++?????

?=-?+-?+

+-? ? ? ??????

?

2222

1(1)(12)(1)(12)4n n n n n n ?

?+=+++-+?++

++????

?21

12

n -。 解法二：由解法一可求得1

()2

n E X +=

。 又2222111

()12E X n n n n

=?+?++?

2221(12)n n =++(1)(21)

6

n n ++=

， ∴D 222

2

(1)(21)(1)1

()()[()]6412

n n n n V X E X E X +++-=-=-

=。

【变式2】

1．已知随机变量ξ的分布列如下表：

（1）求E （ξ），D （ξ），η； （2）设η=2ξ+3，求E （η），D （η）．

【答案】（1）1122331111

()(1)012363

E x p x p x p ξ=++=-?

+?+?=

-；

2221122335

()[()][()][()]9

D x

E p x E p x E p ξξξξ=-?+-?+-?=

，σ==。

（2）7()2()33E E ηξ=+=

，20()4()9

D D ηξ==。 例5. 设某运动员投篮投中的概率为p=0.6．

（1）求一次投篮时，投中次数X 的数学期望和方差； （2）求重复5次投篮时，投中次数Y 的数学期望和方差．

【思路点拨】（1）投篮一次可能中，也可能不中，投中次数X 服从两点分布；（2）重复投

篮5次的投中次数Y 服从二项分布．

【解析】（1）X 服从两点分布，其分布列如下：

所以E （X ）=p=0.6，D （X ）=p （1－p ）=0.24． （2）由题设，Y ～B （5，0.6）． 所以E （Y ）=np=5×0.6=3，

D （Y ）=np （1－p ）=5×0.6×0.4=1.2．

【总结升华】对于两点分布、二项分布，可直接运用公式计算． 举一反三：

【变式1】篮球运动员在比赛中每次罚球命中得1分，罚不中得0分，已知他命中的概率为0.7，求他罚球三次得分ξ的期望和方差。

【答案】罚球三次可以看作3次独立重复试验，即罚球三次得分~(3,0.7)B ξ，

所以30.7 2.1E np ξ==?=

(1)30.7(10.7)0.63D np p ξ=-=??-=.

【变式2】有10件产品,其中3件是次品.从中任取2件,若抽到的次品数为X ,求X 的分布列,期望和方差. 【答案】

类型三、离散型随机变量的期望和方差的应用

例6. 甲、乙两名射手在一次射击中的得分是两个随机变量，分别记为X1和X2，它们的概率分布分别为

（1）求a，b的值；

（2）计算X

1和X

2

的数学期望和方差，并以此分析甲、乙两射手的技术状况．

【思路点拨】

本题考查分布列的性质、期望与方差的求法及对期望与方差的理解．（1）可直接由分布列的性质列式求解．（2）利用定义求期望与方差．

【解析】（1）由分布列的性质知，

0.1+a+0.4=1，0.2+0.2+b=1，

即a=0.5，b=0.6。

（2）E（X1）=0×0.1+1×0.5+2×0.4=1.3，

E（X

2

）=0×0.2+1×0.2+2×0.6=1.4，

D（X

1

）=(0－1.3)2×0.1+(1－1.3)2×0.5+(2－1.3)2×0.4=0.41，

D（X

2

）=(0－1.4)2×0.2+(1－1.4)2×0.2+(2－1.4)2×0.6=0.64。

由上述计算的结果可知，乙的平均水平较甲好一点，但乙的稳定性不如甲．

【总结升华】离散型随机变量的期望与方差分别反映了随机变量的取值的平均水平和波动大小（或离散程度）．

举一反三：

【变式1】A、B两台机床同时加工零件，每生产一批数量较大的产品时，出次品的概率如下表所示：问哪一台机床加工质量较好.

A机床

B机床

次品数ξ10 1 2 3 次品数ξ10 1 2 3

概率P 0.7 0.2 0.06 0.04 概率P 0.8 0.06 0.04 0.10

【答案】 Eξ1=0×0.7+1×0.2+2×0.06+3×0.04=0.44,

Eξ

2

=0×0.8+1×0.06+2×0.04+3×0.10=0.44.

它们的期望相同，再比较它们的方差.

Dξ

1

=（0-0.44）2×0.7+（1-0.44）2×0.2+（2-0.44）2×0.06+（3-0.44）2×

0.04=0.6064,

Dξ

2

=（0-0.44）2×0.8+（1-0.44）2×0.06+（2-0.44）2×0.04+（3-0.44）2×

0.10=0.9264.

∴Dξ1< Dξ2故A机床加工较稳定、质量较好.

【变式2】有甲乙两个单位都愿意聘用你，而你能获得如下信息：

甲单位不同职位月工资X1/元 1 200 1 400 1 600 1 800

获得相应职位的概率P10.4 0.3 0.2 0.1

乙单位不同职位月工资X2/元 1 000 1 400 1 800 2 200

获得相应职位的概率P20.4 0.3 0.2 0.1

根据工资待遇的差异情况，你愿意选择哪家单位？

【答案】根据月工资的分布列，利用计算器可算得

E(X1)＝1 200×0.4＋1 400×0.3＋1 600×0.2＋1 800×0.1＝1 400，D(X1)＝(1 200－1 400)2×0.4＋(1 400－1 400)2×0.3＋(1 600－1 400)2×0.2＋(1 800－1

400)2×0.1＝40 000；

E(X2)＝1 000×0.4＋1 400×0.3＋1 800×0.2＋2 200×0.1＝1 400，D(X2)＝(1 000－1 400)2×0.4＋(1 400－1 400)2×0.3＋(1 800－1 400)2×0.2＋(2 200－1

400)2×0.1＝160 000.

因为E(X1)＝E(X2)，D(X1)

如果你希望不同职位的工资差距大一些，就选择乙单位．

【变式3】某单位有三辆汽车参加某种事故保险，单位年初向保险公司缴纳每辆900元的保险金，对在一年内发生此种事故的每辆汽车，单位可获9000元的赔偿（假设每辆车最多

只赔偿一次），设这三辆车在一年内发生此种事故的概率分别为1

9，1

10

，1

11

，且各车是否

发生事故相互独立，求一年内该单位在此保险中：（1）获赔的概率；（2）获赔金额X的分布列与期望．

【答案】设k A 表示第k 辆车在一年内发生此种事故，3,2,1=k .

由题意知321,,A A A 独立，且11

1

)(,101)(,91)(321===A P A P A P .

（Ⅰ）该单位一年内获赔的概率为

11

3

1110109981)()()(1)(1321321=??-=-=-A P A P A P A A A P .

（Ⅱ）ξ的所有可能值为27000,18000,9000,0. 11

8111010998)()()()()0(321321=??=

===A P A P A P A A A P P ξ, 11110998111010198111010991??+??+??=

4511

990242==

， 1111019811110991111010191??+??+??=110

3

99027=

=， )()()()()27000(321321A P A P A P A A A P P ===ξ9901

11110191=??=.

综上知，ξ的分布列为

求ξ的期望有两种解法： 解法一：由ξ的分布列得

990127000110318000451190001180?+?+?+?

=E ξ18.271811

29900≈=（元） 解法二：设k ξ表示第k 辆车一年内的获赔金额，3,2,1=k ，

则1ξ有分布列

故10009

90001=?=E ξ.

同理得18.818111

9000,900101900032≈?=E =?=E ξξ.

综上有

18.271818.8189001000321=++≈E +E +E =E ξξξξ（元）.

样本方差的期望

方差： 方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。 方差是衡量源数据和期望值相差的度量值。 历史： “方差”（variance）这一词语率先由罗纳德·费雪（Ronald Fisher）在其论文《The Correlation Between Relatives on the Supposition of Mendelian Inheritance》中提出。 统计学意义： 当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。 样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。 最近进展：

方差不仅仅表达了样本偏离均值的程度，更是揭示了样本内部彼此波动的程度，也可以理解为方差代表了样本彼此波动的期望。当然，这个结论是在二阶统计矩下成立。 样本方差： 先求出总体各单位变量值与其算术平均数的离差的平方，然后再对此变量取平均数，就叫做样本方差。样本方差用来表示一列数的变异程度。样本均值又叫样本均数。即为样本的均值。 均值是指在一组数据中所有数据之和再除以数据的个数。 简介： 在许多实际情况下，人口的真实差异事先是不知道的，必须以某种方式计算。当处理非常大的人口时，不可能对人口中的每个物体进行计数，因此必须对人口样本进行计算。样本方差也可以应用于从该分布的样本的连续分布的方差的估计。

知识讲解离散型随机变量的均值与方差(理)(基础)

离散型随机变量的均值与方差 【学习目标】 1. 理解取有限个值的离散型随机变量的均值或期望的概念，会根据离散型随机变量的分布列求出均值或期望，并能解决一些实际问题； 2. 理解取有限个值的离散型随机变量的方差、标准差的概念，会根据离散型随机变量的分布列求出方差或标准差，并能解决一些实际问题； 【要点梳理】 要点一、离散型随机变量的期望 1.定义： 一般地，若离散型随机变量ξ的概率分布为 则称=ξE +11p x +22p x …++n n p x … 为ξ的均值或数学期望，简称期望． 要点诠释： （1）均值（期望）是随机变量的一个重要特征数，它反映或刻画的是随机变量取值的平均水平． （2）一般地，在有限取值离散型随机变量ξ的概率分布中，令=1p =2p …n p =，则有=1p =2p … n p n 1= =，=ξE +1(x +2x …n x n 1 )?+，所以ξ的数学期望又称为平均数、均值。 （3）随机变量的均值与随机变量本身具有相同的单位． 2．性质： ①()E E E ξηξη+=+； ②若b a +=ξη(a 、b 是常数)，ξ是随机变量，则η也是随机变量，有b aE b a E +=+ξξ)(； b aE b a E +=+ξξ)(的推导过程如下：： η的分布列为 于是=ηE ++11)(p b ax ++22)(p b ax …()i i ax b p +++… ＝+11(p x a +22p x …i i x p ++…)++1(p b +2p …i p ++…)＝b aE +ξ

∴b aE b a E +=+ξξ)(。 要点二：离散型随机变量的方差与标准差 1.一组数据的方差的概念： 已知一组数据1x ，2x ，…，n x ，它们的平均值为x ，那么各数据与x 的差的平方的平均数 [1 2n S = 21)(x x -＋22)(x x -＋…＋])(2x x n -叫做这组数据的方差。 2.离散型随机变量的方差： 一般地，若离散型随机变量ξ的概率分布为 则称ξD ＝121)(p E x ?-ξ＋22 2)(p E x ?-ξ＋…＋2()n i x E p ξ-?＋…称为随机变量ξ的方差，式中 的ξE 是随机变量ξ的期望． ξD 的算术平方根ξD 叫做随机变量ξ的标准差，记作σξ． 要点诠释： ⑴随机变量ξ的方差的定义与一组数据的方差的定义式是相同的； ⑵随机变量ξ的方差、标准差也是随机变量ξ的特征数，它们都反映了随机变量取值的稳定与波动、集中与离散的程度；方差（标准差）越小，随机变量的取值就越稳定（越靠近平均值）． ⑶标准差与随机变量本身有相同的单位，所以在实际问题中应用更广泛。 3.期望和方差的关系： 22()()D E E ξξξ=- 4.方差的性质： 若b a +=ξη(a 、b 是常数)，ξ是随机变量，则η也是随机变量，2 ()D D a b a D ηξξ=+=； 要点三：常见分布的期望与方差 1、二点分布： 若离散型随机变量ξ服从参数为p 的二点分布，则 期望E p ξ= 方差(1).D p p ξ=-

知识讲解离散型随机变量的均值与方差

知识讲解离散型随机变量的均值与方差(总13页) -CAL-FENGHAI.-(YICAI)-Company One1 -CAL-本页仅作为文档封面，使用请直接删除

离散型随机变量的均值与方差 【学习目标】 1. 理解取有限个值的离散型随机变量的均值或期望的概念，会根据离散型随机变量的分布列求出均值或期望，并能解决一些实际问题； 2. 理解取有限个值的离散型随机变量的方差、标准差的概念，会根据离散型随机变量的分布列求出方差或标准差，并能解决一些实际问题； 【要点梳理】 要点一、离散型随机变量的期望 1.定义： 一般地，若离散型随机变量ξ的概率分布为 则称=ξE +11p x +22p x …++n n p x … 为ξ的均值或数学期望，简称期望． 要点诠释： （1）均值（期望）是随机变量的一个重要特征数，它反映或刻画的是随机变量取值的平均水平． （2）一般地，在有限取值离散型随机变量ξ的概率分布中，令=1p =2p …n p =，则有 =1p =2p …n p n 1= =，=ξE +1(x +2x …n x n 1 )?+，所以ξ的数学期望又称为平均数、均值。 （3）随机变量的均值与随机变量本身具有相同的单位． 2．性质： ①()E E E ξηξη+=+； ②若b a +=ξη(a 、b 是常数)，ξ是随机变量，则η也是随机变量，有 b aE b a E +=+ξξ)(； b aE b a E +=+ξξ)(的推导过程如下：： η的分布列为

于是=ηE ++11)(p b ax ++22)(p b ax …()i i ax b p +++… ＝+11(p x a +22p x …i i x p ++…)++1(p b +2p …i p ++…)＝b aE +ξ ∴b aE b a E +=+ξξ)(。 要点二：离散型随机变量的方差与标准差 1.一组数据的方差的概念： 已知一组数据1x ，2x ，…，n x ，它们的平均值为x ，那么各数据与x 的差的平方的平均数 [1 2n S = 21)(x x -＋22)(x x -＋…＋])(2x x n -叫做这组数据的方差。 2.离散型随机变量的方差： 一般地，若离散型随机变量ξ的概率分布为 则称ξD ＝121)(p E x ?-ξ＋222)(p E x ?-ξ＋…＋2()n i x E p ξ-?＋…称为随机变量ξ的方差，式中的ξE 是随机变量ξ的期望． ξD 的算术平方根ξD 叫做随机变量ξ的标准差，记作σξ． 要点诠释： ⑴随机变量ξ的方差的定义与一组数据的方差的定义式是相同的； ⑵随机变量ξ的方差、标准差也是随机变量ξ的特征数，它们都反映了随机变量取值的稳定与波动、集中与离散的程度；方差（标准差）越小，随机变量的取值就越稳定（越靠近平均值）． ⑶标准差与随机变量本身有相同的单位，所以在实际问题中应用更广泛。 3.期望和方差的关系：

常用离散型和连续型随机变量

常用离散型随机变量的分布函数 (1) 离散型随机变量 [1] 概念：设X 是一个随机变量，如果X 的取值是有限个或者 无穷可列个，则称X 为离散型随机变量。其相应的概 率()i i P X x p ==(12)i =、……称为X 的概率分 布或分布律，表格表示形式如下： [2] 性质： ? 0i p ≥ ?11n i i p ==∑ ?分布函数()i i x x F x p == ∑ ?1{}()()i i i P X x F x F x -==- (2) 连续型随机变量 [1] 概念：如果对于随机变量的分布函数()F x ，存在非 负的函数 ()f x ，使得对于任意实数x ，均有： ()()x F x f x dx -∞= ? 则称X 为连续型随机变量，()f x 称为概率密度函 数或者密度函数。

[2] 连续型随机变量的密度函数的性质 ?()0f x ≥ ? ()1f x dx +∞ -∞=? ?{}()()()P a X b F b F a f x dx +∞ -∞<≤=-= ? ?若()f x 在x 点连续，则()()F x f x '= (3) 连续型随机变量和离散型随机变量的区别： [1] 由连续型随机变量的定义，连续型随机变量的定义域是 (),-∞+∞，对于任何x ，000 {}()()0P X x F x F x ==--=；而对于离散型随机变量的分布函数有有限个或可列个间 断点，其图形呈阶梯形。 [2] 概率密度()f x 一定非负，但是可以大于1，而离散型随 机变量的概率分布i p 不仅非负，而且一定不大于1. [3] 连续型随机变量的分布函数是连续函数，因此X 取任何 给定值的概率都为0. [4] 对任意两个实数a b <，连续型随机变量X 在a 与b 之间 取值的概率与区间端点无关，即：

选修2-3教案2.3.1离散型随机变量的均值

§2.3.1 离散型随机变量的均值 教学目标 （1）通过实例，理解取有限值的离散型随机变量均值（数学期望）的概念和意义； （2）能计算简单离散型随机变量均值（数学期望），并能解决一些实际问题． 教学重点，难点：取有限值的离散型随机变量均值（数学期望）的概念和意义． 教学过程 一．问题情境 1．情景： 前面所讨论的随机变量的取值都是离散的，我们把这样的随机变量称为离散型随机变量．这样刻画离散型随机变量取值的平均水平和稳定程度呢？ 甲、乙两个工人生产同一种产品，在相同的条件下，他们生产100件产品所出的不 合格品数分别用12,X X 表示，12,X X 的概率分布如下． 2．问题： 如何比较甲、乙两个工人的技术？ 二．学生活动 1． 直接比较两个人生产100件产品时所出的废品数．从分布列来看，甲出0件废品的概率 比乙大，似乎甲的技术比乙好；但甲出3件废品的概率也比乙大，似乎甲的技术又不如乙好．这样比较，很难得出合理的结论． 2． 学生联想到“平均数”，，如何计算甲和乙出的废品的“平均数”？ 3． 引导学生回顾《数学3（必修）》中样本的平均值的计算方法． 三．建构数学 1．定义 在《数学3（必修）》“统计”一章中，我们曾用公式1122...n n x p x p x p +++计算样本的平均值，其中i p 为取值为i x 的频率值．

其中，120,1,2,...,,...1i n p i n p p p ≥=+++=，则称1122...n n x p x p x p +++为随机变量X 的均值或X 的数学期望，记为()E X 或μ． 2．性质 （1）()E c c =；（2）()()E aX b aE X b +=+．（,,a b c 为常数） 四．数学运用 1．例题： 例1．高三（1）班的联欢会上设计了一项游戏，在一个小口袋中装有10个红球，20个白球，这些球除颜色外完全相同．某学生一次从中摸出5个球，其中红球的个数为X ，求X 的数学期望． 分析：从口袋中摸出5个球相当于抽取5n =个产品，随机变量X 为5个球中的红球的 个数，则X 服从超几何分布(5,10,30)H ． 从而 2584807585503800700425 ()012345 1.66672375123751237512375123751237513 E X =? +?+?+?+?+?=≈ 答：X 的数学期望约为1.6667． 说明：一般地，根据超几何分布的定义，可以得到0 ()r n r n M N M n r N r C C M E X n C N --===∑ ． 例2．从批量较大的成品中随机取出10件产品进行质量检查，若这批产品的不合格品 率为0.05，随机变量X 表示这10件产品中不合格品数，求随机变量X 的数学期望 ()E X ． 解：由于批量较大，可以认为随机变量~(10,0.05)X B ， 1010()(1),0,1,2, (10) k k k P X k p C p p k -===-=

概率分布以及期望和方差

概率分布以及期望和方差 上课时间: 上课教师： 上课重点:掌握两点分布、超几何分布、二项分布、正态分布的概率分布及其期望和方差 上课规划：解题技巧和方法 一 两点分布 ⑴两点分布 如果随机变量X 的分布列为 X 1 0 P p q 其中01p <<，1q p =-，则称离散型随机变量X 服从参数为p 的二点分布． 二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量X 为任意抽取一件产品得到的结果，则X 的分布列满足二点分布． X 1 0 P 0.8 0.2 两点分布又称01-分布，由于只有两个可能结果的随机试验叫做伯努利试验，所以这种分布又称为伯努利分布． （2）典型分布的期望与方差： 二点分布：在一次二点分布试验中，离散型随机变量X 的期望取值为p ，在n 次二点分布试验中，离散型随机变量X 的期望取值为np ． 1、在抛掷一枚图钉的随机试验中，令10X ?=? ? ，针尖向上； ，针尖向下.，如果针尖向上的 概率为p ，试写出随机变量X 的概率分布． 2、从装有6只白球和4只红球的口袋中任取一只球，用X 表示“取到的 知识内容 典例分析

白球个数”，即???=，当取到红球时， ，当取到白球时， 01X ，求随机变量X 的概率分布． 3、若随机变量X 的概率分布如下： X 1 P 29C C - 38C - 试求出C ，并写出X 的分布列． 3、抛掷一颗骰子两次，定义随机变量 ?? ?=)(,1)(,0的点数数等于第二次向上一面当第一次向上一面的点 面的点数数不等于第二次向上一当第一次向上一面的点 ξ 试写出随机变量ξ的分布列． 4、篮球运动员比赛投篮，命中得1分，不中得0分，已知运动员甲投篮命中率的概率为P ． ⑴ 记投篮1次得分X ，求方差()D X 的最大值； ⑵ 当⑴中()D X 取最大值时，甲投3次篮，求所得总分Y 的分布列及Y 的期望与方差． 二 超几何分布

样本方差的期望

样本方差的期望 假设某百货超市现有一批快到期的日用产品急需处理，超市老板设计了免费抽奖活动来处理掉了这些商品。纸箱中装有大小相同的20个球，10个10分，10个5分，从中摸出10个球，摸出的10个球的分数之和即为中奖分数，获奖如下： 一等奖100分，冰柜一个，价值2500元； 二等奖50分，电视机一个，价值1000元； 三等奖95分，洗发液8瓶，价值178元； 四等奖55分，洗发液4瓶，价值88元； 五等奖60分，洗发液2瓶，价值44元； 六等奖65分，牙膏一盒，价值8元； 七等奖70分，洗衣粉一袋，价值5元； 八等奖85分，香皂一块，价值3元； 九等奖90分，牙刷一把，价值2元； 十等奖75分与80分为优惠奖，只収成本价22元，将获得洗发液一瓶； 分析：表面上看整个活动对顾客都是有利的，一等奖到九等奖都是白得的，只有十等奖才收取一点成本价。但经过分析可以知道商家真的就亏损了吗？顾客就真能从中获得抽取大奖的机会吗？求得其期望值便可真相大白。 摸出10个球的分值只有11种情况，用X表示摸奖者获得的奖励金

额数，计算得到E(X)=-10.098，表明商家在平均每一次的抽奖中将获得10.098元，而平均每个抽奖者将花10.098元来享受这种免费的抽奖。 从而可以看出顾客真的就站到大便宜了吗？相反，商家采用这种方法不仅把快要到期的商品处理出去了，而且还为超市大量集聚了人气，一举多得。 此百货超市老板运用数学期望估计出了他不会亏损而做了这个免费抽奖活动，最后一举多得，从中可看出了数学期望这一科学的方法在经济决策中的重要性。 体育比赛问题： 乒乓球是我们的国球，上世纪兵兵球也为中国带了一些外交。中国队在这项运动中具有绝对的优势。现就乒乓球比赛的安排提出一个问题：假设德国队（德国队名将波尔在中国也有很多球迷）和中国队比赛。赛制有两种，一种是双方各出3人，三场两胜制，一种是双方各出5人，五场三胜制，哪一种赛制对中国队更有利？ 分析：由于中国队在这项比赛中的优势，不妨设中国队中每一位队员德国队员的胜率都为60%，接着只需要比较两个队对应的数学期望即可。 参考资料来源：百度百科-数学期望 期望值：

2.5 随机变量的均值和方差

2.5随机变量的均值和方差 扬州市新华中学查宝才 教学目标： 1．通过实例，理解取有限值的离散型随机变量均值（数学期望）的概念和意义； 2．能计算简单离散型随机变量均值（数学期望），并能解决一些实际问题． 教学重点： 取有限值的离散型随机变量均值（数学期望）的概念和意义． 教学方法： 问题链导学． 教学过程： 一、问题情境 1．情景． 前面所讨论的随机变量的取值都是离散的，我们把这样的随机变量称为离散型随机变量．怎样刻画离散型随机变量取值的平均水平和稳定程度呢？ 甲、乙两个工人生产同一种产品，在相同的条件下，他们生产100件产品所出的不合格品数分别用X1，X2表示，X1，X2的概率分布如下． 2．问题． 如何比较甲、乙两个工人的技术？ 二、学生活动 1．直接比较两个人生产100件产品时所出的废品数．从分布列来看，甲出0件废品的概率比乙大，似乎甲的技术比乙好；但甲出3件废品的概率也比乙大，

似乎甲的技术又不如乙好．这样比较，很难得出合理的结论． 2．学生联想到“平均数”，如何计算甲和乙出的废品的“平均数”？ 3．引导学生回顾《数学3（必修）》中样本的平均值的计算方法． 三、建构数学 1．定义． 在《数学3（必修）》“统计”一章中，我们曾用公式x1p1＋x2p2＋…＋x n p n 计算样本的平均值，其中p i为取值为x i的频率值． 类似地，若离散型随机变量X的分布列或概率分布如下： X x1x2…x n P p1p2…p n 其中，p i≥0，i＝1，2，…，n，p1＋p2＋…＋p n＝1，则称x1p1＋x2p2＋…＋x n p n为随机变量X的均值或X的数学期望，记为E(X)或μ． 2．性质． （1）E(c)＝c；（2）E(aX＋b)＝aE(X)＋b．（a，b，c为常数） 四、数学应用 1．例题． 例1高三（1）班的联欢会上设计了一项游戏，在一个小口袋中装有10个红球，20个白球，这些球除颜色之外完全相同．某学生一次从中摸出5个球，其中红球的个数为X，求X的数学期望． 分析从口袋中摸出5个球相当于抽取n＝5个产品，随机变量X为5个球中的红球的个数，则X服从超几何分布H(5，10，30)． 例2从批量较大的成品中随机取出10件产品进行质量检查，若这批产品的不合格品率为0.05，随机变量X表示这10件产品中的不合格品数，求随机变量X的数学期望E(X)． 说明例2中随机变量X服从二项分布，根据二项分布的定义，可以得到：当X～B(n，p) 时，E(X)＝np． 例3设篮球队A与B进行比赛，每场比赛均有一队胜，若有一队胜4场, 那么比赛宣告结束，假定A，B在每场比赛中获胜的概率都是1 2 ，试求需要比赛 场数的期望．

离散型随机变量的均值与方差(含答案)

离散型随机变量的均值与方差测试题（含答案） 一、选择题 1．设随机变量()~,B n p ξ，若()=2.4E ξ，()=1.44D ξ，则参数n ，p 的值为（ ） A ．4n =，0.6p = B ．6n =，0.4p = C ．8n =，0.3p = D ．24n =， 0.1p = 【答案】B 【解析】由随机变量()~,B n p ξ，可知()==2.4E np ξ，()=(1)=1.44D np p ξ-，解得 6n =，0.4p =． 考点：二项分布的数学期望与方差． 【难度】较易 2．已知随机变量X 服从二项分布(),B n p ，若()()30,20E X D X ==，则p =（ ） A ．13 B ．23 C ．15 D ．25 【答案】A 考点：二项分布的数字特征. 【题型】选择题 【难度】较易 3．若随机变量),(~p n B ξ，9 10 3 5==ξξD E ，，则=p ( ) A. 31 B. 32 C. 52 D. 5 3 【答案】A 【解析】由题意可知，()5,3 101,9E np D np p ξξ? ==????=-=?? 解得5,1,3n p =???=??故选A. 考点：n 次独立重复试验.

【题型】选择题 【难度】较易 4．若随机变量ξ的分布列如下表，其中()0,1m ∈，则下列结果中正确的是（ ） ξ 0 1 P m n A ．()()3 ,E m D n ξξ== B ．()()2 ,E m D n ξξ== C ．()()2 1,E m D m m ξξ=-=- D ．()()2 1,E m D m ξξ=-= 【答案】C 考点：离散型随机变量的概率、数学期望和方差． 【题型】选择题 【难度】较易 5．已知ξ～(,)B n p ，且()7,()6E D ξξ==，则p 等于( ) A. 7 1 B. 6 1 C. 5 1 D. 4 1 【答案】A 【解析】∵ξ～(,)B n p ，∴()7,()(1)6E np D np p ξξ===-=，∴1 49,7 n p ==，故选A. 考点：二项分布的期望与方差. 【题型】选择题 【难度】较易 6．设随机变量ξ～(5,0.5)B ，若5ηξ=，则E η和D η的值分别是（ ）

样本方差的期望

样本方差的期望和方差沉义义（上海工程技术大学基础教学学院，上海201620）摘要在实际应用中，样本均值珔X和样本方差s 2，x I珔X和计算XJ珔X有必要计算协方差和相关系数。本文给出了相应的计算公式，并提供了一些简单的计算方法。关键词：样本均值样本方差期望;方差;协方差研究生入学数学考试中的相关系数，样本均值X的期望和方差和样本方差s 2是非常重要的测试点。但是，在概率论和数理统计的教学过程中，很少涉及如何计算样本方差S2的方差。其次，对于简单的随机样本x 1，x 2如何计算协方差cov（x I，珔x），相关系数ρx I珔x，yi = x I-X和YJ = x J-xx，协方差cov（y I，y J）以及x I和XX的相关系数ρy I y J使学生感到困惑。本文对以上知识进行了系统分析，并给出了一些简单的计算方法。1，课本中样本均值和样本方差的期望值和方差，样本均值珔X和样本方差s 2的性质由以下定理给出：定理：让总体x?n（μ，σ2），x 1，x 2如果xn（n> 1）是一个简单的随机样本，X是一个样本均值，s 2是一个样本方差，则（1）x?nμ，σ2（）n; （2）x和S 2是独立的；（3）（n-1）S2σ2?χ2（n-1）。推论1 e （x）=μ，D（x）=σ2n; E（S2）=σ2，D（S2）= 2σ4N-1。上述推论的前三个结论的证明

见教科书[1]。D（s 2）= 2σ4N-1的证明如下。从定理（3）的结论中，我们可以得出D （n-1）s 2σ（）2 = 2（n-1），即（n-1）2σ4D（s 2）= 2（n-1），所以D（s 2）= 2σ4N-1。2，2 cov（x I，x）=σ2n，ρx I珔x = 1 = n（I = 1，2，n）。证明x I?n（μ，σ2）独立于彼此（I = 1,2然后cov（x I，XJ）=σ2，I = J0，I≠{J（I = 1，2，...））因此，cov（x I，珔x）= 1ncov（x I，x 1 + ...）+ X i +…+ X n）= 1ncov（X i，X 1）+…+ 1ncov（X i，X i）+…+ —8 1 —1ncov（X i，X n）= 0 +…+σ2n +…+0 =σ2n（i = 1，2，…，n），ρx I珔x = cov（x I，珔x）d（xi）d （xx槡）=σ2nσ2·σ2槡n = 1槡n（I = 1,2，n）。3，yi = x I-X的性质是推论3 E（yi）= 0，D （yi）= 1-1（）nσ2; cov（y I，y J）=-σ2n（I≠J），ρy I y J =-1n-1（I≠J）（I = 1,2，n）。证明了e（yi ）= e（x ixx）= e（x ixx）= e（x ixx）= e（x IX）=u-μ= 0，D（yi）= D（x ixx）= D（xi）+ D（x（x）珔（x I，x，x）=σ2 +σ2 +σ2n-2，σ2n = 1-1（nσ2），cov （y I，y J）= cov（x I ，y J）= cov（x IX，x，J）x，jx jx，jxx，xxxxxxxxxxxxxxxxxxxxxxxx-x-= cov（x I，XJ）-CoV（x I，XJ）-CoV（xx，XJ）+ cov （x，x，x）= 0-σ2n-σ2n +σ2n =-σ2n，ρy I，y J = cov（yi）YJ）d（yi）d（y J槡）=-σ2n1 -1（）nσ2 =-1n-1。这里我们必须指出

离散型随机变量的均值

2．3离散型随机变量的均值与方差2．3.1离散型随机变量的均值 1．理解离散型随机变量的均值的意义和性质，会根据离散型随机变量的分布列求出均值．(重点) 2．掌握两点分布、二项分布的均值．(重点) 3．会利用离散型随机变量的均值解决一些相关的实际问题．(难点) [基础·初探] 教材整理1离散型随机变量的均值 阅读教材P60～P61例1，完成下列问题． 1．定义：若离散型随机变量X的分布列为： 则称E(＝x1p1＋x2p2＋…＋x i p i＋…＋x n p n为随机变量 2．意义：它反映了离散型随机变量取值的平均水平． 3．性质：如果X为(离散型)随机变量，则Y＝aX＋b(其中a，b为常数)也是随机变量，且P(Y＝ax i＋b)＝P(X＝x i)，i＝1,2,3，…，n.E(Y)＝E(aX＋b)＝aE(X)＋b. 1．下列说法正确的有________．(填序号) ①随机变量X的数学期望E(X)是个变量，其随X的变化而变化； ②随机变量的均值反映样本的平均水平；

③若随机变量X 的数学期望E (X )＝2，则E (2X )＝4； ④随机变量X 的均值E (X )＝ x 1＋x 2＋…＋x n n . 【解析】 ①错误，随机变量的数学期望E (X )是个常量，是随机变量X 本身固有的一个数字特征．②错误，随机变量的均值反映随机变量取值的平均水平．③正确，由均值的性质可知．④错误，因为E (X )＝x 1p 1＋x 2p 2＋…＋x n p n . 【答案】 ③ 2．已知离散型随机变量X 的分布列为： 则X 的数学期望E (【解析】 E (X )＝1×35＋2×310＋3×110＝3 2. 【答案】 3 2 3．设E (X )＝10，则E (3X ＋5)＝________. 【解析】 E (3X ＋5)＝3E (X )＋5＝3×10＋5＝35. 【答案】 35 教材整理2 两点分布与二项分布的均值 阅读教材P 62～P 63，完成下列问题． 1．两点分布和二项分布的均值 (1)若X 服从两点分布，则E (X )＝p ； (2)若X ～B (n ，p )，则E (X )＝np . 2．随机变量的均值与样本平均值的关系 随机变量的均值是一个常数，它不依赖于样本的抽取，而样本的平均值是一个随机变量，它随样本抽取的不同而变化．对于简单随机样本，随着样本容量的增加，样本的平均值越来越接近于总体的均值． 1．若随机变量X 服从二项分布B ? ? ???4，13，则E (X )的值为________. 【导学号：29472067】

样本方差的期望

样本方差的期望 （1）样本（背景知识）：由学过的概率论的知识可以知道，若在总体个数有限的情况下，抽取出一些个体，总体的分布可能会发生变化，所以个体的分布可能反映不了总体的分布。后一句不太好理解，所以举个经典例子：若N个产品中有M个废品，在抽样调查其废品率时，正常抽取样本（随机抽不放回），则样品的废品率服从超几何分布；而产品中的废品率服从二项分布。这样由样品得到的估计，统计性质就与总体不同。而且当产品数量不是很大时，这种分布差异无法忽视。然而只有在总体中包含的个体极多或包含无限多个个体时，不放回的抽取才对总体的分布影响极少或者毫无影响，这种例子才不成立，此时可以用样本估计总体。这种情形在应用中最为常见，数理统计学在理论上对其研究得也最深入。此时称抽出的若干数据独立同分布，称这组数据为从某总体抽出的独立随机样本，简称为从某总体中抽出的样本。【1】 （2）样本均值/方差：顾名思义，样本均值就是样本的均值，样本方差就是样本数据的方差。 （3）总体均值/方差：同上。。 （4）样本均值/方差的期望：样本数据均为我们抽取得来（是已知量）

我们利用它算出样本参数（例如样本均值），假装它是总体的参数（例如总体均值，是未知量），这就是用样本估计总体的过程；由样本的定义，用样本估计得到的总体的参数不是完美的，有时和真正的总体的参数之间可能有一个偏移。那么接下来一个很自然的想法就是，由于我们对样本参数计算式已知，除去不可控的抽样随机性，从计算方法的角度上来说，我们可以知道这个偏移量是多少吗？更进一步地，我们可以在计算方法上对这个偏移加以修正吗？自然地，类似前述在定义样本时举过的例子，我们还可以假设对总体的数据和参数已知，这样就可以用总体的数据和参数模拟抽样，反算出样本参数，并与真实的总体参数加以对比，达到修正偏移的目的了！而这样反算出的样本参数，就叫做样本参数（例如样本均值、样本方差）的期望。 从正面的/科学的（也是教材上的）角度来说，我们是用总体反过来估计了样本，得到的当然就是样本参数的期望值啦。 若样本参数经修偏后，在某种算法下与真实的总体参数达到一致，该样本参数为总体参数的一个无偏估计量。一个参数往往有不止一个无偏估计，我们需要在一个对估计的整体的优良性准则下视情况讨论。

选修2-3离散型随机变量及其分布知识点

离散型随机变量及其分布 知识点一：离散型随机变量的相关概念； 随机变量：如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机 变量随机变量常用希腊字母、等表示 离散型随机变量：对于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。若 是随机变量， a b ，其中a 、b 是常数，则 也 是随机变量 连续型随机变量：对于随机变量可能取的值，可以取某一区间内的一切值，这样的 变量就叫做连续型随机变量 离散型随机变量与连续型随机变量的区别与联系：离散型随机变量与连续型随机变 量都是用变量表示随机试验的结果；但是离散型随机变量的结果可以按一定次序一一列 出，而连续性随机变量的结果不可以 --------------------- 列出 离散型随机变量的分布列：设离散型随机变量可能取的值为X i 、X 2 X i 取每一 个值X i i 1,2, 的概率为P( X ) p ，贝U 称表 为随机变量的概率分布，简称的分布列 知识点二：离散型随机变量分布列的两个性质； 任何随机事件发生的概率都满足:0 P(A) 1,并且不可能事件的概率为0，必然事 件的概率为 1.由此你可以得出离散型随机变量的分布列都具有下面两个性质： (1) P i 0, i 1,2, ; (2) RP.L 1 特别提醒：对于离散型随机变量在某一范围内取值的概率等于它取这个范围内各个值的 概率的和即P( 知识点二：两点分布： 若随机变量X 的分布列: 特别提醒：(1) 若随机变量X 的分布列为两点分布，则称X 服从两点分布，而称P(X=1为成 功 率? (2) 两点分布又称为0-1分布或伯努利分布 ⑶两点分布列的应用十分广泛，如抽取的彩票是否中奖；买回的一件产品是 否为正 品；新生婴儿的性别；投篮是否命中等等；都可以用两点分布列 来研究? 知识点三：超几何分布： 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则 C k C n k X k ) P( X k ) P( X k 1) L 则称X 的分布列为两点分布列

样本方差与总体方差的区别

样本方差与总体方差的区别 之前一直对于样本方差与总体方差的概念区分不清，对于前者不仅多了样本”两个字，而且公式中除数是N-1 ,而不是N。现在写下这么写东西，以能彻底把他们的区别搞清楚。 总体方差: 也叫做有偏估计，其实就是我们从初高中就学到的那个标准定义的方差，除数是N。女0果实现已知期望值，比如测水的沸点，那么测量 立的（期望值不依测量值而改变，随你怎么折腾，温度计坏了也好，看反了也好，总之，期望值应该是100度），那么E『（X-期望）人2』，就有10个自由度。事实上，它等于（X- 期望）的方差，减去（X-期望）的平方。”所以叫做有偏估计，测量结果偏于那个”已知的期望值“。样本方差: 无偏估计、无偏方差（unbiased varianee ）。对于一组随机变量，从中随机抽取N个样本, 这组样本的方差就是Xi^2平方和除以N-1。这可以推导出来的。如果现在往水里撒把盐, 水的沸点未知了，那我该怎么办？我只能以样本的平均值，来代替原先那个期望100度。同 样的过程，但原先的（X-期望），被（X-均值）所代替。设想一下（Xi-均值）的方差，它 不在等于Xi的方差，而是有一个协方差，因为均值中，有一项Xi/n是和Xi相关的，这就 是那个”偏"的由来 刊屮）二 Ei a.—-￡（A;-W） f=l 9 =rr 一 证明: 10次，测量值和期望值之间是独

DGH 兀） 担工加D （X ；）） g ? u 曰右力m-工P) 占E (m ：-寸) __________ ■!■ A^(E ：=iCV —2A ；T + X-)) 闵肯) ) + ￡：D) n(<7- + //-) E(X 力二丫) nE(X~) MD(X) + E2(X)) M 吟+ “?) 尙e + //-) - 角F + "') t7- 证毕?? D(X)二 --- ◎ E(f)= D(X) + Eh 工) E{S-)= ￡(E ； =1 A ；y )=

随机变量的均值与方差

随机变量的均值与方差 一、填空题 1．已知离散型随机变量X 的概率分布为 则其方差V (X )＝解析 由0.5＋m ＋0.2＝1得m ＝0.3，∴E (X )＝1×0.5＋3×0.3＋5×0.2＝2.4，∴V (X )＝(1－2.4)2×0.5＋(3－2.4)2×0.3＋(5－2.4)2×0.2＝2.44. 答案 2.44 2．(优质试题·西安调研)某种种子每粒发芽的概率都为0.9，现播种了1 000粒，对于没有发芽的种子，每粒需再补种2粒，补种的种子数记为X ，则X 的数学期望为________． 解析 设没有发芽的种子有ξ粒，则ξ～B (1 000,0.1)，且X ＝2ξ，∴E (X )＝E (2ξ)＝2E (ξ)＝2×1 000×0.1＝200. 答案 200 3．已知随机变量X 服从二项分布，且E (X )＝2.4，V (X )＝1.44，则二项分布的参数n ，p 的值分别为________． 解析 由二项分布X ～B (n ，p )及E (X )＝np ，V (X )＝np ·(1－p )得2.4＝np ，且1.44＝np (1－p )，解得n ＝6，p ＝0.4. 答案 6,0.4 4．随机变量ξ的取值为0,1,2.若P (ξ＝0)＝1 5，E (ξ)＝1，则V (ξ)＝________. 解析 设P (ξ＝1)＝a ，P (ξ＝2)＝b ， 则????? 15＋a ＋b ＝1，a ＋2b ＝1， 解得????? a ＝3 5，b ＝1 5，

所以V(ξ)＝(0－1)2×1 5＋(1－1) 2× 3 5＋(2－1) 2× 1 5＝ 2 5. 答案2 5 5．已知随机变量X＋η＝8，若X～B(10,0.6)，则E(η)，V(η)分别是________．解析由已知随机变量X＋η＝8，所以有η＝8－X.因此，求得E(η)＝8－E(X)＝8－10×0.6＝2，V(η)＝(－1)2V(X)＝10×0.6×0.4＝2.4. 答案 2.4 6．口袋中有5只球，编号分别为1,2,3,4,5，从中任取3只球，以X表示取出的球的最大号码，则X的数学期望E(X)的值是________． 解析由题意知，X可以取3,4,5，P(X＝3)＝1 C35＝ 1 10， P(X＝4)＝C23 C35＝ 3 10，P(X＝5)＝ C24 C35＝ 6 10＝ 3 5， 所以E(X)＝3×1 10＋4× 3 10＋5× 3 5＝4.5. 答案 4.5 7．(优质试题·扬州期末)已知X的概率分布为 设Y＝2X＋1，则 解析由概率分布的性质，a＝1－1 2－ 1 6＝ 1 3， ∴E(X)＝－1×1 2＋0× 1 6＋1× 1 3＝－ 1 6， 因此E(Y)＝E(2X＋1)＝2E(X)＋1＝2 3. 答案2 3 8．(优质试题·合肥模拟)某科技创新大赛设有一、二、三等奖(参与活动的都有奖)且相应奖项获奖的概率是以a为首项，2为公比的等比数列，相应的奖金分

样本方差的期望

样本方差的期望 1，答主说的关于硬币的问题，这是频率学派和贝叶斯学派的分歧，但是他们是有统一的。通过贝叶斯理论，最后的结果是p^=(X+1)/n+2,这里是题主疑问的所在。其实这个估计与频率X/n是有差别的，当n 很大的时候不显著，原因（高等数学的极限理论），当n相当小的时候，则很显著。从一个角度看，当n很小的时候，用贝叶斯估计比X/n 更合理。因为当n很小的时候，试验结果可能出现X=0或X=n，这时，如果按照X/n，则应该把p估计0或1，这就太极端了，因为我们不能仅仅根据在少数几次试验中把全不出现或是全出现的事件，就来判定它为不可能或必然事件。若按贝叶斯理论的公式p^=(X+1)/n+2，则在这两种情况下分别给出估计值为1/(n+2)和（n+1）/(n+2),这样就留有余地了。（参考陈希孺的教材）2 ，取2/3，那是为了让结果好看，它没有具体的理论支撑的，只是一个定义的说法。只是说用平滑理论大家容易比较接受。举一个不恰当的例子，你穿衣服为了保暖，在衣服上绣一朵花，那是为了好看，没有保暖的功能，但是别人喜欢接受你绣了花的衣服。欢迎讨论 （1）取具体的样本值，那么EX是没有意义的，我的理解是你承认了X是随机变量，只是这样做EX没有任何价值。根据你的描述我是这么理解的。但是我想说的是你这里取了具体的样本(其实更准确说是样品)，这个样本X它不是随机变量。（2）从大的方面讲，我看过陈希孺老先生写的概率论与数理统计和数理统计学，其实书中说到的样本均值和样本方差都是定义出来的，当然为什么这么定义，这是你想

得到的答案。我自己说一下自己的理解，统计问题一个是估计，一个是检验假设。不管是哪个问题，都是要构造好多统计量，当然样本方差和样本均值都是统计量，也是随机变量。用这些统计量去估计参数或是假设检验。统计量是针对某种需求构造的，其实它是可以推广的，那就是样本距。正好它是二阶的时候被说成了样本方差，有极大的应用。

离散型随机变量的均值教案

关于《离散型随机变量的均值》的说课稿 银川二中（西校区）黄海霞 说课内容：普通高中人教A版（数学选修2-3）第二章第3节第一课时─《离散型随机变量的均值》. 下面，我将分别从背景分析、教学目标设计、课堂结构设计、教学媒体设计、教学过程设计及教学评价设计等六个方面对本节课的设计进行说明. 一、背景分析： 1、学习任务分析 《离散型随机变量的均值》是《随机变量及其分布》第三节第一小节的内容，本节课是第一课时. 本节课主要的学习任务是从平均的角度引入离散型随机变量均值的概念，引导学生通过实际问题建立取有限值的离散型随机变量均值的概念，然后推导出离散型随机变量均值的线性性质()()b E+ aX +. = X aE b 取有限值的离散型随机变量的均值是在学生学习完离散型随机变量及其分布列的概念基础上，进一步研究离散型随机变量取值特征的一个方面.学习本节课的内容既是随机变量分布的内容的深化，又是后续内容离散型随机变量方差的基础，所以学好本节课是进一步学习离散型随机变量取值特征的其它方面的基础.离散型随机变量的均值是刻画离散型随机变量取值的平均水平的一个数字特征，是从一个侧面刻画随机变量取值的特点. 在实际问题中，离散型随机变量的均值具有广泛的应用性.因此我以为本节课的重点是：取有限值的离散型随机变量均值的概念. 2、学生情况分析 本节课之前，学生已有平均值、概率、离散型随机变量及其分布列，二项分布及其应用等基础知识，具备了学习本节知识的知识储备.本节课是一节概念新授课，教材从学生熟悉的平均值出发，从身边的实际问题中抽象出了取有限值的离散型随机变量均值的概念，这需要一定的概括和抽象能力.鉴于学生的概括、抽象能力不是太强，因此学生对概念的形成和理解会有一定的困难. 基于以上认识，我以为本节课的教学难点是：离散型随机变量均值概念的形成和理解。

二项分布的期望和方差的详细证明

二项分布的期望的方差的证明 山西大学附属中学 韩永权 hyq616@https://www.doczj.com/doc/038144358.html, 离散型随机变量的二项分布: 在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是k n k k n n q p C k P -==)(ξ，（0,1,2k n = p q -=1） 于是得到随机变量ξ的概率分布如下： ξ 1 2 3 ... 1n - n P 0n n C q 11n n C pq - 222n n C p q - 333 n n C p q - ... 11 n n n C p q -- n n n C p 称这样的随机变量ξ服从二项分布，记作ξ～B(n ，p)，其中n ，p 为参数，并记k n k k n q p C -＝b(k ；n ，p)． 1 求证：服从二项分布的随机变量ξ的期望E np ξ=. 证明如下：预备公式： 1 1k k n n kc nc --= 100110220211(1)()11011111()(......)n n n n k k n n k n n n n n n n p q c p q c p q c p q c p q c p q ----------------+=++++++因为()(1),k k n k k k n k n n p k c p p c p q ξ--==-= 所以 001112220012......n n n k k n k n n n n n n n E c p q c p q c p q k c p q nc p q ξ---=?+?++?++?++ =00110220211(1)()11011111(......)n n n k k n n k n n n n n n n np c p q c p q c p q c p q c p q ---------------++++++ =1()n np p q np -+= 所以E np ξ= 方法二： 证明：若 ),(~p n B X ，则X 表示n 重贝努里试验中的“成功” 次数，现在我们来求X 的数学期望。