数学期望的计算及应用 数学与应用数学111 第四小组 引言： 我们知道，随机变量的概率分布是随机变量的一种最完整的数学描述，而数学期望又是显现概率分布特性的最重要的特征数字之一。因此，掌握数学期望的计算并应用他来分析和解决实际问题显得尤为重要。在学习了概率论以后，我们计算数学期望一般有三种方法：1.从定义入手，即∑∞ == 1 )(k k k p x X E ；2. 应用随机变量函数的期望公式 ∑∞ ==1 )())((k k k p x q x q E 3. 利用期望的有关性质。但是还是会碰到许多麻烦，这里我们将 介绍一些解决这些难题的简单方法。在现实生活中，许多地方都需要用到数学期望。如果我们可以在学会怎么解决数学期望的计算之后，将数学期望应用到现实生活中。就可以解决许多问题，例如农业上，经济上等多个方面难以解决的难题。 下面就让我们来看看，除了最常用的三种计算方法之外还有哪些可以计算较为棘手的数学期望的方法。 1. 变量分解法 ] 1[ 如果可以把不易求得的随机变量X 分解成若干个随机变量之和,应用)(...)()()...(2121n n X E X E X E E E X E ++=++再进行求解得值， 这种方法就叫做变量分解法。这种方法化解了直接用定义求数学期望时的难点问题，因为每一种结果比较好计算，分开来计算便可以比较简单的获得结果。 例题1 ： 从甲地到乙地的旅游车上载有20位旅客，自甲地开出，沿途有10个车站，如到达一个车站没有旅客下车，就不停车，以X 表示停车次数，求E(X).(设每位旅客在各个车站下车是等可能的) 分析 ： 汽车沿途10站的停车次数X 所以可能取值为0，1，….，10，如果先求出X 的分布列，再由定义计算E(X)，则需要分别计算{X=0}，{X=1}，…，{X=10}等事件的概率，计算相当麻烦。注意到经过每一站时是否停车，只有两种可能，把这两种结果分别与0，1对应起来，映入随机变量i X 每一种结果的概率较易求得。把X 分解成若干个随机变量i X 之和，然后应用公式)(...)()()...(2121n n X E X E X E E E X E ++=++就能最终求出E(X)。
1．某基地蔬菜大棚采用水培、无土栽培方式种植各类蔬菜．过去50周的资料显示，该地周光照量（小时）都在30小时以上，其中不足50小时的周数有5周，不低于50小时且不超过70小时的周数有35周，超过70小时的周数有10周．根据统计，该基地的西红柿增加量（百斤）与使用某种液体肥料（千克）之间对应数据为如图所示的折线图． （1）依据数据的折线图，是否可用线性回归模型拟合与的关系？请计算相关系数并加以说明（精确到0．01）；（若，则线性相关程度很高，可用线性回归模型拟合） （2）蔬菜大棚对光照要求较大，某光照控制仪商家为该基地提供了部分光照控制仪，但每周光照控制仪最多可运行台数受周光照量限制，并有如表关系： 若某台光照控制仪运行，则该台光照控制仪周利润为3000元；若某台光照控制仪未运行，则该台光照控制仪周亏损1000元．以过去50周的周光照量的频率作为周光照量发生的概率，商家欲使周总利润的均值达到最大，应安装光照控制仪多少台？ 附：相关系数公式，参考数据，． 【答案】(1)见解析;(2)为使商家周利润的均值达到最大应该安装2台光照控制仪． 【解析】试题分析：(1)由折线图，可得，依次算得，，，可求得
r, 所以可用线性回归模型拟合与的关系．(2)分别计算安装1台，2台时所获周利润值（期望值），数值大的为所选择。 （2）记商家周总利润为元，由条件可知至少需要安装1台，最多安装3台光照控制仪． ①安装1台光照控制仪可获得周总利润3000元； ②安装2台光照控制仪的情形： 当时，只有1台光照控制仪运行，此时周总利润元， 当时，2台光照控制仪都运行，此时周总利润元， 故的分布列为： 所以元． 综上可知，为使商家周利润的均值达到最大应该安装2台光照控制仪． 2．某超市计划销售某种食品，现邀请甲、乙两个商家进场试销10天．两个商家提供的返利方案如下：甲商家每天固定返利60元，且每卖出一件食品商家再返利3元；乙商家无固定返利，卖出30件以内（含30件）的食品，每件食品商家返利5元，超出30件的部分每件返利8元．经统计，两个商家的试销情况茎叶
第9讲随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 For personal use only in study and research; not for commercial use 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 For personal use only in study and research; not for commercial use 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 For personal use only in study and research; not for commercial use 教学过程： 第三章随机变量的数字特征 §3.1 数学期望 For personal use only in study and research; not for commercial use 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。
1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变 量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品， 21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的 天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是 ,,21x x ， 相应的概率为 ,,21P P ， 则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数 很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量，它的概率函数是 ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛，定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙，其中只有一把能打开自己的家门，他随意地 试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去，求打开门时试开次数 的数学期望。
几种常用的连续型随机变量 给出一个新概念：广义概率密度函数。 设连续型随机变量ξ的概率密度函数为φ(x ), 那么任何与之成正比的函数f (x )∝φ(x ), 都叫做ξ的广义概率密度函数, 或者说, 一个函数f (x )是ξ的广义概率密度函数, 说明存在着一实数a , 使得 φ(x )=af (x ) (1) 而知道了广义概率密度函数, ξ的概率密度函数就可以根据性质1)(=?+∞ ∞ -dx x ?, 求出 将(1)式代入得: 1)()(??+∞ ∞ -+∞ ∞ -==dx x af dx x ? 则?∞+∞ -= dx x f a )(1 因此, 知道了广义概率密度函数就等于知道了一般的概率密度函数, 我们只需关心函数的形状就可以了解概率密度的性质了. 因此也不必关于那个常数是什么. 4.4 指数分布 指数分布的概率密度函数为 ?? ?>=-其它 )(x e x x λλ? 它的图形如下图所示: 它的期望和方差如下计算: () λ λ λ?ξλλλλλ1 1 )(0 =- =+-=-= = = ∞ +-∞+-∞ +-+∞ -+∞ -+∞ ∞ -????x x x x x e dx e xe e xd dx e x dx x x E
() 2 20 202 2 2 2 2 2)(|λξλ λ?ξλλλλ= = +-=-= = = ????∞+-∞+-+∞ -+∞ -+∞∞ -E dx xe e x e d x dx e x dx x x E x x x x 2 2 2 221 1 2 )(λ λ λ ξξξ= - = -=E E D 指数分布常用来作为各种"寿命"分布的近似. 4.5 Γ-分布 如果一个随机变量ξ只取正值, 且在正半轴的广义概率密度函数的形式是x 的某次方x k 乘上指数函数e -λx , 即 ?? ?>->>=-其它 ) 0,1(0)(λλk x e x x f x k 那么就称ξ服从Γ-分布了. 上式中之所以要求k >-1, λ>0, 是因为广义积分 ?? +∞ -+∞ ∞ -= )(dx e x dx x f x k λ 只有在这种条件下才收敛. 此外, 传统上为了方便起见, 用另一个常数r =k +1, 因此广义概率密度函数写为 ?? ?>>>=--其它 ) 0,0(0)(1λλr x e x x f x r 而真实的概率密度函数φ(x )=af (x ), 可以给出常数a 由下式计算: ?∞ +--= 11 dx e x a x r λ 这样, 计算的关键就是要计算广义积分 ?+∞ --0 1dx e x x r λ, 作代换t =λx , 则x =t /λ, dx =dt /λ, 则???+∞ --+∞ --+∞ --= ? ?? ? ?=0 101 011 1 dt e t dt e t dx e x t r r t r x r λ λ λλ, 问题就转成怎样计算广义积分? +∞ --0 1dt e t t r , 这个积分有一个参数r >0, 在r 为一些特定 的参数时, 如当r =1时, 上面的广义积分还是可以计算的, 但是当r 为任意的正实数时, 此广 义积分就没有一般的公式, 一般的原函数表达式. 在这种情况下数学家常用的办法就是定义一个新的函数. 比如说, 在中学学的三角函数就无法用一个加减乘除的公式表示, 因此就发明了sin , cos 这样的记号来代表三角函数. 同样, 上面的广义积分的取值只依赖于参数r , 每给定一个r 值就有一个积分值与之对应, 因此也可以定义一个函数, 叫Γ-函数, 定义为
随机变量的数学期望教 案 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN
教 案：数学期望 试讲人 郑丽霞 教材来源：《概率论与数理统计》 袁荫棠 授课题目：数学期望 第三章第一节 教学目标：会计算数学期望；通过数学期望的学习了解数学期望的实际应用及统计意义 教学重点：数学期望的计算 教学难点：如何将实际问题转化为数学问题 教学过程： 1. 引入课题 引例：在一次射击比赛中，每个人射击10次，甲选手射了4个1分，1个2分，5个3分，问甲选手的平均得分是多少？ 1.210 5 31012104110531241=?+?+?=?+?+? 则其“均值”应为11 1k k i i i i i i n n x x n n ===∑∑. 所以上面的均值是以i n n 频率为权重的加权平均。
我们前面学了随机变量，那我用随机变量ξ来表示甲射击得分情况，求ξ的分布？ 平均得分=1×0.4+2×0.1+3×0.5=2.1 大体上讲，数学期望(或均值)就是随机变量的平均取值 2. 概念讲解 （一）离散型随机变量的数学期望 定义3.1 设离散型随机变量ξ的分布列为 (),1,2, ,,.i i p P x i n ξ=== 如果 1 ||.i i i x p +∞ =<+∞∑ 则称 1 ()i i i E x p ξ+∞ ==∑ 为随机变量ξ的数学期望，简称期望或均值。若级数1 ||()i i i x p x +∞=∑不收 敛，则称ξ的数学期望不存在。 例1 投掷一颗均匀的骰子，以ξ表示掷的点数，求ξ的数学期望。 解：6 1 17 ()62i E i ξ==?=∑
如皋市薛窑中学2011届高三理科数学一轮复习 61随机变量的概率分布、期望与方差 【考点解读】 离散型随机变量及其分布列：A;超几何分布：A;条件概率及相互独立事件：A； n次独立重复试验的模型及二项分布：B;离散型随机变量的均值与方差：B 【复习目标】 1?了解取有限值的离散型随机变量及其分布列的概念，了解分布列对于刻画随机现象的重要性；会求某些简单的离散型随机变量的分布列。 2?了解超几何分布及其导出过程，并能进行简单的应用。 3?了解条件概率和两个事件相互独立的概念( 对条件概率的应用题不作要求 )。 4 ?理解n次独立重复试验的模型及二项分布，并能解决一些简单的实际问题。 5?了解取有限值的离散型随机变量的均值、方差的意义，会根据离散型随机变量的分布列求出期望值、方差。 活动一：基础知识 1. 随机变量： 1) 定义： _________________________________________________________ 。 2) ____________________________________ 表示方法：。 2. 随机变量分布列的定义： 假定随机变量X有n个不同的取值，它们分别是X1,X2丄X n且P(X=x i)=p i ,i=1,2, -n,① 称①为随机变量X 的概率分布列，简称X的分布列 3. 概率分布表 将①用表的形式表示如下： 4. 分布列的性质： 概率分布列中P(i 1,2L n)满足以下两个条件: (1) ______________________________ (2) ______________________________ 5. 两点分布 如果随机变量X只取两个可能值_0 和__________ 1 ___ ，则称该随机变量X服从0-1分布或两点分布并记为X?0-1或X?两点分布. 其概率分布表为： 其中丨min{ M , n}，且n N,M N,n,M,N N .称分布列
离散型随机变量的期望值和方差 一、基本知识概要： 1、 期望的定义： 一般地，若离散型随机变量ξ的分布列为 则称E ξ=x 1P 1+x 2P 2+x 3P 3+…+x n P n +…为ξ的数学期望或平均数、均值，简称期望。 它反映了:离散型随机变量取值的平均水平。 若η=a ξ+b(a 、b 为常数)，则η也是随机变量，且E η=aE ξ+b 。 E(c)= c 特别地，若ξ～B(n ，P )，则E ξ=n P 2、 方差、标准差定义： D ξ=(x 1- E ξ)2·P 1+(x 2-E ξ)2·P 2+…+(x n -E ξ)2·P n +…称为随机变量ξ的方差。 D ξ的算术平方根ξD =δξ叫做随机变量的标准差。 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。 且有D(a ξ+b)=a 2D ξ,可以证明D ξ=E ξ2- (E ξ)2。 若ξ～B(n ，p)，则D ξ=npq ，其中q=1-p. 3、特别注意：在计算离散型随机变量的期望和方差时，首先要搞清其分布特征及分布列，然后要准确应用公式，特别是充分利用性质解题，能避免繁琐的运算过程，提高运算速度和准确度。 二、例题： 例1、（1）下面说法中正确的是 （ ） A ．离散型随机变量ξ的期望E ξ反映了ξ取值的概率的平均值。 B ．离散型随机变量ξ的方差D ξ反映了ξ取值的平均水平。 C ．离散型随机变量ξ的期望E ξ反映了ξ取值的平均水平。 D ．离散型随机变量ξ的方差D ξ反映了ξ取值的概率的平均值。 解：选C 说明：此题考查离散型随机变量ξ的期望、方差的概念。 （2）、（2001年高考题）一个袋子里装有大小相同的3个红球和2个黄球，从中同时取出两个，则其中含红球个数的数学期望是 。 解：含红球个数ξ的E ξ=0× 101+1×106+2×10 3=1.2 说明：近两年的高考试题与《考试说明》中的“了解……，会……”的要求一致，此部分以重点知识的基本 题型和内容为主，突出应用性和实践性及综合性。考生往往会因对题意理解错误，或对概念、公式、性质应用错误等，导致解题错误。 例2、设ξ是一个离散型随机变量，其分布列如下表，试求E ξ、D ξ 剖析：应先按分布列的性质，求出q 的值后，再计算出E ξ、D ξ。 解：因为随机变量的概率非负且随机变量取遍所有可能值时相应的概率之和等于1，所以??? ? ???≤≤-≤=+-+11 2101212122 q q q q
第七周多维随机变量，独立性 7.4独立随机变量期望和方差的性质 独立随机变量乘积的期望的性质： Y X ,独立，则()()() Y E X E XY E =以离散型随机变量为例，设二元随机变量(),X Y 的联合分布列() ,i j P X x Y y ==已知，则()()(),i j i j P X x Y y P X x P Y y ====?=， () 1,2,,; 1,2,,i m j n == ()() 11,m n i j i j i j E XY x y P X x Y y =====∑∑()() 11 m n i j i j i j x y P X x P Y y =====∑∑()() 1 1 m n i i j j i j x P X x y P Y y =====∑∑()() E X E Y =***********************************************************************独立随机变量和的方差的性质： Y X ,独立，则()()() Y Var X Var Y X Var +=+()()() 2 2 Var X Y E X Y E X Y ??+=+-+?? ()222E X XY Y =++()()()()22 2E X E X E Y E Y ??-++? ? ()()()()2 2 22E X E X E Y E Y =-+-()()()22E XY E X E Y +-()()()() 2 2 22E X E X E Y E Y =-+-()() Var X Var Y =+若12,,,n X X X 相互独立，且都存在方差，则()() 121 n m k k Var X X X Var X =+++=∑ ***********************************************************************利用独立的0-1分布求和计算二项分布随机变量()~,X b n p 期望和方差 我们在推导二项分布随机变量的方差时，已经利用了独立随机变量和的方差等于方差
限时作业62 随机变量的数学期望与方差 一、选择题 1.下列说法中，正确的是( ) A.离散型随机变量的均值E(X)反映了X取值的概率平均值 B.离散型随机变量的方差D(X)反映了X取值的平均水平 C.离散型随机变量的均值E(X)反映了X取值的平均水平 D.离散型随机变量的方差D(X)反映了X取值的概率平均值 解析:离散型随机变量X的均值反映了离散型随机变量×取值的平均水平,随机变量的方差反映了随机变量取值偏离于均值的平均程度. 答案:C 则D(X)等于( ) A.0 B.0.8 C.2 D.1 解析:根据方差的计算公式,易求V(X)＝0.8. 答案:B 3.若随机变量X服从两点分布，且成功的概率p＝0.5，则E(X)和D(X)分别为( ) A.0.5和0.25 B.0.5和0.75 C.1和0.25 D.1和0.75 解析:∵X服从两点分布， ∴X的概率分布为 D(X)＝0.52×0.5+(1－0.5)2×0.5＝0.25. 答案:A 4.离散型随机变量X的分布列为P(X＝k)＝p k q1－k(k＝0,1,p+q＝1)，则EX与DX依次为( ) A.0和1 B.p和p2 C.p和1－p D.p和p(1－p) 解析:根据题意，EX＝0×q+1×p＝p,DX＝(0－p)2q+(1－p)2p＝p(1－p)或可以判断随机变量X 满足两点分布，所以EX与DX依次为p和p(1－p)，选D. 答案:D 5.已知X～B(n,p),EX＝8,DX＝1.6，则n与p的值分别是( ) A.100,0.08 B.20,0.4 C.10,0.2 D.10,0.8 解析:由于X～B(n,p),EX＝8,DX＝1.6，即np＝8,np(1－p)＝1.6， 可解得p＝0.8，n＝10，应选D. 答案:D 二、填空题 6.①连续不断地射击，首次击中目标所需要的射击次数为X;②南京长江大桥一天经过的车辆数为X;③某型号彩电的寿命为X；④连续抛掷两枚骰子，所得点数之和为X；⑤某种水管的外径与内径之差X. 其中是离散型随机变量的是____________.(请将正确的序号填在横线上) 解析:②④中X的取值有限，故均为离散型随机变量；①中X的取值依次为1,2,3,…,虽然无限，但可按从小到大顺序列举，故为离散型随机变量;而③⑤中X的取值不能按次序一一列举，故均不是离散型随机变量.
教 案：数学期望 试讲人 郑丽霞 教材来源：《概率论与数理统计》 袁荫棠 授课题目：数学期望 第三章第一节 教学目标：会计算数学期望；通过数学期望的学习了解数学期望的实际应用及统计意义 教学重点：数学期望的计算 教学难点：如何将实际问题转化为数学问题 教学过程： 1. 引入课题 引例：在一次射击比赛中，每个人射击10次，甲选手射了4个1分，1个2分，5个3分，问甲选手的平均得分是多少？ 1.210 5 31012104110531241=?+?+?=?+?+? 则其“均值”应为11 1k k i i i i i i n n x x n n ===∑∑. 所以上面的均值是以i n n 频率为权重的加权平均。
我们前面学了随机变量，那我用随机变量ξ来表示甲射击得分情况，求ξ的分布？ 平均得分=1×0.4+2×0.1+3×0.5=2.1 大体上讲，数学期望(或均值)就是随机变量的平均取值 2. 概念讲解 （一）离散型随机变量的数学期望 定义3.1 设离散型随机变量ξ的分布列为 (),1,2, ,, .i i p P x i n ξ=== 如果 1 ||.i i i x p +∞ =<+∞∑ 则称 1 ()i i i E x p ξ+∞ ==∑ 为随机变量ξ的数学期望，简称期望或均值。若级数1 ||()i i i x p x +∞ =∑不收 敛，则称ξ的数学期望不存在。 例1 投掷一颗均匀的骰子，以ξ表示掷的点数，求ξ的数学期望。 解：6 117 ()62 i E i ξ==? =∑ 例题2 设盒中有5个球，其中有2个白球，3个黑球，从中随机抽
取3个球，记ξ为抽取到的白球数，求)(ξE . （二）连续型随机变量的数学期望 当遇到随机变量为无限不可数的情形，如连续型随机变量，该如何定义该随机变量的数学期望。 设ξ是连续型随机变量，其密度函数为()p x ,在数轴上取得很密的点 012,x x x <<< ，则ξ落在小区间1[,)i i x x +的概率是 1 1()()()()i i x i i i i i x p x dx p x x x p x x ++≈-=?? 由于i x 与i x 很接近，所以区间1[,)i i x x +中的值可用i x 来近似地替代， 因此，ξ与以概率()i i p x x ?取值i x 的离散型随机变量近似。该离散型随机变量的数学期望是1()i i i i x p x x +∞ =?∑，这正是()xp x dx +∞ -∞?的渐近和式。 从该启示出发，我们引进如下定义： 定义3.2 设连续性随机变量ξ的密度函数为()p x ，如果 ||().x p x dx +∞ -∞ <+∞?
分解随机变量简求数学期望离散型随机变量的分布列反映了随机变量所有可能取值的概率分布的总体情况，课本求 离散型随机变量的数学期望的定义公式就是在概率分布列的基础上给出的。因此求离散型随机变量的数学期望的一般方法是：先求的概率分布列，然后用期望的定义公式进行计算。然而，当随机变量的取值较多或背景复杂时，直接求的分布列往往困难重重或运算量较大。若能将背景复杂的随机变量分解成若干个背景单一的随机变量，即，则可运用随机变量线性的期望等于随机变量期望的线性即公式 ①来求的期望。 一、两个重要分布数学期望公式的简证 二项分布和超几何分布是两种重要的常用的概率分布，它们的地位和作用如同等差数列等比数列在数列中的地位和作用一样，举足轻重至关重要。下面给出这两个重要分布数学期望公式的一个简证。 1.二项分布的数学期望公式 若随机变量，则②。 课本是利用组合数的性质进行证明的，有一定难度，现用分解的方法给出如下简证。 证明令，则，易知服从两点分布，即 ，所以，故。
2.超几何分布的数学期望公式 在含有件次品的件产品中，不放回地任取件，其中恰有件次品，则称随机变量服从超几何分布，则有③。 文[1]、[2]用组合数性质证明了此公式，但过程较复杂证明难度较大。下面将次品数分解成每次抽取的次品数之和，然后用公式①求期望，简证如下： 证明令，则，易知服从两点分布，即 ，所以，故。 二、运用变量分解期望公式简求数学期望举例 下面通过典型例题说明用随机变量分解的期望公式在简求数学期望的作用，读者可用直接求的分布列然后求期望的方法进行解法比较，体会分解随机变量简求数学期望的精妙。先看一个与错位排列有关的名题。 例1设有标号为的盒子和标号为的个小球，将这个小球任意地放入这盒子，每个盒子放入一个小球。若号球放入号盒子，则称该球放对了，否则称放错了。表示放对了的球的个数，求的数学期望。 文[3]由特例时发现，继续验证知时仍然成立，于是猜想对任意的，恒有（实际上对任意的正整数恒有）。然后通 过巧妙的构造对比并结合组合数性质给出了证明，证法虽然精彩但很难想到。下面用分解随机变量的方法给出简解如下： 例2某单位为绿化环境，移栽了甲乙两种大树各两株。设甲乙两种大树移栽的成活率分别为和，且各株大树是否成活互不影响。求移栽的4株大树中成活的株数的期望。
二维随机变量的期望与方差 【定义11.1】设二维随机变量（X 、Y ）的Joint p.d.f.为f(x,y)，则： ????????????∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-∞ ∞-∞∞--=-=-=-=====dxdy y x f EY y dy y f EY y DY dydx y x f EX x dx x f EX x DX dxdy y x yf dy y yf EY dydx y x xf dx x xf EX Y X Y X ),()()()(),()()()(),()(),()(2222 假定有关的广义积分是绝对收敛的。 别外：二维随机变量的函数Z=g(X,Y)的数学期望为： ??∞∞-∞∞-?=dxdy y x f y x g EZ ),(),( 有关性质： ① E （X+Y ）=EX+EY ； 因为： EY EX dxdy y x yf dxdy y x xf dxdy y x f y x Y X E +=+=+=+??????∞∞-∞ ∞-∞∞-∞∞-∞∞-∞∞-),(),(),()()( ② 设X 、Y 同类型，且相互独立，则：E(XY)=EXEY ；
对连续情形：因X 、Y 相互独立， 故 )()(),(y f x f y x f Y X =， [][]EY EX dy y yf dx x xf dxdy y f x xyf dxdy y x xyf XY E Y X Y X ?=? ===??????∞∞-∞∞-∞∞-∞∞-∞∞-∞∞-)()()()(),()( ③ 设X 、Y 相互独立，则：D （X+Y ）=DX+DY ； 由于X 、Y 相互独立，X-EX 与Y-EY 也相互独立， 0][][]}][{[=--=--EY Y E EX X E EY Y EX X E 因而： DY DX EY Y EX X E EY Y E EX X E EY Y EX X E Y X E Y X E Y X D +=--+-+-=-+-=+-+=+)])([(2)()(} )](){[(} )]({[)(2222
第五周随机变量函数的分布及随机变量的数字特征 5.2随机变量的数学期望 例5.2.1 项目1：投资10万元 60%可能回收10万元保本；40%可能回收15万元，盈利5万元平均收益为3205255 ?+?=万元项目2：投资10万元 60%可能回收0万元，亏损10万元；40%可能回收30万元，盈利20万元平均收益为321020255 -?+?=万元两项投资预期的平均收益都是2万元，若要从中做出决策，如何决定？ 可能不少人会选择第一种最差也能保本的项目，但也有人更愿意尝试第二个看似风险更大的项目。所谓的风险大就是不同可能性对应的收益差别大，收益的波动大。一般而言，人们会依据平均收益和风险程度两个方面进行判断。 上述例子反映了随机或不确定情况下，平均值是人们常用的参考量，分散程度或波动程度的不同又会带来差异。在概率论中，描述随机变量这两方面特征的标准概念是期望和方差，下面分别给出它们在数学上的定义。 ********************************************************** 随机变量X 的数学期望：（加权）平均值 ()()()1 ,,i i i x P X x X E X x f x dx X ∞=+∞-∞ ??=??=?????∑?为离散随机变量为连续随机变量备注：离散型随机变量需要满足()1i i i x P X x ∞ ==<∞∑，
连续型随机变量需要满足()x f x dx +∞ -∞<∞?才称其数学期望存在。 ********************************************************** 例5.2.2投掷一颗均匀的色子，求掷出点数的数学期望。 解：设投出的点数为随机变量X ，则X 服从下面分布 123456********* 666?? ? ? ???，()()61i i i E X x P X x ==?=∑6116i i ==?∑167 3.562 ?==********************************************************** 随机变量X 函数的数学期望 ()()()()()()1 ,,k k k g x P X x X E g X g x f x dx X ∞=+∞-∞ ??=??=????∑?为离散随机变量为连续随机变量例5.2.3已知随机变量21012~0.20.10.10.30.3X --?? ??? ，求X X Y +=2的期望。()()()521 k k k k E Y x x P X x ==+?=∑()()()()()()()22222220.2110.1000.1110.1220.1????=-+-?+-+-?++?++?++????? 1.2 =************************************************************* 数学期望的几个基本性质 ()c c E =（c 为常数，常值分布） ()() X cE cX E =
第9讲 随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 教学过程： 第三章 随机变量的数字特征 §3.1 数学期望 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X 的概率分布，那么X 的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。 1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品，21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？
可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是 ,,21x x ， 相应的概率为 ,,21P P ，则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量，它的概率函数是 ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛，定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙，其中只有一把能打开自己的家门，他随意地试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去，求打开门时试开次数的数学期望。 解 设试开次数为X ，则 n k X p 1)(==，n , ,2 ,1 =k 于是 ∑=? =n k n k X E 11)(2)1(1n n n +?=21+=n 2. 连续随机变量的数学期望 为了引入连续随机变量数学期望的定义，我们设X 是连续随机变量，其密度函数为)(x f ，把区间) , (∞+-∞分成若干个长度非常小的小区间，考虑随机变量X 落在任意小区间] , (dx x x +内的概率，则有
序 言 数学方差和期望比较集中的反映随机变量的某个侧面的平均特性,因此对随机变量的期望和方差的计算具有很深的实际意义. 本论文着重总结了随机变量期望和方差的几种常用计算方法,并通过具体例子阐述在不同情况下应该采用的计算方法,以达到使计算最简便化的目的. 一、 离散型随机变量期望的计算方法 方法一 定义法 [1] 即若已知离散型随机变量ξ的分布列为 则ξ的期望为1111(2)()()p p A B p A B ξ==+ 例1 某项考试按科目A 和科目B 依次进行,只有当科目A 成绩合格时,才可继续参加科目B 的考试,已知每个科目只允许有一次补考机会,两个科目成绩均合格方可获得证书.现某人参加这项考试,科目A 每次考试成绩合格的 的考试机会,记他参加考试的次数为ξ,求ξ的数学期望E ξ. 解 设“科目A 第一次考试合格”为事件1A ,“科目A 补考合格”为事件2A ,“科目 B 第一次考试合格”为事件1B ,“科目B 补考合格”为事件2B ,已知得ξ=2,3,4注意到各 事件之间的独立性与互斥性,可得 1111(2)()() 21113233114399 p p A B p A B ξ==+=?+?= +=
对于某些实际问题中的随机变量,如果能够断定它服从某常见的典型分布（如二项分布、超几何分布等）,则此随机变量的期望可直接利用这种典型分布的期望公式求得. 方法二 公式法 设随机变量ξ服从二项分布(,,)B b n p ,其分布列为： {}(1) (0,1,2)k k n k n P k C p p k n ξ-===-=???, 则我们有： 01 1 11 11 1 !()(1) !()!! (1)!()! (1) (1)(1) n k n k k n k n k k n k k n k n k n i i n i n i i n E k p p k n k n p p k n k np p p np p p np i k C C ξ-=-=----=----== ? --= --=-=-==-∑ ∑ ∑ ∑ 由此便推出服从二项分布的随机变量的数学期望的计算公式为()E np ξ=. 例2 一个实验学科的考察方案：考生从6道选题中一次性随机抽取3题,按题目要求独立完成全部实验操作.规定：至少正确完成其中2题者方可通过,已知6道备选题中考生甲有4 不影响. 分别求出甲、乙两考生正确完成题数的数学期望. 解 设考生甲正确完成的题数为ξ,则ξ服从超几何分布,其中6,4,3N M n ===, ∴3426 nM E N ξ?= == 设考生乙正确完成的题数为η,则 2 ~[3,]3B η,2323E np η==? = 方法三 性质法 即利用期望的性质求期望,所用到的性质主要有:
离散型随机变量的数学期望和方差 知识点 一、离散型随机变量的数学期望 1. 定义 则称E(X)=人》? X2p2亠 '亠人口亠I?.亠X n P n为随机变量X的数学期望或均值。 2. 意义：反映离散型随机变量取值的平均水平。 3?性质：若X是随机变量，丫二aXF，其中a,b是实数，则Y也是随机变量，且E(aX b^aE(X) b 二、离散型随机变量的方差 1. 定义 n 则称D(X)八，(人-E(X))2p i为随机变量的方差。 i=1 2. 意义：反映离散型随机变量偏离均值的程度。 2 3. 性质：D(aX b)二a D(X) 三、二项分布的均值与方差 如果X ~ B(n, p)，则E(X)二np ， D(X)二叩(1 - p)。
题型一离散型随机变量的均值 【例1】设随机变量X的分布列如下表，且E(X)= 1.6,则a— b =( ) A.0.2 B . 0.1 C.—0.2 D . 0.4 【例2】随机抛掷一枚质地均匀的骰子，则所得点数E的数学期望为() A . 0.6 B . 1 C. 3.5 D . 2 【例3】某次考试中，第一大题由12个选择题组成，每题选对得5分，不选或错选得0分?小王选对每题的概率为0.8,则其第一大题得分的均值为________________________ . 【例4】(2016年高考全国乙卷)某公司计划购买2台机器，该种机器使用三年后即被淘汰?机器有一易损零件，在购进机器时，可以额外购买这种零件作为备件，每个200元.在机器使用期间，如果备件不足再购买，则每个500元.现需决策在购买机器时应同时购买几个易损零件，为此搜集并整理了100台这种机器在三年使用期内更换的易损零件数，得下面柱状图： 以这100台机器更换的易损零件数的频率代替1台机器更换的易损零件数发生的概率，记X表示2台机器 三年内共需更换的易损零件数，n表示购买2台机器的同时购买的易损零件数. (1)求X的分布列； ⑵若要求P(X W n)> 0.5，确定n的最小值； (3)以购买易损零件所需费用的期望值为决策依据，在n= 19与n= 20之中选其一，应选用哪个？