随机变量的数学期望与方差

概率与统计中的随机变量的数学期望与方差概率与统计是数学的一个重要分支，主要研究随机事件的发生规律和统计数据的分析方法。

在概率与统计中，随机变量是一个映射，将随机试验的结果与实数建立关联。

随机变量的数学期望与方差是两个重要的概念，用来描述随机变量的平均值和离散程度。

本文将讨论概率与统计中的随机变量的数学期望与方差的定义与计算方法。

一、随机变量的定义在概率与统计中，随机变量是一个函数，将样本空间中的每个样本点映射到实数上。

随机变量可以分为离散型随机变量和连续型随机变量两种类型。

对于离散型随机变量，其取值有限或可数，并且每个取值与一个概率相关联。

如掷骰子的点数就是一个离散型随机变量，取值为1、2、3、4、5、6，每个取值发生的概率为1/6。

对于连续型随机变量，其取值在一个区间内，并且每个取值的概率为0。

取值区间的概率由概率密度函数给出。

如身高、体重等连续型随机变量的取值范围是无限的。

二、数学期望的定义与性质数学期望是用来描述随机变量的平均值的一个指标。

对于离散型随机变量，数学期望的定义为每个取值乘以其概率的和。

设X是一个离散型随机变量，其取值为$x_1, x_2, ..., x_n$，对应的概率为$p_1,p_2, ..., p_n$，则随机变量X的数学期望为：E(X) = x_1p_1 + x_2p_2 + ... + x_np_n$$对于连续型随机变量，数学期望的定义为随机变量X的取值乘以概率密度函数f(x)的积分。

设X是一个连续型随机变量，其概率密度函数为$f(x)$，则随机变量X的数学期望为：$$E(X) = \int xf(x)dx$$数学期望具有线性性质，即对于常数a和随机变量X、Y，有：$$E(aX + bY) = aE(X) + bE(Y)$$三、方差的定义与性质方差是用来描述随机变量离散程度的一个度量。

方差的定义为随机变量与其数学期望之差的平方的数学期望。

设X是一个随机变量，其数学期望为μ，则随机变量X的方差为：$$Var(X) = E[(X - \mu)^2]方差的开方称为标准差，用来度量随机变量的离散程度。

随机变量的数字特征一、数学期望E（x)的性质：性质一：常数C，E（C)=C;性质二：X为随机变量，C为常数，则E(CX）=CE（X)；性质三：X，Y为随机变量，则E(X+Y)=E(X)+E(Y)；性质三：X,Y为相互独立的随机变量时，E（XY）=E（Ｘ）Ｅ（Ｙ）二、方差的性质：D(X)=E(X²）-[E(X)]²性质一：C为常数，则D(C)=0；性质二：X为随机变量，C为常数，则D(CX)=C²D(X)D(X±C)=D(X)性质三：X，Y为相互独立随机变量Ｄ（X±Y)=D(X)+D(Y)当X，Y不相互独立时：D(X±Y）=D(X)+D(Y)±2COV(X,Y);关于协方差COV（X+Y，X-Y)=D(X)-D(Y)的证明？证：由COV（X，Y）=E（XY）-E(X)E(Y) 得COV（Ｘ＋Ｙ，Ｘ－Ｙ）＝E[(X+Y)（X-Y)]-E（X+Y)E(X-Y) =E（X^2-Y^2）-{[E(X)+E(Y)][E(X)-E(Y)]}=E(X^2)-E(Y^2)-E(X)E(X)+E(Y)E(Y)=E(X^2)-E(X)E(X)-[E(Y^2)-E(Y)(Y)]=D(X)-D(Y)三、常用函数期望与方差：⑴（0-1）分布：①分布律：P{X=K}=p^k(1-p)^1-k,k=0,1,2...(0<p<1）②数学期望：p③方差：pq (q=1-p)⑵二项分布B（n,p):①分布律：P{X=K}=（n,k)p^k(1-p)n-k (k=0,1..n;n>=1,0<p<1,q=1-p)②数学期望：np③方差：npq⑶泊松分布π（λ）：①分布律：P{X=k}=(λ^k *e^(-λ))/k! (k=0,1,2...;λ>0)②数学期望：λ③方差：λ⑷均匀分布U（a,b):①分布律：f(X)=1/(b-a), a<x<b; f(X)=0,x∈其他值时②数学期望：（a+b）/2③方差：（b-a)²/12⑸指数分布E（λ）：①分布律：f(X)=λe^(-λ), X>0; f(X)=0, X≦0;②数学期望：1/λ③方差：1/λ²⑹正态分布N（μ，ρ²）①分布律：f(x)=1/﹙√2π *ρ)*e^(-(x-μ)²/(2ρ²)),(-∞<x<+∞,ρ>0)②数学期望：μ③方差：ρ²四、切比雪夫不等式：随机变量的数学期望E(x)与方差D(x)存在，则对于任意整数ε，不等式：P{|X-E(X)|≥ε}≤D(X)/ε²成立。

随机变量的数学期望与方差随机变量是概率论和统计学中的重要概念，用来表示随机试验的结果。

在研究随机变量时，我们常常关注它们的数学特征，其中最常用的指标是数学期望和方差。

一、数学期望数学期望是描述随机变量平均取值的一个指标，记作E(X)。

对于离散型随机变量，数学期望的计算公式为：E(X) = ∑(x * P(X = x))其中，x 表示随机变量可能的取值，P(X = x)表示随机变量取值为 x 的概率。

通过这个公式，我们可以计算出随机变量的平均取值。

例如，假设我们抛一枚公平的硬币，正面为1，反面为0。

随机变量 X 表示硬币正面朝上的次数，那么 X 的所有可能取值及其概率为：X = 0，P(X = 0) = 1/2X = 1，P(X = 1) = 1/2根据数学期望的计算公式，我们可以计算得到该随机变量的数学期望为：E(X) = 0 * 1/2 + 1 * 1/2 = 1/2这意味着，在多次独立重复抛硬币的实验中，硬币正面朝上的平均次数大约为 1/2。

对于连续型随机变量，数学期望的计算公式稍有不同，可以使用积分的方法计算。

二、方差方差是描述随机变量取值分散程度的一个指标，记作Var(X)或σ²。

对于离散型随机变量，方差的计算公式为：Var(X) = ∑((x - E(X))² * P(X = x))其中，x 表示随机变量可能的取值，E(X)表示随机变量的数学期望，P(X = x)表示随机变量取值为 x 的概率。

通过这个公式，我们可以计算出随机变量的方差。

方差的计算公式可以拆解为方差等于随机变量与数学期望的偏差的平方乘以概率的和。

这意味着方差可以用来衡量随机变量的取值与其期望值之间的差异程度。

例如，我们继续以抛硬币的例子来说明方差的计算过程。

在之前的例子中，我们已经计算出随机变量 X 的数学期望为 1/2。

现在，我们可以使用方差的公式来计算方差：Var(X) = (0 - 1/2)² * 1/2 + (1 - 1/2)² * 1/2 = 1/4这意味着在多次独立重复抛硬币的实验中，硬币正面朝上的次数与其期望值的差异程度可以用方差 1/4 来描述。

概率论中的期望与方差计算技巧概率论是数学中的一个重要分支，它研究的是随机事件的规律性。

在概率论中，期望和方差是两个重要的概念，它们能够帮助我们描述和分析随机变量的特征和变异程度。

本文将介绍一些计算期望和方差的技巧，帮助读者更好地理解和应用概率论。

首先，我们来了解一下期望的概念。

在概率论中，期望是随机变量的平均值，它是对随机变量取值的加权平均。

对于离散型随机变量，期望的计算公式为：E(X) = ΣxP(X=x)其中，X表示随机变量，x表示随机变量的取值，P(X=x)表示随机变量取值为x的概率。

这个公式的意义是，将每个取值乘以其对应的概率，然后将所有结果相加，即可得到期望。

对于连续型随机变量，期望的计算公式为：E(X) = ∫xf(x)dx其中，f(x)表示随机变量的概率密度函数。

这个公式的意义是，将每个取值乘以其对应的概率密度，然后对所有结果进行积分，即可得到期望。

接下来，我们来讨论一下方差的计算技巧。

方差是用来衡量随机变量的离散程度的指标，它表示随机变量与其期望之间的差异。

方差的计算公式为：Var(X) = E[(X-E(X))^2]其中，E(X)表示随机变量的期望。

这个公式的意义是，将随机变量与其期望的差值平方，然后对所有结果进行加权平均，即可得到方差。

在实际计算中，计算期望和方差可能会遇到一些复杂的情况。

下面，我们将介绍一些常见的计算技巧，帮助读者更好地应用概率论。

首先，对于独立随机变量的期望和方差计算，可以利用期望和方差的性质进行简化。

如果X和Y是独立随机变量，那么它们的期望和方差的计算可以分别简化为：E(X+Y) = E(X) + E(Y)Var(X+Y) = Var(X) + Var(Y)这个性质在实际计算中非常有用，可以简化复杂问题的求解过程。

其次，对于二项分布和泊松分布的期望和方差计算，可以利用分布的特性进行简化。

对于二项分布，期望和方差的计算公式为：E(X) = npVar(X) = np(1-p)其中，n表示试验次数，p表示每次试验成功的概率。

随机变量的数学期望与方差随机变量在概率论中具有重要地位，它描述了随机事件的变化规律，数学期望和方差是衡量随机变量分布的重要指标。

一、数学期望数学期望是对随机变量取值的平均值的度量，记作E(X)，其中X为随机变量。

数学期望可以理解为长期重复试验中，随机变量取值的平均结果。

对于离散型随机变量，数学期望的计算公式为：E(X) = ∑(x * P(X=x))其中x为随机变量的取值，P(X=x)为该取值发生的概率。

对于连续型随机变量，数学期望的计算公式为：E(X) = ∫(x * f(x))dx其中f(x)为随机变量的概率密度函数。

二、方差方差是随机变量取值分散程度的度量，记作Var(X)或σ^2，其中X为随机变量。

方差描述的是随机变量取值与其数学期望之间的偏离情况。

对于离散型随机变量，方差的计算公式为：Var(X) = ∑((x - E(X))^2 * P(X=x))其中x为随机变量的取值，E(X)为该随机变量的数学期望。

对于连续型随机变量，方差的计算公式为：Var(X) = ∫((x - E(X))^2 * f(x))dx其中f(x)为随机变量的概率密度函数。

三、应用举例为了更好理解数学期望与方差的作用和计算方法，下面以骰子为例进行说明。

假设我们有一个六面骰子，其取值范围为1到6，每个面出现的概率相等。

我们可以定义骰子的随机变量X表示投掷后骰子的结果。

1. 计算数学期望：E(X) = (1 * 1/6) + (2 * 1/6) + (3 * 1/6) + (4 * 1/6) + (5 * 1/6) + (6 * 1/6) = 3.5所以，这个六面骰子的数学期望为3.5，即在长期重复的投掷中，平均每次的点数是3.5。

2. 计算方差：Var(X) = ((1-3.5)^2 * 1/6) + ((2-3.5)^2 * 1/6) + ((3-3.5)^2 * 1/6) + ((4-3.5)^2 * 1/6) + ((5-3.5)^2 * 1/6) + ((6-3.5)^2 * 1/6) ≈ 2.92所以，这个六面骰子的方差为2.92，即在长期重复的投掷中，每次投掷结果与平均值3.5偏离的程度。

随机变量的期望与方差知识点统计学中的随机变量是指在一次试验中可以取得不同数值的变量。

对于随机变量，我们常常关注它的期望与方差，这些是描述随机变量性质的重要指标。

本文将介绍随机变量的期望与方差的概念、计算方法以及它们的实际含义。

一、随机变量的期望随机变量的期望是一个数学期望值，用来衡量随机变量的平均取值水平。

对于离散型随机变量X，其期望的计算公式为：E(X) = Σ[x * P(X=x)]其中Σ 表示求和，x 表示随机变量X可以取到的值，P(X=x) 表示随机变量X取到值x的概率。

对于连续型随机变量X，其期望的计算公式为：E(X) = ∫ [x * f(x)]dx其中∫ 表示积分，x 表示随机变量X可以取到的值，f(x) 表示X的密度函数。

期望的计算方法可以帮助我们了解随机变量的平均取值水平。

例如，在某个游戏中，随机变量X表示一次投掷骰子的结果。

假设骰子是均匀的，那么它的每个面出现的概率都是1/6。

我们可以通过计算期望来了解投掷骰子的平均结果是多少。

二、随机变量的方差随机变量的方差是衡量随机变量取值的离散程度，它描述了随机变量偏离期望的程度。

方差的定义如下：Var(X) = E[(X-E(X))^2]其中 E(X) 表示随机变量X的期望。

方差的计算方法可以帮助我们了解随机变量取值的离散程度。

对于同样表示投掷骰子结果的随机变量X，假设我们想知道投掷10次骰子的结果的离散程度。

我们可以通过计算方差来了解。

三、随机变量期望与方差的实际含义随机变量的期望和方差都是对随机变量的性质进行描述的重要指标。

它们不仅有着严格的数学定义，也有着实际的含义。

期望是描述随机变量的平均取值水平，它可以用来预测随机变量的未来表现。

例如，在股票市场中，可以用过去的股价数据计算股票未来收益的期望，帮助投资者做出投资决策。

方差是描述随机变量取值离散程度的指标，它可以用来评估随机变量的风险。

例如，在金融领域中，可以利用方差来衡量投资组合的风险。

高三数学随机变量的期望与方差试题答案及解析1.某班50名学生期中考试数学成绩的频率分布直方图如图所示，其中成绩分组区间是：[40,50)，[50,60)，[60,70)，[70,80)，[80,90)，[90,100]．从样本成绩不低于80分的学生中随机选取2人，这2人中成绩在90分以上(含90分)的人数为ξ，则ξ的数学期望为()A．B．C．D．【答案】B【解析】由频率分布直方图知，3×0.006×10＋0.01×10＋0.054×10＋10x＝1，解得x＝0.018，∴成绩不低于80分的学生有(0.018＋0.006)×10×50＝12人，成绩在90分以上(含90分)的学生有0.006×10×50＝3人．ξ的可能取值为0,1,2，P(ξ＝0)＝＝，P(ξ＝1)＝＝，P(ξ＝2)＝＝，∴ξ的分布列为ξ012∴E(ξ)＝0×＋1×＋2×＝.选B.2.某游戏的得分为1,2,3,4,5，随机变量表示小白玩游戏的得分.若=4.2，则小白得5分的概率至少为 .【答案】【解析】设＝1,2,3,4,5的概率分别为，则由题意有，，对于，当越大时，其值越大，又，因此，所以，解得．【考点】随机变量的均值（数学期望），排序不等式．3.（2011•浙江）某毕业生参加人才招聘会，分别向甲、乙、丙三个公司投递了个人简历，假定该毕业生得到甲公司面试的概率为，得到乙、丙公司面试的概率均为P，且三个公司是否让其面试是相互独立的．记X为该毕业生得到面试的公司个数．若P（X=0）=，则随机变量X的数学期望E（X）=_________．【答案】【解析】由题意知X为该毕业生得到面试的公司个数，则X的可能取值是0，1，2，3，∵P（X=0）=，∴，∴p=，P（X=1）=+=P（X=2）==，P（X=3）=1﹣=，∴E（X）==，故答案为：4.已知离散型随机变量ξ1的概率分布为离散型随机变量ξ2的概率分布为求这两个随机变量数学期望、方差与标准差．【答案】4；4；0.2.【解析】E(ξ1)＝1×＋2×＋…＋7×＝4；V(ξ1)＝(1－4)2×＋(2－4)2×＋…＋(7－4)2×＝4，σ1＝＝2.E(ξ2)＝3.7×＋3.8×＋…＋4.3×＝4；V(ξ2)＝0.04，σ2＝)＝0.2.5.如图，将一个各面都涂了油漆的正方体，切割成125个同样大小的小正方体．经过搅拌后，从中随机取出一个小正方体，记它的涂油漆面数为X，则X的均值为E(X)＝________．【答案】【解析】用分布列解决这个问题，根据题意易知X＝0，1，2，3.列表如下：X0123所以E(X)＝0×＋1×＋2×＋3×＝＝.6.为防止山体滑坡，某地决定建设既美化又防护的绿化带，种植松树、柳树等植物．某人一次种植了n株柳树，各株柳树成活与否是相互独立的，成活率为p，设ξ为成活柳树的株数，数学期望E(ξ)＝3，标准差σ(ξ)为.(1)求n、p的值并写出ξ的分布列；(2)若有3株或3株以上的柳树未成活，则需要补种，求需要补种柳树的概率．【答案】（1）n＝6，p＝，（2）【解析】(1)由E(ξ)＝np＝3，(σ(ξ))2＝np(1－p)＝，得1－p＝，从而n＝6，p＝，ξ的分布列为(2)记“需要补种柳树”为事件A,则P(A)＝P(ξ≤3)，得P(A)＝.7.甲向靶子A射击两次，乙向靶子射击一次.甲每次射击命中靶子的概率为0.8，命中得5分；乙命中靶子的概率为0.5，命中得10分.（1）求甲、乙二人共命中一次目标的概率；（2）设X为二人得分之和，求X的分布列和期望.【答案】（1）0.18；（2）详见解析.【解析】本题主要考查二项分布、独立事件、随机变量的分布列和数学期望等基础知识，考查学生分析问题解决问题的能力和计算能力.第一问，由题意分析，“甲乙二人共命中”共有2种情况：一种是甲射击2次中一次、乙没中，一种情况是甲射击2次都没中、乙中一次；第二问，由题意分析：甲乙射击是否命中有以下几种情况：1.甲2次都没中、乙没中，2.甲2次都没中、乙中一次，3.甲2次中一次、乙没中，4.甲2次中1次、乙中1次，5.甲2次都中、乙没中，6.甲2次都中、乙中一次，共6种情况，所以得分情况分别为0分、5分、10分、15分、20分，共5种情况，分别与上述情况相对应，求出每一种情况的概率，列出分布列，再利用计算数学期望.试题解析：（1）记事件“甲、乙二人共命中一次”为A，则P(A)＝0.8×0.2×0.5＋0.22×0.5＝0.18． 4分（2）X的可能取值为0，5，10，15，20．P(X＝0)＝0.22×0.5＝0.02，P(X＝5)＝0.8×0.2×0.5＝0.16，P(X＝10)＝0.82×0.5＋0.22×0.5＝0.34，P(X＝15)＝0.8×0.2×0.5＝0.16，P(X＝20)＝0.82×0.5＝0.32．X的分布列为X05101520X的期望为E(X)＝0×0.02＋5×0.16＋10×0.34＋15×0.16＋20×0.32＝13． 12分【考点】二项分布、独立事件、随机变量的分布列和数学期望.8.现有甲、乙、丙三人参加某电视台的应聘节目《非你莫属》，若甲应聘成功的概率为，乙、丙应聘成功的概率均为，（0<t<2），且三个人是否应聘成功是相互独立的.（1）若乙、丙有且只有一个人应聘成功的概率等于甲应聘成功的概率，求t的值；（2）记应聘成功的人数为，若当且仅当为=2时概率最大，求E（）的取值范围.【答案】（1）；（2）【解析】（1）乙、丙有且只有一个人应聘成功分为乙成功且丙不成功和乙不成功且丙成功两种情况，根据相互独立事件有一个发生的概率公式列出关于t的方程，解之即可.（2）写出随机变量的所有可能取值，然后计算出相应的概率，列出分布列，求出E（）的表达式，由于=2时概率最大，可得，，，而0<t<2，解得，即得E（）的取值范围..试题解析：（1）由题意得，解得. 3分（2）的所有可能取值为0，1，2，3；；；.故的分布列为：7分. 8分由题意得：，，，又因为所以解得的取值范围是. 11分. 12分【考点】1.相互独立事件的概率；2.随机变量的分布列和数学期望.9.甲、乙两人将参加某项测试，他们能达标的概率都是0.8，设随机变量为两人中能达标的人数，则的数学期望为．【答案】1.6【解析】甲、乙两人将参加某项测试，他们能达标的概率都是0.8.所以相当与他们是独立性重复的实验，所以=，即=.【考点】1.独立性重复试验.2.数学期望的公式.10.生产A，B两种元件，其质量按测试指标划分为：指标大于或等于82为正品，小于82为次品，现随机抽取这两种元件各100件进行检测，检测结果统计如下：81240328（Ⅰ）试分别估计元件A、元件B为正品的概率；（Ⅱ）生产一件元件A，若是正品可盈利50元，若是次品则亏损10元；生产一件元件B，若是正品可盈利100元，若是次品则亏损20元，在（Ⅰ）的前提下；（i）求生产5件元件B所获得的利润不少于300元的概率；（ii）记X为生产1件元件A和1件元件B所得的总利润，求随机变量X的分布列和数学期望．【答案】（Ⅰ）元件A为正品的概率为，元件B为正品的概率为（Ⅱ）（i）（ii）所以的分布列为：1509030-30【解析】（Ⅰ）用频率估计概率值;（Ⅱ）设出随机变量,确定随机变量的所有可能取值,求出各个取值的概率,列出概率分布表,从而得出答案.试题解析：（Ⅰ）由题可知元件A为正品的概率为，元件B为正品的概率为。

数学期望和方差的存在性问题1． 随机变量的数学期望未必都存在在数学期望的定义中，要求级数绝对收敛或积分绝对可积，我们知道，绝对收敛的级数一定收敛，绝对可积的函数一定可积。

反之都不真，故有数学期望不存在的随机变量存在。

（1） 离散的例子设随机变量X 取值 ,2,1,2)1(1=-=-k k x kk k ，相应的概率为,2,1,21==k p k k 由于∞==∑∑∞=∞=111||k k k k k p x ，所以X 的数学期望不存在 然而2ln 41312111)1(111=+-+-=-=∑∑∞=-∞= k p x k k k k k 若把上式左边级数中的各项进行重排，会收敛到不同的数 例如：2ln 2341715121311=+-++-+2ln 2181613141211=+--+-- 一个随机变量的数学期望只能是一个数，因此数学期望定义中要求的绝对收敛是必要的，它们可以保证k x 顺序的变化不影响数学期望中级数的收敛性（2） 连续的例子，见教材P .141 例5 柯西（Cauchy ）分布2． 随机变量的方差未必都存在按定义 2))(()(X E X E X D -=,由于方差被定义为一种特殊形式（即随机变量X 的函数）的数学期望，而随机变量及随机变量函数的数学期望都未必存在，所以随机变量的方差也未必存在。

本章1中所举两例中的随机变量的方差都不存在.3． 数学期望存在但方差不存在参数为n 的t 分布的密度函数是 +∞<<-∞+Γ+Γ=+-x n x n n n x f n n ,)1()2()21()(212π设随机变量)2(~t X ，则其密度函数 2322)21(42)(-+=x x f ⎰+∞∞-==0)()(2dx x xf X E2X 的数学期望不存在，所以X 的方差不存在关于t 分布，其矩有一个特点，当r<n 时，有矩)(r X E ,但)(n X E 不存在，而且当n>2时，0)(=X E ，2)()(2-==n n X E X D ，故在n=2时，∞=)(X D .。