随机变量数学期望的应用实例

数学期望的原理及应用

数学期望是概率论中的一个基本概念，它描述了一个随机变量的平均水平或预期值。具体地说，数学期望通过将随机变量的可能取值与相应的概率加权求和来计算。

数学期望的原理可以简单地表示为：对于一个离散型随机变量X，它的数学期望E(X)等于X每个可能取值xi乘以对应的概率p(xi)的累加和。数学期望的计算公式可以表示为：

E(X) = x1*p(x1) + x2*p(x2) + ... + xn*p(xn)

其中，x1, x2, ..., xn为随机变量X所有可能的取值，p(x1), p(x2), ..., p(xn)为对应的概率。

对于连续型随机变量，数学期望的计算方法类似，只是将求和换成了求积分。具体地说，对于一个连续型随机变量X，它的数学期望E(X)等于X在整个取值范围上的每个取值x乘以对应的概率密度函数f(x)的乘积的积分。数学期望的计算公式可以表示为：

E(X) = ∫x*f(x)dx

数学期望的应用非常广泛，以下列举了一些常见的应用场景：

1. 风险评估：数学期望可以用于评估风险，通过计算损失的数学期望来衡量风险的大小。例如，在金融领域中，投资者可以通过计算股票的预期收益来评估投资的风险和回报。

2. 制定决策：数学期望可以帮助人们在面临多个选择时做出决策。通过计算不同选择的数学期望，可以找出最具有潜在利益的选择。

3. 设计优化：数学期望可以帮助优化设计过程。例如，在工程领域中，可以通过计算产品的预期性能来指导设计参数的选择和调整。

4. 分析：数学期望被广泛应用于分析中。游戏参与者可以通过计算不同下注策略的数学期望来制定最终的下注策略。

5. 统计推断：数学期望是许多重要的统计量的基础，如方差、标准差等。通过计算数学期望，可以进行更深入的统计分析和推断。

6. 优化调度：在运输和调度问题中，数学期望可以用来优化资源的分配和调度。通过计算任务完成时间的数学期望，可以制定最优的任务调度策略。

感悟数学期望在实际生活中的应用

离散型随机变量的期望是离散型随机变量的重要的数字特征，它从整体上描述随机变量，反映了随机变量取值的平均水平，在实际生活中有着广泛的应用。以下几例，供参考：

例1 据统计一个家庭中万元以上的财产被盗的概率是0.01，保险公司开办一年期万元以上家庭财产保险，参加者需交保险费100元，若在一年以内万元以上财产被盗，保险公司赔偿a元（100a）。

问a如何确定，可使保险公司有望获利？

分析：要使保险公司获利，即()0EX，从而将问题转化为利用不等式求a的取值范围。

解析：设X表示保险公司在参加保险人身上的收益，则X的可能取值是100，100a，

(100)0.99PX；

(100)0.01PXa。

()1000.99(100)0.01EXa1000.010a，

∴10000a，

又∵100a，∴10010000a，即当a在100至10000之间取值时保险公司可望获利。

评注：该例与生活密切相关，由此可深切体会到数学期望的应用价值。

例2 某渔船要对下月是否出海做出决策，如果出海后遇到好天气，可收益6000元，如果出海后天气变坏，将损失8000元，若不出海，无论天气如何都将承担1000元损失费。据气象部门预测，下月好天气的概率是0.6，天气变坏的概率是0.4，请你为该船做出决定，是出海还是不出海？

分析：船是出海还是不出海，关键是要看船出海的收益平均值与不出海的收益平均值1000的大小。

解析：设该船一次出海的收益为随机变量X，则其分布列为：

X 6000 8000

P 0.6 0.4

∴()60000.6(8000)0.4400EX。

∵()4001000EX，∴应该选择出海。 评注：“出海”还是“不出海”，是将实际问题转到数学中来，即用数字来说明问题，数学期望反映了随机变量取值的平均水平，用它来刻画、比较措施取值的平均情况，在一些实际问题中有重要的价值。

1

2023年高考数学----《期望与方差的实际应用》规律方法与典型例题讲解

【规律方法】

数学期望反映的是随机变量取值的平均水平，而方差则是反映随机变量取值在其平均值

附近的离散程度．现代实际生活中，越来越多的决策需要应用数学期望与方差来对事件发生

大小的可能性和稳定性进行评估，通过计算分析可以比较科学地得出各个方案的预期效果及

出现偏差的大小，从而决定要选择的最佳方案．

（1）若我们希望实际的平均水平较理想，则先求随机变量

12,的期望，当

12EE

=时，

不应认为它们一定一样好，还需要用

12,DD来比较这两个随机变量的方差，确定它们的偏

离程度．

（2）若我们希望比较稳定性，应先考虑方差，再考虑均值是否相等或接近．

（3）方差不是越小就越好，而是要根据实际问题的需要来判断．

【典型例题】

例1．（2022春·河南·高三期末）根据疫情防控的需要，某地设立进口冷链食品集中监管专

仓，集中开展核酸检测和预防性消毒工作，为了进一步确定某批进口冷链食品是否感染病毒，

在入关检疫时需要对其进行化验，若结果为阳性，则有该病毒；若结果呈阴性，则没有该病

毒．对于()

Nnn

份样本，有以下两种检验方式：一是逐份检验，则需要检验n

次；二是混

合检验，将k

份样本分别取样混合在一起，若检验结果为阴性，那么这k

份全为阴性，检

验一次就够了；如果检验结果为阳性，为了明确这k

份究竟哪些为阳性，需要对它们再次取

样逐份检验，则k

份检验的次数共为1k+次，若每份样本没有病毒的概率为

4(01)pp

，

而且样本之间是否有该病毒是相互独立的．

（1）若取得8份样本，采用逐个检测，发现恰有2个样本检测结果为阳性的概率为

()fp，

求

()fp的最大值点

0p； 2

（2）若对取得的8份样本，考虑以下两种检验方案：方案一：采用混合检验；方案二：平

均分成两组，每组4份样本采用混合检验，若检验次数的期望值越小，则方案越“优”．若

“方案二”比“方案一”更“优”，求p

数学期望练习题及答案

一、基础题

1. 某射手射击10次，命中率为0.6，求射手命中的次数的数学期望。

2. 投掷一枚均匀的硬币，求正面朝上的次数的数学期望。

3. 一批产品的合格率为0.85，从这批产品中随机抽取10件，求合格产品数量的数学期望。

4. 某人打出租车，每次等车时间服从参数为2的指数分布，求此人等车时间的数学期望。

二、进阶题

1. 设随机变量X的分布列为：X=1，2，3，P(X=x)=1/4，1/2，1/4，求X的数学期望。

2. 一批电子元件的寿命X（单位：小时）服从正态分布N(100,

25)，求这批电子元件的平均寿命。

3. 某商店每天销售某种商品的数量X服从泊松分布P(5)，求该商店每天销售这种商品的平均数量。

4. 两个独立随机变量X和Y，X的数学期望为2，方差为3，Y的数学期望为4，方差为5，求随机变量Z=X+Y的数学期望和方差。

三、综合题

1. 甲、乙两人比赛，甲胜的概率为0.6，乙胜的概率为0.4，比赛采用三局两胜制，求甲获胜的数学期望。 2. 一位学生参加数学、语文、英语三门考试，数学成绩的数学期望为80分，语文成绩的数学期望为85分，英语成绩的数学期望为90分，求该学生三门课程总成绩的数学期望。

3. 某地区一天的气温X（单位：℃）服从正态分布N(20, 5)，求该地区一天气温超过25℃的概率。

4. 一批产品的重量X（单位：kg）服从正态分布N(50, 2)，求这批产品中重量超过52kg的概率。

四、应用题

1. 某通信公司推出一款手机套餐，每月固定费用为50元，通话费用每分钟0.2元，假设用户每月通话时长X服从正态分布N(300,

100)，求用户每月平均通话费用的数学期望。

2. 一家保险公司推出一款车险，每年固定保费为2000元，如果发生事故，保险公司赔偿金额Y服从指数分布λ=0.01，求保险公司从这款车险中获得的平均利润。

3. 某电商平台的日销售额X（单位：万元）服从对数正态分布，其均值μ=5，标准差σ=2，求该电商平台日销售额的数学期望。