数学-离散型随机变量的期望(高颖)

数学-离散型随机变量的期望(高颖)
数学-离散型随机变量的期望(高颖)

离散型随机变量的期望

高颖

课题:离散型随机变量的期望(1)

一、教学目标:了解离散型随机变量的期望的意义,会根据离散型随机变量的分布列求出期望值.

二、教学重点:

1.了解离散型随机变量的期望的意义,会根据离散型随机变量的分布列求出期望。

2.理解公式“E(a ε+b)=aE ε+b ”,以及“若ε~B(n ,p),则E ε=np ”。能熟练地应用它们求相应的离散

型随机变量的期望。

三、教学过程:

(一)主要知识:

1.随机变量的数学期望

⑴离散型随机变量的数学期望:

++=2211p x p x E ε…;反映随机变量取值的平均水平。 (2)基本性质:b aE b a E +=+εε)(

2.在实际中经常用期望来比较两个类似事件的水平

(二)知识点详析

离散型随机变量的分布列完全决定了随机变量的取值规律,但是分布列往往不能明显而集中地表现随机变量的某些特点,例如它的取值的平均水平、集中位置、稳定与波动情况、集中与离散程度等。离散型随机变量的期望与方差就是体现上述特点的最重要的两种特征数(或数字特征)。

1.期望

(1)概念分析

①随机变量的数学期望表示了随机变量在随机试验中所取的平均值,所以随机变量的数学期望(期望)又常称为随机变量的平均数、均值。又由于离散型随机变量的期望的计算是从它的概率分布出发,因而期望就是离散型随机变量的概率平均值。

②课本中给出的离散型随机变量的数学期望实质上是一个不严格的定义,所以课本中涉及到的离散型随机变量所有可能取的不同值的个数是有限的,这个定义对于在离散型随机变量取有限个值是成立的。今后不作特别说明离散型随机变量的取值均为有限个不同值。

(2)根据离散型随机变量的期望的概念和意义,在实际应用中,我们可以用它来解决一些问题和作出科学的决策。

(3)关于随机变量的函数η=a ε+b 的期望的计算公式的理解,关键是弄清b ax b a i +=+=εη的重要条件是i x =ε,从而有)()(i i x P b ax P ==+=εη,i=1,2,…由此可得到η的分布列,由期望的定义求得η的数学期望E η=aE ε+b 。

(4)对二项分布的数学期望E ε=np 的证明是本节的难点,可以按以下程序进行思考:

设在一次试验中某事件发生的概率p ,η是k 次试验中此事件发生的次数,令q=1-p ,则k=1时,p(η=0)=q ,

p(η=1)=p ,

E η=0×q+1×p=p ;

k=2时,2)0(q p ==η,p(η=1)=2pq ,

2)2(p p ==η, 222210p pq q E ?+?+?=ηp p q p 2)(2=+=

由此可知,在一次试验中,此事件平均发生p 次;二次试验中,此事件平均发生2p 次。由此,我们作出猜想,“若ε~B (n ,p ),则E ε=np ”,为公式的证明作了必要的铺垫。

努力探究数学知识的发生过程,对一些数学结论逐步作出科学猜想,并给出理性的证明,有利于培养我们敢于独立思考,勇于创新的科学精神。

2.离散型随机变量的数学期望的计算主要有以下两种方法.

⑴用定义求:

若和式 +++++k k 332211p x p x p x p x 可以计算,则称之为随机变量η的数学期望,记作ηE ,即

++++=ηk k 2211p x p x p x E

X=a η+b, EX= a ηE + b

注:我们一般见到的分布列都为有限项,所以其期望值都是可以计算的.对于无限项的分布列,在计算时

要用到级数和极限的内容,我们这里暂不作介绍。

(2)特殊分布列公式

(3)已知ηE ,X=a η+b,求EX

(三)例题分析:

例1.(0~1分布)

某射击手击中目标的概率为P ,求他射击一次击中目标的次数ξ的分布列、期望。

解:

P E =ξ 例2.(二项分布)

某射击手击中目标的概率为P ,它射击n 次,求击中目标的次数ξ的分布列、期望

n n n n P C n P P KC P P C P P C E ?++-++-?+-?= )1()1(1)1(0

11--?=K n K n C n KC

∴ ])1()1([111111101-------++-+-=n n n n n n n P

C P P C P C nP E ξ nP P P P n n =+-??=-1])1[(

例4.(2003年全国高考辽宁卷(20) 天津理科卷(20))A 、B 两个代表队进行乒乓球对抗赛,每队三名队员,A

队队员是A 1、A 2、A 3,B 队队员是B 1、B 2、B 3 。按以往多次比赛的统计,对阵队员之间胜负概率如下:

现按表中对阵方式出场, 每场胜队得1分, 负队得0分。设A 队、B 队最后总分分别为 ξ、η。 (Ⅰ) 求 ξ、η 的

概率分布;(Ⅱ) 求E ξ、E η。

分析:本题考查离散型随机变量分布列和数学期望等概念,考查运用概率知识解决实际问题的能力。

解:(Ⅰ) ξ、η 的可能取值分别为3, 2, 1, 0. P (ξ = 3) =758525232=?? 即A 队连胜3场) P (ξ = 2) =7528525231525332535232=??+??+?? (即A 队共胜2场) P (ξ = 1) =5

27530525331535231535332==??+??+?? (即A 队恰胜1场) P (ξ = 0) =25

3759535331==?? (即A 队连负3场) 根据题意知 ξ + η = 3,所以

P (η = 0) = P (ξ = 3) = 8 75

, P (η = 1) = P (ξ = 2) = 28 75,

P (η = 2) = P (ξ = 1) = 2 5, P (η = 3) = P (ξ = 0) = 3 25

。 (Ⅱ) E ξ =15

222535275287580123=?+?+?+? ; 因为ξ + η = 3,

所以E η = 3 – E ξ =15

23。 (四)巩固练习:

交5元钱,可以参加一次摸奖。一袋中有同样大小的球10个,其中有8个标有1元钱,2个标有5元钱,摸奖者只能从中任取2个球,他所得奖励是所抽2球的钱数之和。求抽奖人获利的数学期望。

分析 抽到的2个球上的钱数之和ε是个随机变量,其每一个ε取值时所代表的随机事件的概率值是容易获得

的,本题的目标是求参加摸奖的人获利η的数学期望。由ε与η关系为η=ε-5,利用公式E η=E ε-5可获解答。

解 设ε为抽到的2球钱数之和,则ε的可能取值如下:

ε=2(抽到2个1元), ε=6(抽到1个1元,1个5元), ε=10(抽到2个5元)。

所以,由题意:

4528)2(21028===C C P ε,4516)6(2101218===C C C P ε,

451)10(21022===C C P ε,

45162451104516645282=?+?+?=εE ,

又设η为抽奖者获利可能值,则η=ε-5,所以抽奖者获利的期望为: 4.15

75451625-=-=-=-=εηE E 。 说明 要分清楚是谁获利?不能忽视了先交5元才能参加这一抽奖。因此,不能只计算E ε,最终E η的结果

为负值,说明摸奖者若重复这种抽奖,平均每摸一次要亏1.4元。

四、课后作业:.

(一)选择题

1.某人从家乘车到单位,途中有3个交通岗亭。假设在各交通岗遇到红灯的事件是相互独立的,且概率都是

0.4,则此人上班途中遇红灯的次数的期望为: ( )

A .0.4

B .1.2

C .34.0

D .0.6

2.随机变量ε的分布列为

则其期望等于 ( )

A .1

B .31

C .4.5

D .2.4

(二)填空题

3.从一批含有13只正品,2只次品的产品中,不放回地抽取3次,每次抽取1只,设抽得次品数为ε,则E

(5ε+1)=________________。

4.已知随机变量ε的分布列为

且E ε=1.1,则

离散型随机变量及其分布列教案

离散型随机变量及其分布列第一课时 2.1.1离散型随机变量 教学目标:1、引导学生通过实例初步了解随机变量的作用,理解随机变量、离散型随机变量的概念.初步学会在实际问题中如何恰当地定义随机变量. 2、让学生体会用函数的观点研究随机现象的问题,体会用离散型随机变量思想 描述和分析某些随机现象的方法,树立用随机观念观察、分析问题的意识. 3、发展数学应用意识,提高数学学习的兴趣,树立学好数学的信心,逐步认识 数学的科学价值和应用价值. 教学重点:随机变量、离散型随机变量的概念,以及在实际问题中如何恰当的定义随机变量.教学难点:对引入随机变量目的的认识,了解什么样的随机变量便于研究. 教学方法:启发讲授式与问题探究式. 教学手段:多媒体 教学过程: 一、创设情境,引出随机变量 提出思考问题1:掷一枚骰子,出现的点数可以用数字1,2,3,4,5,6来表示.那么掷一枚硬币的结果是否也可以用数字来表示? 启发学生:掷一枚硬币,可能出现正面向上、反面向上两种结果.虽然这个随机试验的结果不具有数量性质,但可以将结果于数字建立对应关系. 在让学生体会到掷骰子的结果与出现的点数有对应关系后,也能创造性地提出用数字表示掷一枚硬币的结果.比如可以用1表示正面向上的结果,用0表示反面向上的结果.也可以分别用1、2表示正面向上与反面向上的结果. 再提出思考问题2:一位篮球运动员3次罚球的得分结果可以用数字表示吗? 让学生思考得出结论:投进零个球——— 0分 投进一个球——— 1分 投进两个球——— 2分 投进三个球——— 3分 得分结果可以用数字0、1、2、3表示. 二、探究发现 1、随机变量 问题1.1:任何随机试验的所有结果都可以用数字表示吗? 引导学生从前面的例子归纳出:如果将实验结果与实数建立了对应关系,那么随机试验的结果就可以用数字表示.由于这个数字随着随机试验的不同结果而取不同的值,因此是个变量. 问题1.2:如果我们将上述变量称之为随机变量,你能否归纳出随机变量的概念? 引导学生归纳随机变量的定义:在随机试验中,我们确定了一个对应关系,使得每一个试验结果都用一个确定的数字表示.在这个对应关系下,数字随着试验结果的变化而变化.像这种随着试验结果变化而变化的变量称为随机变量. 随机变量常用字母X、Y、ξ、η来表示. 问题1.3:随机变量与函数有类似的地方吗? 引导学生回顾函数的理解: 函数 实数实数 在引导学生类比函数的概念,提出对随机变量的理解:

离散型随机变量的期望

离散型随机变量的 苴日也 教学要求: 使学生了解离散型随机变量的期望的意义,会根据离散型随机变量的分布列求出期望.

对于离散型随机变量,确定了它的分布列,就掌握了随机变量取值的统计规律。 在实际问题中,我们还常常希望通过数字来反映随机变量的某个方面的特征,最常用的有期望与方差。 引例: 某射手射击所得环数E的分布列如下: 根据这个射手射击所得环数E的分布列,在n次射击中,预计有大约 0.02n次的4环.. 类似地,对任一射手,若已知其射击所得环数E的分布列,即已知各个P (^i)(i=O,1,2,3,...10),则可预计他任意n次射击的平均环数是

Eg二XP ( §二0) + 1 XP ( 5=1)+.. + XP ( ^=10) 称Eg为此射手射击所得环数g的期望,它刻划了随机变量g所取的平均值,从一个方面反映了射手的射击水平。 1、期望 若离散型随机变量E的概率分布为 则称Eg二XP+X2P尹…+XnPn+…为§的数学期望或平均数、均值,又称期望。 问:若E为上述离散型随机变量,贝怕二ag+b的分布列怎样?Er]呢? 因为P ( r]=a Xj+b) =P ( g二片),i=1, 2, 3... 所以,n的分布图为

于是E r|= (ax〔+b)Pi+ (a x2+b)p2+...+ (a x n+b)p n+ ... =a ( x1 p1+ x2p2+ ---+ x n p n+ ...) +b(P1+P2+…+p门+…) =a E g+b 2、例题 例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。已知某运动员罚球命中的概率为0.7,求他罚球1次的得分g的期望。 例2随机抛掷一个骰子,求所得骰子的点数§的期望。

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:

随机变量的数学期望与方差

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。

离散型随机变量的期望与方差

开锁次数的数学期望和方差 例 有n 把看上去样子相同的钥匙,其中只有一把能把大门上的锁打开.用它们去试开门上的锁.设抽取钥匙是相互独立且等可能的.每把钥匙试开后不能放回.求试开次数ξ的数学期望和方差. 分析:求)(k P =ξ时,由题知前1-k 次没打开,恰第k 次打开.不过,一般我们应从简单的地方入手,如3,2,1=ξ,发现规律后,推广到一般. 解:ξ的可能取值为1,2,3,…,n . Λ;12112121)111()11()3(;111111)11()2(,1)1(n n n n n n n n n P n n n n n n P n P =-?--?-=-?--?-===-?-=-?-====ξξξ n k n k n k n n n n n n n k n k n n n n k P 111212312111)211()211()111()11()(=+-?+-+---?--?-=+-?+----?--?-==ΛΛξ;所以ξ的分布列为: 2 31211=?++?+?+?=n n n n n E Λξ; n n n n n k n n n n n n D 1)21(1)21(1)213(1)212(1)211(22222?+-++?+-++?+-+?+-+?+- =ΛΛξ ?? ?????+++++++-++++=n n n n n n 22222)21()321)(1()321(1ΛΛ 1214)1(2)1()12)(1(611222-=?? ????+++-++=n n n n n n n n n 说明:复杂问题的简化处理,即从个数较小的看起,找出规律所在,进而推广到一般,方差的公式正确使用后,涉及一个数列求和问题,合理拆项,转化成熟悉的公式,是解决的关键. 次品个数的期望

随机变量的数学期望教案

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==?=∑

61随机变量的概率分布、期望与方差1

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

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

离散型随机变量及其分布范文

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ξ、η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ξ是随机变量,a b ηξ=+,其中a 、b 是常数,则η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一一列出 离散型随机变量的分布列:设离散型随机变量ξ可能取的值为12i x x x ??????、ξ取每一个值()1,2,i x i =???的概率为()i i P x p ξ==,则称表 为随机变量ξ的概率分布,简称ξ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()1P A ≤≤,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) 01,2,i p i ≥=???,;12(2) 1P P ++ = 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1()()()k k k P x P x P x ξξξ+≥==+=+ 知识点二:两点分布: 若随机变量X 的分布列: 则称 X 的分布列为两点分布列. 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 (3)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

离散型随机变量的期望

2.3.1离散型随机变量的期望 教学目标: 知识与技能:了解离散型随机变量的均值或期望的意义,会根据离散型随机变量的分布列求出均值或期望. 过程与方法:理解公式“E(aξ+b)=aEξ+b”,以及“若ξB(n,p),则Eξ=np”.能熟 练地应用它们求相应的离散型随机变量的均值或期望。 情感、态度与价值观:承前启后,感悟数学与生活的和谐之美,体现数学的文化功能与人文价值。 教学重点:离散型随机变量的均值或期望的概念 教学难点:根据离散型随机变量的分布列求出均值或期望 授课类型:新授课 课时安排:2课时 教具:多媒体、实物投影仪 教学过程: 一、复习引入: 1.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ξ、η等表示 2. 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 3.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 4.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一一列出 若是随机变量,是常数,则也是随机变量并且不改变其属性(离 散型、连续型) 5.分布列:设离散型随机变量ξ可能取得值为x1,x2,…,x3,…, ξ取每一个值x i(i=1,2,…)的概率为,则称表 ξx1x2…x i… P P1P2…P i… 为随机变量ξ的概率分布,简称ξ的分布列 6. 分布列的两个性质:⑴P i≥0,i=1,2,...;⑵P1+P2+ (1) 7.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=0,1,2,…,n,). 于是得到随机变量ξ的概率分布如下: ξ0 1 …k …n

独立随机变量期望和方差的性质

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

随机变量的数学期望与方差

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.

离散型随机变量的期望值和方差

12.2
离散型随机变量的期望值和方差
一、知识梳理 1.期望:若离散型随机变量ξ ,当ξ =xi 的概率为 P(ξ =xi)=Pi(i=1,2,…,n,…) , 则称 Eξ =∑xi pi 为ξ 的数学期望,反映了ξ 的平均值. 期望是算术平均值概念的推广,是概率意义下的平均.Eξ 由ξ 的分布列唯一确定. 2.方差:称 Dξ =∑(xi-Eξ )2pi 为随机变量ξ 的均方差,简称方差.
D?
叫标准差,反
映了ξ 的离散程度. 3.性质: (1)E(aξ +b)=aEξ +b,D(aξ +b)=a2Dξ (a、b 为常数). (2)二项分布的期望与方差:若ξ ~B(n,p) ,则 Eξ =np,Dξ =npq(q=1-p). Dξ 表示ξ 对 Eξ 的平均偏离程度,Dξ 越大表示平均偏离程度越大,说明ξ 的取值越分 散. 二、例题剖析 【例 1】 设ξ 是一个离散型随机变量,其分布列如下表,试求 Eξ 、Dξ .
ξ P -1
1 2
0 1-2q
1 q2
拓展提高
既要会由分布列求 Eξ 、Dξ ,也要会由 Eξ 、Dξ 求分布列,进行逆向思维.如:若ξ 是 离散型随机变量,P(ξ =x1)=
3 5 2 5 7 5
,P(ξ =x2)=
,且 x1,Dξ =
6 25
.求ξ
的分布列. 解:依题意ξ 只取 2 个值 x1 与 x2,于是有 Eξ = Dξ =
3 5 3 5
x1+
2 5
x2=
2 5
7 5

6 25
x12+
x22-Eξ 2=
.
从而得方程组 ?
?3 x1 ? 2 x 2 ? 7 , ? ?3 x1 ?
2
? 2x2
2
? 11 .
【例 2】 人寿保险中(某一年龄段) 在一年的保险期内, , 每个被保险人需交纳保费 a 元, 被保险人意外死亡则保险公司赔付 3 万元,出现非意外死亡则赔付 1 万元.经统计此年龄段一 年内意外死亡的概率是 p1,非意外死亡的概率为 p2,则 a 需满足什么条件,保险公司才可能 盈利? 【例 3】 把 4 个球随机地投入 4 个盒子中去,设ξ 表示空盒子的个数,求 Eξ 、Dξ .
特别提示
求投球的方法数时,要把每个球看成不一样的.ξ =2 时,此时有两种情况:①有 2 个空盒 子,每个盒子投 2 个球;②1 个盒子投 3 个球,另 1 个盒子投 1 个球. 【例 4】 若随机变量 A 在一次试验中发生的概率为 p(02D? ? 1 E?
的最大值.
【例 5】 袋中装有一些大小相同的球,其中有号数为 1 的球 1 个,号数为 2 的球 2 个, 号数为 3 的球 3 个,…,号数为 n 的球 n 个.从袋中任取一球,其号数作为随机变量ξ ,求ξ
1

离散型随机变量的数学期望教案

离散型随机变量的数学期望教案 教学目标:1使学生理解和掌握离散型随机变量的数学期望的定义, 2会掌握和应用数学期望的性质。 教学工具:多媒体。 一.复习 1.一般地,设离散型随机变量ξ可能取的值为 x1,x2,……,xi ,…, X 取每一个值xi(i =1,2,…)的概率P(X =xi)=pi ,则称下表 一般地,设离散型随机变量ξ可能取的值为 x1,x2,……,xi ,…, 为随机变量X 的概率分布, 由概率的性质可知,任一离散型随机变量的分布列都具有下述两个性质: (1)pi ≥0,i =1,2,...; (2)p1+p2+ (1) 2、什么叫n 次独立重复试验? 一般地,由n 次试验构成,且每次试验互相独立完成,每次试验的结果仅有两种对立的状态,即A 与 ,每次试验中P(A )=p >0。称这样的试验为n 次独立重复试验,也称伯努利试验。 3、什么叫二项分布? 若X ~B (n ,p) Cnk p k q n-k 二.引例,新课 1.全年级同学的平均身高是产u= n 1(11n x +22n x +….+ m m n x ) P=p(X=i x )= n n i ,i=1,2….n

把全年级的平均身高u 定义成X 的均值,记作E(X) E(X)= (11n x +22n x +….+ m m n x )/n EX=x1p1+x2p2+…+xipi+…+xnpn 2.数学期望的定义 则称: E(X)=x1p1+x2p2+…+xipi+…+xnpn 为随机变量X 的均值或数学期望。 它反映了离散型随机变量取值的平均水平。 3,举例 解:该随机变量X 服从两点分布: P(X=1)=0.7、P(X=0)=0.3 所以:EX=1×P(X=1)+0×P(X=0)=0.7 三、数学期望的性质 得到结论(1) ? 在篮球比赛中,如果某运动员罚球命中的概率为0.7,那么他罚球一次得分设为X ,X 的均值是多少?

1离散型随机变量的均值(数学期望)

离散型随机变量的均值 一、概念: 1.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ξ、η等表示 2. 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 3. 分布列:设离散型随机变量ξ可能取得值为x 1,x 2,…,x 3,…, ξ取每一个值x i (i =1,2,…)的概率为()i i P x p ξ==,则称表 ξ x 1 x 2 … x i … P P 1 P 2 … P i … 为随机变量的概率分布,简称的分布列 4. 分布列的两个性质: ⑴P i ≥0,i =1,2,...; ⑵P 1+P 2+ (1) 5.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,(k =0,1,2,…,n ,p q -=1). 于是得到随机变量ξ的概率分布如下: ξ 0 1 … k … n P n n q p C 00 1 11-n n q p C … k n k k n q p C - … q p C n n n 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 ). 二、数学期望: 根据已知随机变量的分布列,我们可以方便的得出随机变量的某些制定的概率,但分布列的用途远不止于此,例如:已知某射手射击所得环数ξ的分布列如下 ξ4 5 6 7 8 9 10 P 在n 次射击之前,可以根据这个分布列估计n 次射击的平均环数.这就是我们今天要学习的离散型随机变量的均值或期望 根据射手射击所得环数ξ的分布列, 我们可以估计,在n 次射击中,预计大约有 n n P 02.0)4(=?=ξ 次得4环; n n P 04.0)5(=?=ξ 次得5环; ………… n n P 22.0)10(=?=ξ 次得10环. 故在n 次射击的总环数大约为 +??n 02.04++?? n 04.05n ??22.010

随机变量的数学期望教案

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 +∞ -∞ <+∞?

离散型随机变量的期望和方差(参考答案)

离散型随机变量的期望和方差(参考答案) 想一想①: 1.解:ξ的所有可能取值为1,2,3,4,5,6.对应的概率均为6 1.易得Eξ=3.5. 2.解:E(2ξ+3)=2Eξ+3=3 7. 想一想②:证: D(X +Y)=E[(X +Y)2]?[E(X +Y)]2 =E[X 2+Y 2+2XY]?[E(x)+E(Y)]2 =E(X 2)+E(Y 2)+2E(X)E(Y)?[E(X)]2 ?[E(Y)]2?2E(X)E(Y) ={E(X 2)?[E (X )]2}+{E(Y 2)?[E (Y )]2}=D(X)+D(Y). 想一想③: 1.解:Eξ=np=7,Dξ=np(1-p)=6,所以p=17 . 2.解:Dξ=npq≤n(p+q 2)2=n 4,等号在 p=q=1 2时成立,此时,Dξ=25,σξ=5. 答案:1 2 ; 5. 想一想④: 解:要使保险公司能盈利,需盈利数ξ的期望值大于0,故需求Eξ. 设ξ为盈利数,其概率分布为 且Eξ=a(1-p 121212要盈利,至少需使ξ的数学期望大于零,故a >30000p 1+10000p 2. 想一想⑤: 1.解:直接考虑得分的话,情况较复杂,可以考虑取出的4只球颜色的分布情况: 4红得8分,3红1黑得7分,2红2黑得6分,1红3黑得5分, 故P(ξ=5)=C 41C 33C 7 4=4 35 ,P(ξ=6)= C 42C 32C 7 4=1835 ,P(ξ=70)= C 43C 31C 7 4, P(ξ=8)= C 44C 30C 7 4,Eξ=54 35. 2.解:分析,可能来多少人,是一个随机变量ξ.而ξ显然是服从二项分布的,用数学期望来反映平均来领奖人数,即能说明是否可行. 设来领奖的人数ξ=k,(k =0,1,2,?,3000),所以 P(ξ=k)=C 3000k (0.04)k ?(1?0.04)30000?k ,可见ξ~B (30000,0.04),所以, Eξ=3000×0.04=120(人)100>(人). 答:不能,寻呼台至少应准备120份礼品. 想一想⑥: 解:设X~B(n,p), 则X 表示n 重贝努里试验中的“成功” 次数. 若设X i ={ 1 如第i 次试验成功 0 如第i 次试验失败 i =1,2,…,n

60.离散型随机变量的期望和方差(答案)

数学导学案 【2014年高考会这样考】 1.考查有限个值的离散型随机变量均值、方差的概念. 2.利用离散型随机变量的均值、方差解决一些实际问题. 【复习指导】 均值与方差是离散型随机变量的两个重要数字特征,是高考在考查概率时考查的重点,复习时,要掌握期望与方差的计算公式,并能运用其性质解题. 基础梳理 1.离散型随机变量的期望与方差 若离散型随机变量X (1)均值 称E (X )=x 1p 1+x 2p 2+…+x i p i +…+x n p n 为随机变量X 的均值或数学期望,它反映了离散型随机变量取值的平均水平. (2)方差 称D (X )=为随机变量X 的方差,它刻画了随机变量X 与其均值E (X )的平均偏离程度,其算术平方根D (X )为随机变量X 的标准差. 2.两点分布与二项分布的均值、方差 (1)若X 服从两点分布,则E (X )=p ,D (X )=p (1-p ). (2)若X ~B (n ,p ),则E (X )=np ,D (X )=np (1-p ). 两个防范 在记忆D (aX +b )=a 2D (X )时要注意:D (aX +b )≠aD (X )+b ,D (aX +b )≠aD (X ). 三种分布 (1)若X 服从两点分布,则E (X )=p ,D (X )=p (1-p ); (2)X ~B (n ,p ),则 E (X )=np ,D (X )=np (1-p ); (3)若X 服从超几何分布, 则E (X )=n M N . 六条性质 (1)E (C )=C (C 为常数) (2)E (aX +b )=aE (X )+b (a 、b 为常数) (3)E (X 1+X 2)=EX 1+EX 2 (4)如果X 1,X 2相互独立,则E (X 1·X 2)=E (X 1)E (X 2) (5)D (X )=E (X )-(E (X ))(6)D (aX +b )=a 2·D (X ) 考点自测 1.(2010·山东)样本中共有五个个体,其值分别为a,0,1,2,3.若该样本的平均值为1,则样本方差为( ). 班 级: 姓 名:

数学-离散型随机变量的期望(高颖)

离散型随机变量的期望 高颖 课题:离散型随机变量的期望(1) 一、教学目标:了解离散型随机变量的期望的意义,会根据离散型随机变量的分布列求出期望值. 二、教学重点: 1.了解离散型随机变量的期望的意义,会根据离散型随机变量的分布列求出期望。 2.理解公式“E(a ε+b)=aE ε+b ”,以及“若ε~B(n ,p),则E ε=np ”。能熟练地应用它们求相应的离散 型随机变量的期望。 三、教学过程: (一)主要知识: 1.随机变量的数学期望 ⑴离散型随机变量的数学期望: ++=2211p x p x E ε…;反映随机变量取值的平均水平。 (2)基本性质:b aE b a E +=+εε)( 2.在实际中经常用期望来比较两个类似事件的水平 (二)知识点详析 离散型随机变量的分布列完全决定了随机变量的取值规律,但是分布列往往不能明显而集中地表现随机变量的某些特点,例如它的取值的平均水平、集中位置、稳定与波动情况、集中与离散程度等。离散型随机变量的期望与方差就是体现上述特点的最重要的两种特征数(或数字特征)。 1.期望 (1)概念分析 ①随机变量的数学期望表示了随机变量在随机试验中所取的平均值,所以随机变量的数学期望(期望)又常称为随机变量的平均数、均值。又由于离散型随机变量的期望的计算是从它的概率分布出发,因而期望就是离散型随机变量的概率平均值。 ②课本中给出的离散型随机变量的数学期望实质上是一个不严格的定义,所以课本中涉及到的离散型随机变量所有可能取的不同值的个数是有限的,这个定义对于在离散型随机变量取有限个值是成立的。今后不作特别说明离散型随机变量的取值均为有限个不同值。 (2)根据离散型随机变量的期望的概念和意义,在实际应用中,我们可以用它来解决一些问题和作出科学的决策。 (3)关于随机变量的函数η=a ε+b 的期望的计算公式的理解,关键是弄清b ax b a i +=+=εη的重要条件是i x =ε,从而有)()(i i x P b ax P ==+=εη,i=1,2,…由此可得到η的分布列,由期望的定义求得η的数学期望E η=aE ε+b 。 (4)对二项分布的数学期望E ε=np 的证明是本节的难点,可以按以下程序进行思考: 设在一次试验中某事件发生的概率p ,η是k 次试验中此事件发生的次数,令q=1-p ,则k=1时,p(η=0)=q , p(η=1)=p , E η=0×q+1×p=p ; k=2时,2)0(q p ==η,p(η=1)=2pq , 2)2(p p ==η, 222210p pq q E ?+?+?=ηp p q p 2)(2=+= 由此可知,在一次试验中,此事件平均发生p 次;二次试验中,此事件平均发生2p 次。由此,我们作出猜想,“若ε~B (n ,p ),则E ε=np ”,为公式的证明作了必要的铺垫。 努力探究数学知识的发生过程,对一些数学结论逐步作出科学猜想,并给出理性的证明,有利于培养我们敢于独立思考,勇于创新的科学精神。 2.离散型随机变量的数学期望的计算主要有以下两种方法. ⑴用定义求:

相关文档
最新文档