求随机变量均值的常用方法

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＋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： 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=-

随机变量及其分布列概念公式总结

随机变量及其分布总结 1、定义：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，… 表示． 2、定义：所有取值可以一一列出的随机变量，称为离散型随机变量 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 为随机变量ξ的概率分布，简称ξ的分布列 4. 分布列的两个性质： （1）P i ≥0，i ＝1，2，…； （2）P 1+P 2+…=1． 5.求离散型随机变量ξ的概率分布的步骤: （1）确定随机变量的所有可能的值x i （2）求出各取值的概率p(ξ=x i )=p i （3）画出表格 6.两点分布列: 7超几何分布列： 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 数，则事件 {X=k ｝发生的概率为(),0,1,2,,k n k M N M n N C C P X k k m C --=== ,其中mi n {,} m M n =，且,,,,n N M N n M N N *≤≤∈．称分布列 为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X

服从超几何分布 8．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 1 … k … n P n n q p C 00 111-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。 9．离散型随机变量的均值或数学期望: 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． 10．离散型随机变量的均值或数学期望的性质： （1）若ξ服从两点分布，则=ξE p ． （2）若ξ～B (n ，p )，则=ξE np ． （3）()c c E =，c 为常数 （4）ξ～N (μ，2σ),则=ξE μ （5）b aE b a E +=+ξξ)( 11．方差: 对于离散型随机变量ξ，如果它所有可能取的值是1x ，2x ，…，n x ，…， 且取这些值的概率分别是1p ，2p ，…，n p ，…，那么, ξD ＝121)(p E x ?-ξ＋222)(p E x ?-ξ＋…＋n n p E x ?-2)(ξ＋…

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：

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：

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．

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 -===-=

几种常用连续型随机变量

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

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】

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（ ）

各种随机变量的生成方法

各种随机变量的生成方法 （1）.随机数的计算机生成 一个常用的生成任意分布的随机变量的方法是先生成均匀分布的随机变量，再由它生成 任意分布的随机变量。基本原理是：若随机变量x的累积概率分布函数（即概率密度函数 的积分）为Phi(x)，则Phi(x)是[0,1]区间的非减函数，Phi(x)的反函数Phi^{-1}(x)定义域为[0,1]。设u为[0,1]区间均匀分布的随机变量，可以证明 Pr(Phi^{-1}(u)<=y)=Pr(u<=Phi(y))=Phi(y) 也就是说，令x=Phi^{-1}(u)的话，x的累积概率分布函数就是我们指定的Phi(.)。则为了得到累积概率分布函数为Phi(.)的随机变量x，我们需要经过如下步骤： 1.生成[0,1]区间的均匀分布的随机变量u 2.令x=Phi^{-1}(u) 这种方法被成为逆变换方法。 但在实际工作中，我们往往对某些常用分布用一些直接生成方式来产生，以代替逆变换 方法。以下就介绍了一些典型的分布的生成方法。这些生成方法都是以生成均匀分布的 随机变量为基础的，关于均匀分布随机变量的生成另文叙述。 （2）伯努利分布/0-1分布（Bernouli Distribution） 生成离散0－1随机变量x，符合参数为p（0

F(x)=p if x=1 F(x)=1-p if x=0 生成算法： 1.产生随机变量u符合(0,1)区间的均匀分布 2.if u<=p then x=1;else x=0 3.返回x （3）二项分布（Binomial Distribution） 生成离散随机变量x，符合参数为n,p的Bernouli分布BE(n,p)。其累积概率分布函数为 F(x)=\frac{n!}{(n-x)!x!}*p^x*(1-p)^{n-x},x=0,1,2,...,n 生成算法： 1.产生y_1,y_2,...,y_n符合Bernouli分布BE(p) 2.返回x=y_1+y_2+...+y_n （4）柯西分布（Cauchy Distribution） 生成随机变量x，符合参数为alpha,beta的Cauchy分布C(alpha,beta)。其概率密度函数 为：

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

06离散型随机变量的均值(教案)

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 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 （a ξ+b ）=aE ξ+b ”，以及“若ξB （n,p ），则E ξ=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：4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ξ是随机变量，b a b a ,,+=ξη是常数，则η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 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，...； ⑵P 1+P 2+ (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 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

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

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。

考研数学：概率论之常见随机变量分布总结

Born To Win 人生也许就是要学会愚忠。选我所爱，爱我所选。 考研数学：概率论之常见随机变量分布总结 提到考研数学，很多同学都能想到高数和线代。其实概率论与数理统计也是数学一和数学三中的考查重点，而且往往是难点。同学们在学习概率的时候觉得有难度。我认为有两个方面的原因：1.大家在学习了高数和线代后，难免在学习概率时后劲不足；2.概率论与数理统计本身抽象的东西较多，一些概念难以理解。 下面，跨考教育数学教研室的向喆老师就跟大家介绍概率论与数理统计中的常见随机变量分布的问题这一难理解和常考的概念以及学习步骤。 首先，构建知识框架。常见随机变量分布主要分为一维随机变量和二维随机变量的分布。那么一维随机变量离散型分布主要有0-1分布，二项分布，几何分布及超几何分布，泊松分布。而一维随机变量连续型分布主要有均匀分布，指数分布和正态分布。而在二维随机变量连续型主要是二维均匀分布和二维正态分布。在这其中，泊松分布，二项分布，指数分布和正态分布是重点。希望同学们重点把握。 然后，把握知识原理。首先看一维随机变量分布。离散型中，二项分布可以看成是n 重伯努利试验，几何分布与二项分布相近但是也有区别。泊松分布是离散型当中最重要的分布。因为它的结构可以和高数重的级数相结合。而在连续型当中，均匀分布，指数分布，二项分布都是重点。它们的概率密度函数都要完整掌握。特别是标准正态分布的概率密度函数要掌握，要会写。其中，正态分布随机变量主要考察标准化和对称性。掌握了这个原则，考试相关的题目就会做了。而二维随机变量主要掌握连续型。其中，均匀分布和二维正态分布都要求记住公式，这样做题才会。因为考的不难。 最后，多做习题练习。在前面有了知识体系和掌握了知识原理后，剩下的就是多做题对知识进行理解了。有句古话：光说不练假把式。所以对知识的熟练掌握还是要通过做题来实现。同时，我也反对题海战术，做题不是盲目的做题，不是只做不练。做题应该是有选择的做题，做一个题就应该了解一个方法，掌握一个原理。所以，大家可以参考历年真题来进行练习。每做一个题，大家就该考虑下它是怎么考察我们所学的知识点的。如果做错了，大家还要多进行反思。找到做错的原因，并且逐步改正。这样才能长久的提高。 总之，希望大家在学习概率论与数理统计中的随机变量分布，把握这三个原则，在此基础上，勤思考，多练习，那么大家一定可以学习好，祝大家考研成功! 文章来源：跨考教育

随机变量的均值

离散型随机变量的均值 学习目标 1.通过实例理解离散型随机变量均值的概念，能计算简单离散型随机变量的均值.2.理解离散型随机变量均值的性质.3.掌握两点分布、二项分布的均值.4.会利用离散型随机变量的均值，反映离散型随机变量取值水平，解决一些相关的实际问题. 知识点一离散型随机变量的均值或数学期望 设有12个西瓜，其中4个重5 kg,3个重6 kg,5个重7 kg. 思考1任取1个西瓜，用X表示这个西瓜的重量，试问X可以取哪些值？ 答案X＝5,6,7. 思考2X取上述值时，对应的概率分别是多少？ 答案P(X＝5)＝4 12，P(X＝6)＝3 12，P(X＝7)＝ 5 12. 思考3每个西瓜的平均重量如何求？ 答案5×4＋6×3＋7×5 12＝5× 4 12＋6× 3 12＋7× 5 12. 1.离散型随机变量的均值或数学期望 若离散型随机变量X的分布列为 则称E(X)＝x1p1＋x2p2＋…＋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.均值的性质： 若Y＝aX＋b，其中a，b为常数，X是随机变量， ①Y也是随机变量； ②E(aX＋b)＝aE(X)＋b. 知识点二两点分布、二项分布的均值 1.两点分布：若X服从两点分布，则E(X)＝p. 2.二项分布：若X～B(n，p)，则E(X)＝np.

类型一 离散型随机变量的均值公式与性质的简单应用 例1 已知某一随机变量ξ的概率分布列如下，且E (ξ)＝6.3. (1)求b ； (2)求a ； (3)若η＝2ξ－3，求E (η). 解 (1)由随机变量的分布列的性质，得 0.5＋0.1＋b ＝1， 解得：b ＝0.4. (2)E (ξ)＝4×0.5＋a ×0.1＋9×0.4＝6.3. 解得：a ＝7. (3)由公式E (aX ＋b )＝aE (X )＋b 得：E (η)＝E (2η－3)＝2E (η)－3＝2×6.3－3＝9.6 反思与感悟 离散型随机变量均值的公式与性质的计算往往与分布列性质，结合起来考虑. 跟踪训练1 已知随机变量X 的分布列为 且Y ＝aX ＋3，若E (Y )＝－2，求a 的值. 解 E (X )＝1×12＋2×13＋3×16＝5 3 ， ∴E (Y )＝E (aX ＋3)＝aE (X )＋3＝5 3a ＋3＝－2， ∴a ＝－3. 类型二 两点分布及二项分布的均值 例2 某人投篮命中的概率为P ＝0.4.