随机变量的方差及其性质
§2 随机变量的方差及其性质
一．随机变量的方差：１．
（１）
【例１】
【例２】
解：
ＤＸ＝2
()()x EX q x dx +∞
-∞
-?
＝
2
2()/2
t
t x t e dt λ
μλ
+∞
--∞
=-?
22220
(3)2t t e dt λ
λλ+∞
-=Γ==?
【例３】
1,.q p DX =-求
解：
２．
二．：
n个相互独立随机变量算术平均数的方差等于其方差算术平均数的1／n倍.
．
解：
【例4】
解：
2222(2)(44)44
(())4430
E X E X X EX EX DX EX EX +=++=++=+++=
【例5】
【例6】
， 得
(参看 ＰＰ．８８－８９
)
三．几个常用的随机变量的期望与方差： （１） 二点分布：
随机变量X 的分布为
X
１ ０
P p q
则
(),
()E X p D X pq ==
。
.
1q p =-
证明：
如：
（3）．
【例7】
证明：
1
,EX λ=
21DX λ
=
(8)正态分布：2(,)X N μσ ，则 2,EX DX μσ==
证明：
也可以用下面方法来证明：
与Ｐ．８５――习题九－４类似，），
【例8】若连续型随机变量的概率密度是
四．习题：
P．93 --------- 1，
2（习题九的1，3，5）
方差的性质
由方差的定义,可以得到方差的基本性质(假定所遇到的方差都存在, 其中c, k为常数). 性质1.D(c)=0； 性质2.D(cξ)=c2D(ξ)； 特别地，当c =-1时D(-ξ)=D(ξ)； 性质3.D(ξ+c)= D(ξ)； 性质4.D(kξ+c)= k2D(ξ)； 性质5.若ξ, η相互独立, 则 D(ξ+η)=D(ξ)+D(η)． 注．若一个随机变量的取值不影响另一随机变量的取值，则称两个随机变量是相互独立的．本课程略去了关于随机变量相互独立的严格数学描述． 例3.5.13. 设离散型随机变量X具有概率分布律 X-2 -1 0 1 2 3 P(X=x k) 0.1 0.2 0.2 0.3 0.1 0.1 求E(X), D(X), D(2X+3). 解.由离散型随机变量的数学期望的定义得 E(X)=(-2)×0.1+(-1)×0.2+0×0.2+1×0.3+2×0.1+3×0.1 =0.4； E(X2)=(-2)2×0.1+(-1)2×0.2+02×0.2+12×0.3+22×0.1+32×0.1 =2.2； 再由方差计算公式 D(X)=E(X2)-(E(X))2 =2.2-0.42=2.04； ∴D(2X+3)=4D(X)=4×2.04=8.16 . 例3.5.14 设连续型随机变量X具有概率密度： 求(1)常数A；(2)D(-X-2). 解. (1)根据密度函数的性质
∴ 计算上述积分,可得A=e/2. (2)要求方差,首先要求数学期望. ∴D(X)=E(X2)-(E(X))2 =11/4-16/9=35/36 ； D(-X-2)=D(X)=35/36
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
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
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
巧用方差的性质解题
巧用方差的性质解题 由方差的计算公式])()()[(1222212 ----+?+-+-=x x x x x x n s n 容易得出方差的两条性质： 性质1 任何一组实数所的方差都是非负实数． 性质2 若一组实数据的方差为零，则该组数据均相等，且都等于该组数据的平均数． 运用这两个性质和方差计算公式，常可帮助我们快捷解决一类与之相关的问题． 例1 已知8=+y x ，162=-z xy ，求z y x ++的值． 解：∵x 、y 的平均数为 2 y x +=4，216z xy +=， ∴x 、y 的方差 ])4()4[(21222-+-=y x s =]32)(8[2 122++-+y x y x =]32)(82)[(2 12++--+y x xy y x =]3264)16(264[2 12+-+-z =2z -． 由性质1，得02≥-z ，∴02 ≤z ． ∴2z =0，0=z ．∴=2s 0． 由性质2，得y x ==4． ∴z y x ++=4+4+0=8． 例２ 已知c b a ++=6，222c b a ++=12，求c b a 32++的值． 解：∵a 、b 、c 的平均数是 3 c b a ++=2， ∴a 、b 、c 的方差 ])2()2()2[(3 12222-+-+-=c b a s =]12)(4)[(3 1222+++-++c b a c b a =)122412(3 1+-=0． 由性质2，得a =b =c =2． ∴c b a 32++=12． 例3 设m 、n 、p 均为正实数，且2m +2n -22p =0，求 n m p +的最小值． 解:m 、n 的平均数-x =2 n m +． m 、n 的方差为
离散型随机变量的方差
2.3.2 离散型随机变量的方差 1．理解取有限个值的离散型随机变量的方差及标准差的概念． 2．能计算简单离散型随机变量的方差，并能解决一些实际问题．(重点) 3．掌握方差的性质以及两点分布、二项分布的方差的求法，会利用公式求它们的方差．(难点 ) [基础·初探] 教材整理1 离散型随机变量的方差的概念 阅读教材P 64～P 66上面第四自然段，完成下列问题． 1．离散型随机变量的方差、标准差 (1)定义：设离散型随机变量X 的分布列为 则(x i －E (X ))描述了i D (X )＝∑i ＝1n (x i －E (X ))2p i 为这些偏离程度的加权平均，刻画了随机变量X 与其均值E (X ) 的平均偏离程度．称D (X )为随机变量X 的方差，其算术平方根D (X )为随机变量X 的标准差． (2)意义：随机变量的方差和标准差都反映了随机变量取值偏离于均值的平均程度．方差或标准差越小，则随机变量偏离于均值的平均程度越小． 2．随机变量的方差与样本方差的关系 随机变量的方差是总体的方差，它是一个常数，样本的方差则是随机变量，是随样本的变化而变化的．对于简单随机样本，随着样本容量的增加，样本的方
差越来越接近于总体的方差． 1．下列说法正确的有________(填序号)． ①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； ②离散型随机变量ξ的方差D (ξ)反映了ξ取值的平均水平； ③离散型随机变量ξ的期望E (ξ)反映了ξ取值的波动水平； ④离散型随机变量ξ的方差D (ξ)反映了ξ取值的波动水平． 【解析】 ①错误．因为离散型随机变量ξ的期望E (ξ)反映了ξ取值的平均水平． ②错误．因为离散型随机变量ξ的方差D (ξ)反映了随机变量偏离于期望的平均程度． ③错误．因为离散型随机变量的方差D (ξ)反映了ξ取值的波动水平，而随机变量的期望E (ξ)反映了ξ取值的平均水平． ④正确．由方差的意义可知． 【答案】 ④ 2．已知随机变量ξ，D (ξ)＝1 9，则ξ的标准差为________． 【解析】 ξ的标准差D (ξ)＝19＝13. 【答案】 1 3 3．已知随机变量ξ的分布列如下表： 则ξ的均值为【解析】 均值E (ξ)＝x 1p 1＋x 2p 2＋x 3p 3＝(－1)×12＋0×13＋1×16＝－1 3； 方差D (ξ)＝(x 1－E (ξ))2 ·p 1＋(x 2－E (ξ))2 ·p 2＋(x 3－E (ξ))2 ·p 3＝5 9. 【答案】 －13 59 教材整理2 离散型随机变量的方差的性质
1方差的定义
第二节 方 差 1.方差的定义 数学期望描述了随机变量取值的“平均”.有时仅知道这个平均值还不够.例如，有A ，B 两名射手，他们每次射击命中的环数分别为X ，Y ，已知X ，Y 的分布律为： 表4-7 其他的因素.通常的想法是：在射击的平均环数相等的条件下进一步衡量谁的射击技术更稳定些.也就是看谁命中的环数比较集中于平均值的附近，通常人们会采用命中的环数X 与它的平均值E （X ）之间的离差｜X -E （X ）｜的均值E ［｜X -E （X ）｜］来度量，E ［｜X -E （X ）｜］愈小，表明X 的值愈集中于E （X ）的附近，即技术稳定；E ［｜X -E （X ）｜］愈大，表明X 的值很分散，技术不稳定.但由于E ［｜X -E （X ）｜］带有绝对值，运算不便，故通常采用X 与E （X ）的离差｜X -E （X ）｜的平方平均值E ［X -E （X ）］2来度量随机变量X 取值的分散程度.此例中，由于 E ［X -E （X ）］2=0.23(8-9)2+0.63(9-9)2+0.2×(10-9)2=0.4， E ［Y -E (Y )］2=0.13(8-9)2+0.83(9-9)2+0.1×(10-9)2=0.2. 由此可见B 的技术更稳定些. 定义4.2 设X 是一个随机变量，若E ［X -E （X ）］2存在，则称E ［X -E （X ）］2为X 的方差（Variance ），记为D （X ），即 D （X ）= E ［X -E （X ）］2. （4.7） 称)(X D 为随机变量X 的标准差（Standard deviation ）或均方差(Mean square deviation)，记为σ（X ）. 根据定义可知，随机变量X 的方差反映了随机变量的取值与其数学期望的偏离程度.若X 取值比较集中，则D （X ）较小，反之，若X 取值比较分散，则D （X ）较大. 由于方差是随机变量X 的函数g （X ）=［X -E （X ）］2的数学期望.若离散型随机变量X 的分布律为P {X =x k }=p k ，k =1，2，…，则 D （X ）=k k k p X E x ∑∞ =-12)]([. （4.8） 若连续型随机变量X 的概率密度为f （x ），则 D （X ）=?+∞ ∞--.)()]([2x x f X E x d （4.9） 由此可见，方差D （X ）是一个常数，它由随机变量的分布惟一确定. 根据数学期望的性质可得： D （X ）= E ［X -E (X )］2=E ［X 2-2X 2E (X )+［E (X )］2］ =E (X 2)-2E (X )2E (X )+［E (X )］2=E (X 2)-［E (X )］2.
总结归纳方差的性质
总结归纳方差的性质 总结归纳方差的性质[1] 在中国古代，数学叫作算术，又称算学，最后才改为数学.以下是精品学习网为大家的高中数学方差公式，希望可以解决您所遇到的相关问题，加油，精品学习网一直陪伴您。 一.方差的概念与计算公式 例1两人的5次测验成绩如下： X：50，100，100，60，50E(X)=72; Y：73，70，75，72，70E(Y)=72。 平均成绩相同，但X不稳定，对平均值的偏离大。 方差描述随机变量对于数学期望的偏离程度。 单个偏离是 消除符号影响 方差即偏离平方的均值，记为D(X)： 直接计算公式分离散型和连续型，具体为： 这里是一个数。推导另一种计算公式 得到：“方差等于平方的均值减去均值的平方”。 其中，分别为离散型和连续型计算公式。称为标准差或均方差，方差描述波动 二.方差的性质 1.设C为常数，则D(C)=0(常数无波动); 2.D(CX)=C2D(X)(常数平方提取);
证： 特别地D(-X)=D(X),D(-2X)=4D(X)(方差无负值) 特别地 独立前提的逐项求和，可推广到有限项。 方差公式： 平均数：M=(x1+x2+x3+…+xn)/n(n表示这组数据个数，x1、x2、x3……xn表示这组数据具体数值) 方差公式：S?=〈(M-x1)?+(M-x2)?+(M-x3)?+…+(M-xn)?〉╱n 三.常用分布的方差 1.两点分布 2.二项分布 X~B(n,p) 引入随机变量Xi(第i次试验中A出现的次数，服从两点分布)， 3.泊松分布(推导略) 4.均匀分布 另一计算过程为 5.指数分布(推导略) 6.正态分布(推导略) 7.t分布:其中X~T(n)，E(X)=0;D(X)=n/(n-2); 8.F分布：其中X~F(m,n),E(X)=n/(n-2); ~
随机变量的方差
第五周随机变量函数的分布及随机变量的数字特征 5.3随机变量的方差 方差：随机变量偏离期望的程度（随机变量分布的分散程度） ()()()( )2Var X E X E X =-,()()()()2Var X E X E X =-()() ()222E X XE X E X =-+()()()()222E X E XE X E X =-+()()()()222E X E X E X E X =-+()()2 2E X E X =-()()()22Var X E X E X =-，()()()2Var aX b Var aX a Var X +==() X σ=， 标准差，X σ也记作()()() Var X Y Var X Var Y +≠+方差通常缩写为()Var X （varience）或()D X （deviation）。*************************************************************例5.3.1项目1：投资10万元 可能回收10万元保本；40%可能回收15万元，盈利5万元 10 5~3255X ?? ? ? ??? ,平均收益为()13205255E X =?+?=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 21020~325 5X -?? ? ? ???,平均收益为()2321020255E X =-?+?=万元
()22132051055 E X =?+?=，()()()221116Var X E X E X =-=；()()222232102022055 E X =-?+?=，()()()22222216Var X E X E X =-=。两项投资的期望相等，均为2万元，但它们的方差一个是6，一个是216，差异非常大。期望刻画平均收益，而方差则刻画收益的波动，反映了投资的风险程度。*************************************************************
随机变量的方差
§2.3 随机变量的方差 随机变量X 的数学期望)(X E 是该随机变量X （或其分布）的一种位置特征数，是随机变量X 取值的一个“中心”.但它并没有告诉我们X 的取值相对于这个“中心”的偏离程度，或者说波动程度等方面的信息。无论在理论上还是实用中，这方面的信息都是非常重要和有意义。比如，考虑测量误差X ，如果该测量没有系统误差则意味着X 的均值0)(=X E ，这往往是个基本要求，而我们会更关注测量误差围绕其均值0)(=X E 波动的程度。再比如，考虑某项风险投资的收益X ，除了关注平均收益)(X E 外，还会关注收益的波动情况。等等。 由于数学期望)(X E 是其取值的一个中心位置，自然地，度量X 取值的波动程度的一个合理的方法是考察X 取值与)(X E 的距离。一种方式就是考虑X 取值与)(X E 的距离|)(|X E X -的均值|)([|X E X E -。但是，由于绝对值在数学上处理很不方便，人们就考虑另一种方式：先 把距离|)(|X E X -平方，再取其均值2)(）（X E X E -。把它作为X 取值散 布程度的度量，这个量就叫做方差。 定义 设X 的期望为μ，且)(2X E 存在，则称2)(μ-X E 为X （或其分布）的方差，记为)(X Var 或)(X D 。即 2)()(μ-=X E X Var 称方差的平方根)(X Var 为X 的标准差，记为)(X σ。 方差和标准差都是用以刻画随机变量取值的散布程度的特征数，差别主要体现在量纲上。方差或标准差越小，随机变量取值越集中，反之越分散。从方差的定义可以看出随机变量方差X 是X 的函数
2))(X E X -（的期望，那么在有了X 的分布列)(i x p 或概率密度)(x p 后，利用上一节介绍的随机变量函数的期望的计算方法，可得 ∑∞ =-=12)())()(i i i x p X E x X Var （ 或 ?+∞ ∞--=dx x p X E x X Var )())(()(2 方差的计算更多地用以下公式： 22)]([)()(X E X E X Var -= 这个公式的推导留给同学们完成。 这个公式变形为 22)]([)()(X E X Var X E += 在已知期望和方差的情况下，利用上式可方便地求出)(2X E ，易见对任意随机变量X ，总有22)]([)(X E X E ≥。上面等式可推广至更一般的情况：对于任一常数c ，有 22])([)())((c X E X Var c X E -+=- 可见，对于任一常数c ，有 )())((2X Var c X E ≥- 并且等号成立当且仅当)(X E c =。换言之，随机变量X 的期望)(X E 是函数2)()(t X E t f -=的最小值点，且最小值就是X 的方差。 例 随机变量X 的密度函数为 ?????<<=else x x x p ,020,2-1)(
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.
概率期望与方差的计算和性质
概率与统计 知识点一：常见的概率类型与概率计算公式；类型一：古典概型； 1、古典概型的基本特点： （1）基本事件数有限多个； （2）每个基本事件之间互斥且等可能；2、概率计算公式： A事件发生的概率 () A P A= 事件所包含的基本事件数 总的基本事件数。 类型二：几何概型； 1、几何概型的基本特点： （1）基本事件数有无限多个； （2）每个基本事件之间互斥且等可能； 2、概率计算公式： A事件发生的概率 () A P A= 构成事件的区域长度（或面积或体积或角度）总的区域长度（或面积或体积或角度）； 注意： 究竟是长度比还是面积比还是体积比，关键是看表达该概率问题需要几个变量，如果需要一个变量，则应该是长度比或者角度比；若需要两个变量则应该是面积比；当然如果是必须要三个变量则必为体积比；b5E2RGbCAP （2）如果是用一个变量，到底是角度问题还是长度问题，关键是看谁是变化的主体，哪一个是等可能的；
例如：等腰ABC ?中，角C=23π ，则： （1） 若点M 是线段AB 上一点，求使得AM AC ≤的概率； （2） 若射线CA 绕着点C 向射线CB 旋转，且射线CA 与线段AB 始终相交且交点是M ，求使得AM AC ≤的概率； 解读：第一问中明确M 为AB 上动点，即点M 是在AB 上均匀分布， 所以这一问应该是长度之比，所求概率： 13P = 。 而第二问中真正变化的主体是射线的转动，所以角度的变化是均匀的，所以这一问应该是角度之比的问题，所以所求的概率： 2755 = = 1208P ?；p1EanqFDPw 知识点二：常见的概率计算性质； 类型一：事件间的关系与运算； A+B<和事件）：表示A 、B 两个事件至少有一个发生； A B ?<积事件）：表示A 、B 两个事件同时发生； A <对立事件）：表示事件A 的对立事件； 类型二：复杂事件的概率计算公式； 1、 和事件的概率： ()=()()()P A B P A P B P A B ++-? <1）特别的，若A 与B 为互斥事件，则： ()=()()P A B P A P B ++ <2）对立事件的概率公式： ()1()P A P A =-
二维随机变量的期望与方差
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
论文 随机变量的期望和方差的计算方法
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:
随机变量及其分布-离散型随机变量的数学期望和方差
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？
(完整版)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 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Λ,,21x x ， 相应的概率为 Λ,,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 Λ ,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 ,1Λ=k 于是 ∑=? =n k n k X E 11)(2)1(1n n n +?=2 1+=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