随机变量的均值与方差的计算公式的证明

姜堰市励才实验学校姜近芳

组合数有很多奇妙的性质,笔者试用这些性质证明了随机变量的均值与方差的两组计算公式。

预备知识: 1. ()()()()11!!1!1!

!!--=-?--?=-??=k n k n nC k n k n n k n k n k kC 2. k k n C 2=()1111111-------+=k n k n k n C k n nC nkC =()22111-----+k n k n C n n nC

3.N 个球中有M 个红色的,其余均为白色的,从中取出n 个球,不同的取法有: n N l n M N l M n M N M n M N M n M N M C C C C C C C C C =++++------- 22110 ()()M n l ,m i n

=. 公式证明:

1.X ～()p n B , ()()X E 1.np =()()X V 2().1p np -=

证明:()n n p x p x p x p x X E ++++= 332211

()()()n n n n n n n n

n p nC p p C p p C p p C ++-+-+-?=-- 222110012110 ()()[]

n n n n n n n p C p p C p p C n 11221110111------++-+-= ()[]

11-+-=n p p np

.np = ()()()()n n p x p x p x X V 2

222121μμμ-++-+-= n n p x p x p x p x 2323222121++++=

()n n p x p x p x p x ++++- 3322112μ

()n p p p p +++++ 3212μ

()()

2222222112121μμ+-++-+-=--n n n n n n n p C n p p C p p C ()()[]11121110111-------++-+-=n n n n n n n p

C p p C p C np ()()()[]

22223122022111μ-++-+--+-------n n n n n n n p C p p C p C p n n

()[]

()()[]22221111p n p p p n n p p np n n -+--++-=--

().1p np -= 2.X ～()N M n H ,, ()()X E 1 =.N nM ()()X V 2()()().12---=N N n N M N nM 证明:()n n p x p x p x p x X E ++++= 332211 ()()M n l ,min = []

l n M N l M n M N M n M N M n M N M n N C lC C C C C C C C -------++++?= 22110201 ()

l n M N l M n M N M n M N M n N C C C C C C C M ----------+++=11211101 11--?=

n N n N C C M =.N

nM ()()()()n n p x p x p x X V 2222121μμμ-++-+-=

n n p x p x p x p x 2323222121++++=

()n n p x p x p x p x ++++- 3322112μ

()n p p p p +++++ 3212μ

()

22222112022101μ-+++?+?=-------l n M N l M n M N M n M N M n M N M n N C C l C C C C C C C =n N C 1〔()

++++----------l n M N l M n M N M n M N M C C C C C C M 11211101 ()()

l n M N l M n M N M n M N M C C C C C C M M ----------+++-223122021 〕2μ- ()[]2

221111??? ??--+?=----N nM C M M C M C n N n N n N

()()()2111??? ??---?-+=N nM N N n n M M N nM ()()()

.12---=

N N n N M N nM

二项分布、数学期望与方差专题复习word有详解重点中学用

第十讲二项分布及应用随机变量的均值与方差知识要点 1.事件的相互独立性(概率的乘法公式) 设A、B为两个事件，如果P(AB)＝P(A)P(B)，则称事件A与事件B相互独立． 2. 互斥事件概率的加法公式：如果事件A与事件B互斥，则P(A＋B)＝P(A)＋P(B)． 3.对立事件的概率：若事件A与事件B互为对立事件，则P(A)＝1－P(B)． 4.条件概率的加法公式：若B、C是两个互斥事件，则P(B∪C|A)＝P(B|A)＋P(C|A) 5.独立重复试验：在相同条件下重复做的n次试验称为n次独立重复试验，即若用A i(i＝1,2，…，n)表示第i次试验结果，则P(A1A2A3…A n)＝P(A1)P(A2)P(A3)…P(A n)．注：判断某事件发生是否是独立重复试验，关键有两点 (1)在同样的条件下重复，相互独立进行；(2)试验结果要么发生，要么不发生． 6.二项分布：在n次独立重复试验中，设事件A发生的次数为X，在每次试验中事件A发生的概率为p，那么在n次独立重复试验中，事件A恰好发生k次的概率为P(X＝k)＝C k n p k·(1－p)n－k(k＝0,1,2，…，n)，此时称随机变量X服从二项分布，记作X～B(n，p)，并称p为成功概率．注：判断一个随机变量是否服从二项分布，要看两点 (1)是否为n次独立重复试验．(2)随机变量是否为在这n次独立重复试验中某事件发生的次数． 7.离散型随机变量的均值与方差及其性质定义：若离散型随机变量X的分布列为P(ξ＝x i)＝p i，i＝1,2，…，n. (1)均值：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． n (2)方差：D(X)＝∑ (x i－E(X))2p i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．i＝1 (3)均值与方差的性质：(1)E(aX＋b)＝aE(X)＋b；(2)D(aX＋b)＝a2D(X)．(a，b为常数) 8.两点分布与二项分布的均值、方差变量X服从两点分布：E(X)＝p，D(X)＝p(1－p)；X～B(n，p)： E(X)＝np ，D(X)＝np(1－p)典例精析例1.【2015高考四川，理17】某市A,B两所中学的学生组队参加辩论赛，A中学推荐3名男生，2名女生，B中学推荐了3名男生，4名女生，两校推荐的学生一起参加集训，由于集训后队员的水平相当，从参加集训的男生中随机抽取3人，女生中随机抽取3人组成代表队（1）求A中学至少有1名学生入选代表队的概率. （2）某场比赛前，从代表队的6名队员中随机抽取4人参赛，设X表示参赛的男生人数，求X得分布列和数学期望.

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：

期望方差公式的证明全集

期望与方差的相关公式的证明 -、数学期望的来由早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目，题目是这样的：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。当比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。这个故事里出现了“期望”这个词，数学期望由此而来。定义1 若离散型随机变量ξ可能取值为i a （i =1，2，3 ，…），其分布列为i p （i =1，2，3， …），则当i i i p a ∑ ∞ =1 <∞时，则称ξ存在数学期望，并且数学期望为E ξ=∑∞ =1 i i i p a ，如果i i i p a ∑ ∞ =1 =∞，则数学期望不存在。 [] 1 定义2 期望：若离散型随机变量ξ，当ξ=x i 的概率为P （ξ=x i ）=P i （i =1，2，…，n ，…），则称E ξ=∑x i p i 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.E ξ由ξ的分布列唯一确定. 二、数学期望的性质（1）设C 是常数，则E(C )=C 。（2）若k 是常数，则E (kX )=kE (X )。（3）)E(X )E(X )X E(X 2121+=+。三、方差的定义前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量一个重要的数字特征。但是在一些场合下，仅仅知道随机变量取值的

方差分析公式

方差分析公式（20PP-06-2611:03:09）转载▼ 标签：分类：统计方法杂谈方差分析方差分析（analPsisofvarianee ，简写为ANOV或ANOV A可用于两个或两个以上样本均数的比较。应用时要求各样本是相互独立的随机样本；各样本来自正态分布总体且各总体方差相等。方差分析的基本思想是按实验设计和分析目的把全部观察值之间的总变异分为两部分或更多部分，然后再作分析。常用的设计有完全随机设计和随机区组设计的多个样本均数的比较。一、完全随机设计的多个样本均数的比较又称单因素方差分析。把总变异分解为组间（处理间）变异和组内变异（误差）两部分。目的是推断k个样本所分别代表的卩1,卩2,……卩k是否相等，以便比较多个处理的差别有无统计学意义。其计算公式见表19-6. 表19-6完全随机设计的多个样本均数比较的方差分析公式 GC=（艺G） 2/N=艺ni , k为处理组数方差分析计算的统计量为F,按表19-7所示关系作判断。例19.9某湖水不同季节氯化物含量测量值如表19-8，问不同季节氯化物含量有无差别？表19-8某湖水不同季节氯化物含量（mg/L）

SS 加刖=丄和 ' 10619.265^ 170 HO:湖水四个季节氯化物含量的总体均数相等，即卩仁卩2=卩3=卩4 H1:四个总体均数不等或不全相等 a =0.05 先作表19-8下半部分的基础计算。 C=（艺 G ） 2/N= （588.4） 2/32=10819.205 SS 总=艺 G2-C=11100.84-10819.205=281.635 V 总=N-仁31 （工吋 “ 1 广_ （】6二口尸斗/」期.匸尸千 K .IT N "一 - ? r . —I b K V 组间=k-1=4-1=3 SS 组内=SS 总-SS 组间=281.635-141.107=140.465 V 组内=N-k=32-4=28 MS 组间二SS 组间 /v 组间=141.107/3=47.057

数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布) 生存分析贝叶斯概率公式全概率公式讲解

数学期望：随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。它是简单算术平均的一种推广。例如某城市有10万个家庭，没有孩子的家庭有1000个，有一个孩子的家庭有9万个，有两个孩子的家庭有6000个，有3个孩子的家庭有3000个，则此城市中任一个家庭中孩子的数目是一个随机变量，记为X，它可取值0，1，2，3，其中取0的概率为0.01，取1的概率为0.9，取2的概率为0.06，取3的概率为0.03，它的数学期望为0×0.01＋1×0.9＋2×0.06＋3×0.03等于1.11，即此城市一个家庭平均有小孩1.11个，用数学式子表示为：E(X)=1.11。也就是说，我们用数学的方法分析了这个概率性的问题，对于每一个家庭，最有可能它家的孩子为1.11个。可以简单的理解为求一个概率性事件的平均状况。各种数学分布的方差是： 1、一个完全符合分布的样本 2、这个样本的方差概率密度的概念是：某种事物发生的概率占总概率(1)的比例,越大就说明密度越大。比如某地某次考试的成绩近似服从均值为80的正态分布，即平均分是80分，由正态分布的图形知x=80时的函数值最大，即随机变量在80附近取值最密集，也即考试成绩在80分左右的人最多。下图为概率密度函数图(F(x)应为f(x)，表示概率密度)：

离散型分布：二项分布、泊松分布连续型分布：指数分布、正态分布、X 2分布、t 分布、F 分布抽样分布只与自由度，即样本含量（抽样样本含量）有关二项分布（binomial distribution ）：例子抛硬币 1、重复试验（n 个相同试验，每次试验两种结果，每种结果概率恒定————伯努利试验） 2、抽样分布

方差概念及计算公式

方差概念及计算公式一．方差的概念与计算公式例1两人的5次测验成绩如下： X：50，100，100，60，50 E(X )=72；Y：73，70，75，72，70 E(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”，即，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，方差描述波动程度。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） 3．若X、Y相互独立，则证：记则前面两项恰为D(X )和D(Y )，第三项展开后为当X、Y 相互独立时，，故第三项为零。特别地独立前提的逐项求和，可推广到有限项。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X i（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） ~ 正态分布的后一参数反映它与均值的偏离程度，即波动程度（随机波动），这与图形的特征是相符的。例2求上节例2的方差。解根据上节例2给出的分布律，计算得到

求均方差。均方差的公式如下：（xi为第i个元素）。 S = ((x1-x的平均值)^2 + (x2-x的平均值)^2+(x3-x的平均值)^2+...+(xn-x的平均值)^2)/n)的平方根大数定律表表明：事件发生的频率依概率收敛于事件的概率p，这个定理以严格的数学形式表达了频率的稳定性。就是说当n很大时，事件发生的频率于概率有较大偏差的可能性很小。由实际推断原理，在实际应用中，当试验次数很大时，便可以用事件发生的频率来代替事件的概率。用matlab或c语言编写求导程序已知电容电压uc,电容值求电流i 公式为i=c(duc/dt) 怎样用matlab或c语言求解函数的幂级数展开式

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＋22 2)(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=-

方差 — 标准差

方差(Variance) [编辑] 什么是方差方差和标准差是测度数据变异程度的最重要、最常用的指标。方差是各个数据与其算术平均数的离差平方和的平均数，通常以σ2表示。方差的计量单位和量纲不便于从经济意义上进行解释，所以实际统计工作中多用方差的算术平方根——标准差来测度统计数据的差异程度。标准差又称均方差，一般用σ表示。方差和标准差的计算也分为简单平均法和加权平均法，另外，对于总体数据和样本数据，公式略有不同。 [编辑] 方差的计算公式设总体方差为σ2，对于未经分组整理的原始数据，方差的计算公式为：对于分组数据，方差的计算公式为：方差的平方根即为标准差，其相应的计算公式为：未分组数据：分组数据： [编辑]

样本方差和标准差样本方差与总体方差在计算上的区别是：总体方差是用数据个数或总频数去除离差平方和，而样本方差则是用样本数据个数或总频数减1去除离差平方和，其中样本数据个数减1即n－1 称为自由度。设样本方差为，根据未分组数据和分组数据计算样本方差的公式分别为：未分组数据：分组数据：未分组数据：分组数据：例:考察一台机器的生产能力，利用抽样程序来检验生产出来的产品质量，假设搜集的数据如下：根据该行业通用法则：如果一个样本中的14个数据项的方差大于0.005，则该机器必须关闭待修。问此时的机器是否必须关闭？解：根据已知数据，计算

因此，该机器工作正常。方差和标准差也是根据全部数据计算的，它反映了每个数据与其均值相比平均相差的数值，因此它能准确地反映出数据的离散程度。方差和标准差是实际中应用最广泛的离散程度测度值。 ?函数VAR假设其参数是样本总体中的一个样本。如果数据为整个样本总体，则应使用函数VARP来计算方差。 ?参数可以是数字或者是包含数字的名称、数组或引用。 ?逻辑值和直接键入到参数列表中代表数字的文本被计算在内。 ?如果参数是一个数组或引用，则只计算其中的数字。数组或引用中的空白单元格、逻辑值、文本或错误值将被忽略。 ?如果参数为错误值或为不能转换为数字的文本，将会导致错误。 ?如果要使计算包含引用中的逻辑值和代表数字的文本，请使用VARA 函数。 ?函数VAR 的计算公式如下：其中x 为样本平均值AVERAGE(number1,number2,…)，n 为样本大小。示例假设有10 件工具在制造过程中是由同一台机器制造出来的，并取样为随机样本进行抗断强度检验。如果将示例复制到一个空白工作表中，可能会更容易理解该示例。 STDEV(number1,number2,...) Number1,number2,...为对应于总体样本的 1 到255 个参数。也可以不使用这种用逗号分隔参数的形式，而用单个数组或对数组的引用。注解 ?函数STDEV 假设其参数是总体中的样本。如果数据代表全部样本总体，则应该使用函数STDEVP来计算标准偏差。 ?此处标准偏差的计算使用“n-1”方法。

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

二项分布期望和方差的推导过程

二项分布期望和方差推导若随机变量),(~p n B X ，则np X E =)(，)1()(p np X D -= 二项分布数学期望的证明：注意到11--=k n k n nC kC （证明：11)]! 1()1[()!1()!1()!()!1()!1()!(!!--=---?--?=-?--?=-??=k n k n nC k n k n n k n k n n k n k n k kC ）所以n n p p C X E )1(0)(00-?=111)1(1--?+n n p p C Λ+-?+-222) 1(2n n p p C Λ+-?+-k n k k n p p C k )1( 111)1()1(p p C n n n n -?-+--0)1(p p C n n n n -?+ 1101)1(---?=n n p p C n Λ+-?+--2211)1(n n p p C n Λ+-+---k n k k n p p nC ) 1(11 1121)1(p p C n n n n -?+---011 )1(p p C n n n n -?+-- 101)1([---=n n p C np Λ+-+--2111)1(n n p p C Λ+-+----k n k k n p p C )1(1111221)1(p p C n n n -+---])1(0111p p C n n n -+--- np p p np n =+-=-1])1[(，故np p p C i X E n i i n i i n ∑=-=-?=0)1()(；二项分布方差的证明：)1()(p np X D -= 证明：i n i i p X E x X D ?-= ∑-12)]([)(i n i i i p X E X E x x ∑-?+-=122)]()(2[∑-??+?-?=n i i i i i i p X E p X E x p x 122])()(2[ ∑∑∑-=-?+?-?=n i n i i n i i i i i p X E p X E x p x 11 212 )()(2)()(22X E X E -= 故任何离散随机变量的方差均满足式子：)()()(22X E X E X D -= 当随机变量),(~p n B X 时，=)(X D 20 2)()1(np p p C i i n i n i i n --?-=∑ i n i n i i n p p C i i -=-?-=∑)1()1(0 220)1(p n p p C i i n i n i i n --?+-=∑（注意np p p C i X E n i i n i i n ∑=-=-?=0)1()(） i n i n i i n p p iC i -=-?-=∑)1()1(222p n np -+i n i n i i n p p nC i -=---?-=∑)1()1(21122p n np -+ i n i n i i n p p C i n -=---?-?=∑)1()1(21122p n np -+i n i n i i n p p C n n --=---?-?=∑)1()1(22 2222p n np -+ i n i n i i n p p C n n -=---?-=∑)1()1(22222p n np -+i n i n i i n p p C p n n --=---?-=∑)1()1(22 22222p n np -+ （指数之后凑组合数下标2-n ，利用展开式i i n n i i n n b a C b a ---=--∑=+22022) (） i n i n i i n p p C p n n ---=--?-=∑22 022 )1()1(22p n np -+

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．

二项分布中方差的计算

二项分布中方差的计算假设ξ~B (n ,p ), 即k n k k n q p C k P -==}{ξ 考虑E [ξ(ξ-1)]=Eξ2-Eξ 而 ∑∑ ∑∑=----=-=-=--=-----?-?=--=-=-n k k n k k n n k k n k n k k n k n k k n k k n q p C p n n q p k n k n n n q p k n k n k k q p C k k E 2 222222 )1()]!2(2[)!2()!2()1()! (!! ) 1()1()]1([ξξ 令2-=k i 上式=222220 22 2 )1()1(np p n p n n q p C p n n n i i n i i n -=-=-∑-=--- 即2222np p n E E -=-ξξ, 再将E ξ=np 代入上式,得)1(222222p np p n np np p n E -+=+-=ξ 最后得npq np p np p n E E D =--+=-=22222)()1()(ξξξ 例1的分布图例2的分布图 4.2 超几何分布例1的图形：

例2的图形：定义4.2 设N 个元素分为两类, 有N 1个属于第一类, N 2个属于第二类(N 1+N 2=N ). 从中不重复抽样取n 个, 令ξ表示这n 个中第一类元素的个数, 则ξ的分布称为超几何分布, ),....,1,0()(2 1n m C C C m P n N m n N m N == =-ξ 规定: 如n

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（）

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

二项分布的数学期望和方差

4EX np ∴== 100.40.6 2.4DX npq ==??= 222() 2.4418.4EX DX EX =+=+= 12. 解：8n =，0.2p = 根据二项分布的数学期望和方差的公式 1.6EX np == (1) 1.28DX npq np p ==-= 求解得 8n =，0.2p = 13. 解： ~(1,)B p ξ 2(1)9D p p ξ∴=-= 解方程2209 p p -+=，得23p =或13p = ξ∴的概率函数为 {}1(1)(0,1)k k p k p p k ξ-==-= 将13p =或23 p =代入，得ξ的概率函数为 {}121()()33 k k p k ξ-== 或 {}112()()(0,1)33k k p k k ξ-=== 14. 解：设ξ的概率密度为 1,()0, a x b f x b a ?≤≤?=-???其他 =3E ξ，1=3D ξ ∴得方程组2+=32()1 =12 3a b b a ????-???，解得24a b =??=?

1,24()=20x f x ?≤≤?∴???其他 ξ为连续型随机变量 {}=2=0p ξ∴ {}3312111<<3=()==22 p f x dx dx ξ?? 15. 解：设ξ表示直到取到废品为止所要取的产品个数，则ξ的概率函数 {}-1 ==0.050.95(=1,2,)k p k k ξ???? 当{}-1 ==(1)(=1,2,)k p k p p k ξ-???时，由幂级数 -12=1 1= (1)n n nx x ∞-∑ 2-13 =11=(1)n n x n x x ∞+-∑ 可计算 -1=11=(1)=k k E kp p p ξ∞-∑ 2-122=1 1=(1)()= k k p D k p p E p ξξ∞---∑ 本题中=0.05p 1==200.05 E ξ∴， 210.05==19.490.05 D ξ- 16. 解：8 22[()]DX EX E x =- 222[()]428EX DX E x ∴=+=+= 17. 解：由题意X 的分布律为 {}=(0)!k p X k e k λλλ-=>

二项分布、超几何分布数学期望与方差公式的推导

二项分布、超几何分布数学期望与方差公式的推导高中教材中对二项分布和超几何分布数学期望与方差公式没有给出推导公式，现笔者给出一推导过程仅供参考。预备公式一 11--=k n k n nC kC （1≥n ），利用组合数计算公式即可证明。预备公式二 []2 2)()()(ξξξE E D -=，证明过程可见教材。预备公式三 2 2)1()1(---=-k n k n C n n C k k （2,2≥≥k n ），利用组合数计算公式即可证明。预备公式四 ),,,,(022110n k m k N k n m C C C C C C C C C k n m m k n k m n k m n k m n ≤≤∈=++++++--Λ，利用恒等式m n n m x x x )1()1() 1(++=++的二项展开式中k x 的系数相等可证。一、二项分布在n 次独立重复试验中，每次试验中事件A 发生的概率为p （10<

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 21 3100172100301100320=?+?+?+? 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 ∑∞ =1 k k k p x