数学期望在际问题中的应用探讨.docVIP

数学期望在实际问题中的应用探讨 摘要：数学期望是概率论中的一个重要概念，是随机变量的数字特征之一，体现了随机变量总体取值的平均水平，本文主要阐述了数学期望的定义和性质，讨论了实际生活中的某些应用问题，从而使我们能够使用科学的方法对其进行量化的评价，平衡了极大化期望和极小化风险的矛盾，达到我们期望的最佳效果。 关键词：数学期望；实际问题；应用 在经济生活中，有许多问题都可以直接或间接的利用数学期望来解决，风险决策中的期望值法便是处理风险决策问题常用的方法。数学期望是随机变量的数字特征之一，它代表了随机变量总体取值的平均水平。 1 期望的概念及性质 1.1 离散型随机变量的数学期望 设是离散型随机变量，其分布律为P(=)= （i=1，2……），若级数 绝对收敛，则称该级数的和为的数学期望，记作，即： 1.2 连续型随机变量的数学期望 设为连续型随机变量的概率密度，若积分绝对收敛，则称它为的数学期望，记作，即： 1.3 期望的性质 1）为任意常数； 2）为常数，为变量； 3）为变量； 4）若独立，则。 2 期望的应用 2.1 求职面试问题 假如你得到三个有可能成为你的雇主的面试通知，每个雇主都有不同的空缺职位：一般的，好的，极好的，其工资分别为Y2500，Y3000，Y4000．你估计你得到一般的职位可能为0.4，而得到好的和极好的职位的可能性分别为0.3和0.2，有0.1的可能性使你得不到任何职位．每家公司都要求你在面试结束时表态接受或拒绝他们提供给你的职位你应遵循什么策略呢？ 分析：一般来说，你可以采取的每个行动方案的期望值把决策建立在第一次面试该做什么的基础上，就本问题而言要这样做是困难的，因为一种决策方案(继续去做第二次面试)会由于在第一次面试结束时我们可以做出另一个决策而有不确定的结果。有一种避开这个困难的办法：首先分析未来的决策。 我们来考虑一下如果你尚未接受职位而要去进行第三次面试可能的结果（及其相应的月工资）以及它们各自的概率： 第三次面试结果 工 资 概 率 一般： Y2500 0.4 好的： Y3000 0.3 极好： Y4000 0.2 没有工作： Y0 0.1 雇主提供的工作期望为：2500* 0.4＋3000 * 0.3＋4000 x*0.2＋0 *0.1=2700 知道了第三次面试的期望值，我们就能向后推，以决定第二次面试时应采取的行动．我们早就知道：我们肯定会接受极好的职位；如果没有工作提供的话我们一定会去进行第三次面试，如果向我们提供的是一般的工作，那么我们必须在接受这一工作（期望值=Y2500）和试着碰碰第三次面试的运气（期望值=Y2700）中做出选择．出于选择后者有比较大的期望值，这就是我们应采取的行动．另一方面，如果第二家公司的雇主提供好的工作，那么其期望值较高（Y 3000对Y2700），因此，我们应该接受并放弃第三次面试。 综述第二次面试，我们的最佳策略：接受一个好的或极好的工作，拒绝一般的工作。 在这样的策略下第二次面试的期望值是什么？ 第二次面试的结果 期望值 概 率 一般：进行第三次面试 Y2700 0.4 好的：接受 Y3000 0.3 极好：接受 Y4000 0.2 没有工作：进行第三次面试 Y2700 0.1 期望值为：2700 * 0.4＋3000 * 0.3＋4000 * 0.2+2700 * 0.l＝3050。 现在我们返回到第一次面试．如果提供的是一般工作，那么我们面临一次选择；若接受，期望值为Y2500；若拒绝，期望值为Y3050。我们为了更高的期望值而拒绝一般的工作。对于好的工作，期望值是Y3000．可供我们选择的是：期望值Y3050的继续面试和期