统计与概率离散型随机变量的期望方差与正态分布(理.pptVIP

重点难点 重点：理解掌握随机变量的期望、方差的概念和正态分布的概念． 难点：随机变量的期望与方差的意义、正态曲线的性质． 知识归纳 1．离散型随机变量的期望、方差 一般地，若离散型随机变量X的分布列为 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． 2．离散型随机变量的均值、方差 (1)若X服从二点分布，则E(X)＝p，D(X)＝ (2)若X～B(n，p)，则E(X)＝np，D(X)＝ 由正态曲线，过点(a,0)和(b,0)的两条x轴的垂线，及x轴所围成的平面图形的面积，就是随机变量X落在区间(a，b]的概率的近似值，如下图． (1)正态分布完全由参数μ和σ确定，记作N(μ，σ2)． ①参数μ是反映随机变量取值的平均水平的特征数，可以用样本均值去估计；σ是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计．把μ＝0，σ＝1的正态分布叫做标准正态分布． ②正态分布是自然界中最常见的一种分布，许多现象都近似地服从正态分布．如长度测量误差、正常生产条件下各种产品的质量指标等． ③一般地，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布． ④曲线与x轴之间的面积为1； ⑤当σ一定时，曲线随着μ的变化而沿x轴左右平移，如下图． ⑥当μ一定时，曲线的形状由σ确定．σ越小，曲线越“高瘦”，表示总体的分布越集中；σ越大，曲线越“矮胖”，表示总体的分布越分散，如下图． 注意：性质①说明函数的值域为正实数集的子集，且以x轴为渐近线；性质②是曲线的对称性，关于直线x＝μ对称；性质③说明函数在x＝μ时取得最大值，性质④说明正态变量在(－∞，＋∞)内取值的概率为1，性质⑥说明当均值一定σ变化时，总体分布的集中、离散程度． (3)正态总体在三个特殊区间内取值的概率 P(μ－σX≤μ＋σ)＝0.6826， P(μ－2σX≤μ＋2σ)＝0.9544， P(μ－3σX≤μ＋3σ)＝0.9974. (2)解答离散型随机变量的数字特征问题，关键是弄清概率模型和事件关系，熟记有关公式． 一、化归思想 正态随机变量在区间上的概率一般化归为特殊区间的概率后求值． 二、3σ原则 实际应用中，通常认为服从于正态分布N(μ，σ2)的随机变量X只取(μ－3σ，μ＋3σ)之间的值，而在此区间以外取值的概率只有0.0026，通常认为这种情况在一次试验中几乎不可能发生，并简称为3σ原则．这是统计中常用的假设检验方法的基本思想． [例1]　已知随机变量X的概率分布如下表所示： 则X的方差为(　　) 分析：先由离散型随机变量分布列的性质求出x，再依据期望、方差的定义求解． 解析：由0.4＋0.1＋x＝1得x＝0.5， ∴E(X)＝1×0.4＋3×0.1＋5×0.5＝3.2， ∴D(X)＝(1－3.2)2×0.4＋(3－3.2)2×0.1＋(5－3.2)2×0.5＝3.56. 答案：A (1)设X表示目标被击中的次数，求X的分布列； (2)若目标被击中2次，A表示事件“第一部分至少被击中1次或第二部分被击中2次”，求P(A)． (2)设Ai表示事件“第一次击中目标时，击中第i部分”，i＝1,2. Bi表示事件“第二次击中目标时，击中第i部分”，i＝1,2. 依题意知P(A1)＝P(B1)＝0.1，P(A2)＝P(B2)＝0.3， [例3]　设随机变量ξ服从正态分布N(0,1)，P(ξ1)＝p，则P(－1ξ0)等于(　　) 分析：由ξ～N(0,1)知，其分布曲线关于直线x＝0对称，故P(ξ－1)＝P(ξ1)，P(－1ξ0)＝P(0ξ1)． 答案：D (2010·山东理)已知随机变量ξ服从正态分布N(0，σ2)，P(ξ2)＝0.023，则P(－2≤ξ≤2)＝(　　) A．0.477 B．0.628 C．0.954 D．0.977 分析：若ξ～N(μ，σ2)，则μ为其均值，图象关于x＝μ对称，σ为其标准差． 解析：∵P(ξ2)＝0.023，∴P(ξ－2)＝0.023， 故P(－2≤ξ≤2)＝1－P(ξ2)－P(ξ－2)＝0.954.故选C. 答案：C 点评：考查其对称性是考查正态分布的主要方式. [例4]　随机抽取某厂的某种产品200件，经质检，其中有一等品126件、二等品50件、三等品20件、次品4件．已知生产1件一、二、三等品获得的利润分别为6万元、2万元、1万元，而1件次品亏损2万元．设1件产品的利润(单位：万元)为ξ. (1)求ξ的分布列； (2)求1件产品的平均利润(即ξ的数学期望)； (3)经技术革新后，仍有四个等级的产品，但次品率降为1%，一等品率提高为