人教B版选修2-3高中数学2.3.1《离散型随机变量的数学期望》学案高三数学试题.docVIP

离散型随机变量的期望 【基础知识导引】 　　1．了解离散型随机变量的期望的意义，会根据离散型随机变量的分布列求出期望。 　　2．理解公式“E(aε+b)=aEε+b”，以及“若ε～B(n，p)，则Eε=np”。能熟练地应用它们求相应的离散型随机变量的期望。 　　3．了解离散型随机变量的方差、标准差的意义，会根据离散型随机变量的分布列求出方差、标准差。 　　4．理解公式“”，以及“ε～B(n，p)，则Dε=npq（这里q=1-p）”，应会用上述公式计算有关随机变量的方差。 　　　　【教材内容全解】 　　离散型随机变量的分布列完全决定了随机变量的取值规律，但是分布列往往不能明显而集中地表现随机变量的某些特点，例如它的取值的平均水平、集中位置、稳定与波动情况、集中与离散程度等。离散型随机变量的期望与方差就是体现上述特点的最重要的两种特征数（或数字特征）。 　　1．期望 　　（1）概念分析 　　课本从一个具体的例子入手，引入了离散型随机变量的期望的概念。对于这个概念，我们应从以下两点来理解： 　　①随机变量的数学期望表示了随机变量在随机试验中所取的平均值，所以随机变量的数学期望（期望）又常称为随机变量的平均数、均值。又由于离散型随机变量的期望的计算是从它的概率分布出发，因而期望就是离散型随机变量的概率平均值。 　　②课本中给出的离散型随机变量的数学期望实质上是一个不严格的定义，所以课本中涉及到的离散型随机变量所有可能取的不同值的个数是有限的，这个定义对于在离散型随机变量取有限个值是成立的。今后不作特别说明离散型随机变量的取值均为有限个不同值。 　　（2）根据离散型随机变量的期望的概念和意义，在实际应用中，我们可以用它来解决一些问题和作出科学的决策。 　　例如，对于本章引言中的一个问题。我们设该商场国庆节在商场外的促销活动获得的经济效益为ε万元，则： 　　P(ε=10)=0.6，P(ε=-4)=0.4， 　　∴Eε=10×0.6+(-4) ×0.4=4.4（万元） 　　即国庆节在当地有雨的概率是40%的情况下，在商场外促销活动的经济效益的期望为4.4万元，超过在商场内促销活动可获得的经济效益2万元。所以，商场应该选择商场外的促销活动。但应注意，对于这样一次商场外的促销活动，该商场不是赚10万，就是亏4万元。若该商场每年国庆节均重复这样的商业活动，那么，从平均意义上说，每次可获的经济效益为这个期望值。正如概率作为随机变量发生的频率一样，要在大量现象中才能显现出来。 　　（3）关于随机变量的函数η=aε+b的期望的计算公式的理解，关键是弄清的重要条件是，从而有，i=1，2，…由此可得到η的分布列，由期望的定义求得η的数学期望Eη=aEε+b。 　　（4）对二项分布的数学期望Eε=np的证明是本节的难点，可以按以下程序进行思考： 　　设在一次试验中某事件发生的概率p，η是k次试验中此事件发生的次数，令q=1-p，则k=1时，p(η=0)=q，p(η=1)=p， 　　Eη=0×q+1×p=p； 　　k=2时，，p(η=1)=2pq， 　　， 　　 　　 　　由此可知，在一次试验中，此事件平均发生p次；二次试验中，此事件平均发生2p次。由此，我们作出猜想，“若ε～B（n，p），则Eε=np”，为公式的证明作了必要的铺垫。 　　努力探究数学知识的发生过程，对一些数学结论逐步作出科学猜想，并给出理性的证明，有利于培养我们敢于独立思考，勇于创新的科学精神。 　　（5）这部分教材安排了四个例题，其中例1和例2着重帮助理解期望概念。例1实际上指出了随机事件发生的概率p与一次随机试验中随机事件发生的次数的期望之间的相等关系。例2的随机变量以相等的概率取6个不同数值，那么随机变量的期望就等于这些不同数值的平均数，在一定程度上揭示了某类随机变量的数学期望与相应数值的算术平均数之间的关系。 　　例3是产品抽查问题，理解起来较困难。在这类问题中常涉及次品率、抽样是否放回的问题。若采用放回抽样，则各次抽样时的次品率不变，各次抽样是否抽出次品是完全独立的事件。若采用不放回抽样，每次抽样后次品率将会发生变化，因而各次抽样不独立。但是直观上看，当产品的数量很大而抽查次数较少时，在抽样时抽出次品与否对后面抽样的次品率影响很小，因而也可以认为各次抽样是彼此独立的。 　　例4是利用二项分布的数学期望公式解决实际问的一个例子。 　　2．方差 　　（1）方差的概念较难理解，因此课本采用与初中代数中介绍的一组数据的方差定义类比的方法，直接定义离散型随机变量ε的方差。这样我们对离散型随机变量方差的概念的建立就不感到突然，而且理解起来也较容易。方差体现了随机变量所取的值相对于它的期望的集中与离散、稳定与波动的程度。它是继数学期望后的另一种随机变量的重要数字特征，在现实生活中有广泛的应