知识讲解 离散型随机变量的均值与方差(理)(提高).docVIP

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，若离散型随机变量的概率分布为 … … P … … 则称…… 为的均值或数学期望，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的概率分布中，令…，则有…，…，所以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； ②若(a、b是常数)，是随机变量，则也是随机变量，有； 的推导过程如下：： 的分布列为 … … … … P … … 于是…… ＝……)……)＝ ∴。 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，，…，，它们的平均值为，那么各数据与的差的平方的平均数 ＋＋…＋叫做这组数据的方差。 2.离散型随机变量的方差： 一般地，若离散型随机变量的概率分布为 … … P … … 则称＝＋＋…＋＋…称为随机变量的方差，式中的是随机变量的期望． 的算术平方根叫做随机变量的标准差，记作． 要点诠释： ⑴随机变量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： 4.方差的性质： 若(a、b是常数)，是随机变量，则也是随机变量，； 要点三：常见分布的期望与方差 1、二点分布： 若离散型随机变量服从参数为的二点分布，则 期望 方差 证明：∵,,, ∴ 2、二项分布： 若离散型随机变量服从参数为的二项分布，即则 期望 方差 期望公式证明： ∵， ∴， 又∵， ∴＋＋…＋＋…＋ ． 3、几何分布： 独立重复试验中，若事件在每一次试验中发生的概率都为，事件第一次发生时所做的试验次数是随机变量，且，，称离散型随机变量服从几何分布，记作：。 若离散型随机变量服从几何分布，且则 期望 方差 要点诠释：随机变量是否服从二项分布或者几何分布，要从取值和相应概率两个角度去验证。 4、超几何分布： 若离散型随机变量服从参数为的超几何分布，则 期望 要点：离散型随机变量的期望与方差的求法及应用 1、求离散型随机变量的期望、方差、标准差的基本步骤： ①理解的意义，写出可能取的全部值； ②求取各个值的概率，写出分布列； … … P … … ③根据分布列，由期望、方差的定义求出、、： . 注意：常见分布列的期望和方差，不必写出分布列，直接用公式计算即可． 2.离散型随机变量的期望与方差的实际意义及应用 ① 离散型随机变量的期望，反映了随机变量取值的平均水平； ② 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。方差越大数据波动越大。 ③对于两个随机变量和，当需要了解他们的平均水平时，可比较和的大小。 ④和相等或很接近，当需要进一步了解他们的稳定性或者集中程度时，比较和，方差值大时，则表明ξ比较离散，反之，则表明ξ比较集中．品种的优劣、仪器的好坏、预报的准确与否、武器的性能等很多指标都与这两个特征数（数学期望、方差）有关． 【典型例题】 类型一、离散型随机变量的期望 例1． 已知随机变量X的分布列为： X －2 －1 0 1 2 P m 试求：（1）E（X）；（2）若y=2X－3，求E（Y）． 【思路点拨】 分布列中含有字母m，应先根据分布列的性质，求出m的值，再利用均值的定义求解；对于（2），可直接套用公式，也可以先写出Y的分布列，再求E（Y）． 【解析】 （1）由随机变量分布列的性质，得 ，， ∴。 （2）解法一：由公式E（aX+b）=aE（X）+b，得 ． 解法二：由于Y=2X－3，所以y的分布如下： X －7 －5 －3 －1 1 P ∴。 【总结升华】 求期望的关键是求出分布列，只要随机变量的分布列求出，就可以套用期望的公式求解，对于aX+b型随机变量的期望，可以利用期望的性质求解，当然也可以求出aX+b的分布列，再用定义求解． 举一反三： 【变式1】已知某射手射击所得环数的分布列如下：