知识讲解-离散型随机变量均值和方差(理)(基础).docVIP

离散型随机变量的均值与方差 【学习目标】 1. 理解取有限值的离散型随机变量并能解决一些实际问题 理解取有限值的离散型随机变量并能解决一些实际问题 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 要点四：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、 例1．某射手射击所得环数ξ的分布列如下： ξ 7 8 9 10 P x 0.1 0.3 y 已知ξ的期望Eξ＝8.9，则y的值为________． x＋0.1＋0.3＋y＝1，即x＋y＝0.6. 又7x＋0.8＋2.7＋10y＝8.9，化简得7x＋10y＝5.4. 由联立解得x＝0.2，y＝0.4. 【变式1】某一离散型随机变量ξ的概率分布如下，且E（ξ）=1.5，则a－b为（ ）． ξ 0 1 2 3 P 0.1 a b 0.1 A．－0.1 B．0 C．0.1 D．0.2 【答案】B 由分布列的性质知：0.1+a+b+0.1=1， ∴a+b=0.8．又E（ξ）=0×0.1+1×a+2×b+3×0.1=1.5，即a+2b=1.2． 解得a=0.4，b=0.4，∴a－b=0． 【变式2】随机变量ξ的分布列为 ξ 0 2 4 P 0.4 0.3 0.3 ，则E(5ξ＋4)等于(　　) A．13　　　B．11C．2.2 D．2.3 E(ξ)＝0×0.4＋2×0.3＋4×0.3＝1.8， E(5ξ＋4)＝5E(ξ)＋4＝5×1.8＋4