数学期望在生活中的应用原文.pdfVIP

一、数学期望的定义及性质 （一）数学期望分为离散型和连续型 1、离散型 离散型随机变量的一切可能的取值 Xi 与对应的概率 Pi(=Xi)之积的和称为该离散型随 机变量的数学期望（设级数绝对收敛），记 E （X）。数学期望是最基本的数学特征之一。 它反映随机变量平均取值的大小。又称期望或均值。如果随机变量只取得有限个值，称之 离散型随机变量的数学期望。它是简单算术平均的一种推广，类似加权平均。E(X) = X1*P(X1） + X2*P(X2)+ …… + Xn*P(Xn)。 X1,X2,X3， ……， Xn 为这 几 个 数 据 ， P(X1）,P(X2）,P(X3），……，P(Xn)为这几个数据的。在随机出现的几个数据中， P(X1）,P(X2）,P(X3），……，P(Xn)概率函数就理解为数据 X1,X2,X3，……，Xn 出现的频 率 f(Xi),则：E(X) = X1*P(X1） + X2*P(X2） + …… + Xn*P(Xn) = X1*f1(X1） + X2*f2(X2） + …… + Xn*fn(Xn)。 2、连续型 连续型则是：设连续性随机变量 X 的概率密度函数 f （X），若积分绝对收敛，则称 积分的值为随机变量的数学期望，记 E(X)。若随机变量X 的分布函数F(X)可表示成一个 非负可积函数 f(X)的积分，则称X 为连续随机变量，f(X)称 X 的概率密度函数（分布密 度函数）。能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变 量称为连续型随机变量。 （二）数学期望的常用性质 1.设 X 是随机变量，C 是常数，则 E （CX）=CE （X）； 2.设 X，Y 是任意两个随机变量，则有 E （X+Y）=E （X）+E （Y）； 3.设 X,Y 是相互独立的随机变量，则有 E （XY）=E （X）E （Y）。 对于第一条性质，假设 E （X）你的考试成绩，C 为你们全班人数，则你们全班总分的期 望等于全班人数乘以个人的期望，这很好理解。 对于第二条性质，E （X）为你的考试成绩，E(Y)是小明的考试成绩，你和他成绩总和的 期望当然等于你和他的期望值和。 对于第三条性质，我们一再强调是独立的，也就是相互没有关联，有关联是肯定是不是 不等的。 二、数学期望在生活中的运用 （一）经济决策问题 假设某一超市出售的某种商品，每周的需求量 X 在 10 至 30 范围内等可能取值，该商品 的进货量也在 10 至 30 范围内等可能取值（每周只进一次货）超市每销售一单位商品可获利 500 元，若供大于求，则削价处理，每处理一单位商品亏损 100 元；若供不应求，可从其他 超市调拨，此时超市商品可获利 300 元。试计算进货量多少时，超市可获得最佳利润？并求 出最大利润的期望值。 分析：由于该商品的需求量（销售量）X 是一个随机变量，它在区间[10,30]上均匀分 布，而销售该商品的利润值 Y 也是随机变量，它是 X 的函数，称为随机变量的函数。题中所 涉及的最佳利润只能是利润的数学期望（即平均利润的最大值）。因此，本问题的解算过程 是先确定 Y 与 X 的函数关系，再求出Y 的期望E （Y），最后利用极值法求出E （Y）的极大值 点及最大值。 先假设每周的进货量 a，则 500a  300(x  a), x  a  Y=   500x  100(a  x), x  a 200a  300x , x  a  =   600x  100a, x  a 利润 Y 的数学期望为： 1 a 1 30 EY = 20  10(600x  100