离散型随机变量的均值与方差(基础.docxVIP

【学习目标】 2.41离散型随机变量的均值与方差 E(a b) aE b。 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； 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 X1 X2 Xi P P- P: … P  要点二：离散型随机变量的方差与标准差 一组数据的方差的概念： 已知一组数据X1 , X2，…，Xn ,它们的平均值为 X，那么各数据与X的差的平方的平均数 2 1 2 2 2 S [ (X1 X) + (X2 X ) +???+ (Xn X)]叫做这组数据的方差。 n 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 X1 X2 Xi P P1 P2 Pi 则称E XiPi X2P2…XnPn…为 的均值或数学期望，简称期望. 要点诠释： 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. 1 一般地，在有限取值离散型随机变量 的概率分布中，令 p1 p2… pn ,则有p1 p2… pn — n 1 E (X1 X2… Xn) 一，所以 的数学期望又称为平均数、均值。 n 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 E( ) E E ②若 a b(a、b是常数)， 是随机变量，则 也是随机变量，有 E(a b) aE b ； E(a b) aE b的推导过程如下: 的分布列为 X1 X2 Xi ax1 b ax2 b ax b P R P2 R  2 2 2 则称D = (X1 E ) P1 + (X2 E ) P2 +…+ (Xn E ) Pi +…称为随机变量 的方差，式中的E是 随机变量的期望. D 的算术平方根 D 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 E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。 期望和方差的关系： 2 2 D E( ) (E ) 方差的性质： 若 a b (a、b是常数)， 是随机变量，则 也是随机变量，D D(a b) a2D ； 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p的二点分布，则 于是 E (ax1 b) P1 (ax2 b)p2 … (axi b)pi =a(x41 X2P2 …XPi …)b(p1 P2 …口 …)=aE b 期望E p 方差 D p(1 p). 证明：??? P( 0) q，P( 1) P，0 P 1, P ??? E 期望e()型 N 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: 2、 (0 P)2 (1 P)2 P P(1 P). 二项分布: ①理解 的意义，写出 可能取的全部值; 若离散型随机变量 服从参数为n, p的二项分布，即 ~ B(n, P),则 ②求 取各个值的概率，写出分布列; 期望E nP 方差D np(1- p) 期望公式证明: ../ i \ /k k 、n k /k k n k -P( k) CnP (1 P) CnP q , 00n 11n1 22n2 Cn P q 1 CnPq 2 CnP q k k n k k Cn p q n n 0 ..n CnP q， 又??? kC： n! k k!(n k)! n (n 1)! (k 1)![(n 1) (k 0 0 n ?- E np( Cn 1P q 1 1 n 2 k Cn 1 p q +…+ Cn (n 1) (k 1) , _ 十…十 n 1 n 1 0、 Cn 1 P q ) np (p n 1 q) 3、几何分布： 独立重复试验中, 若事件 A在每一次试验中发生的概率都为 p，事件A第一次发生时所做的试验次数 是随 机变量，且P( k) (1 1 p) p , k 0,1,2,3丄，n丄，称离散型随机变量 服从几何分布，记作： ~ P( k) g(k, P)。 若离散型随机变量 服从几何分布，且 ~ P( k) g(k, P),则 1 期望E 丄. P 方差D 吟 P 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N , M , n的超