知识讲解 离散型随机变量的均值与方差.docxVIP

离散型随机变量的均值与方差 【学习目标】 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 … … … P … … 则 称 E? ? x p 1 1 x p 2 2 … ? x p n n … 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． 一般地，在有限取值离散型随机变量 ? 的概率分布中，令 p ? p 1 2 ? … ? p n ，则有 p ? p ? … 1 2 ? p ? 1 n n ， E? ? (x ? x 1 2 ? … ? x n ) ? 1 ，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：： ………… … … … … P … … 于是 E? ? (ax 1 b) p 1 (ax 2 b) p 2 ? … ?(ax i ? b) p ? … i ＝ a(x p 1 1 x p 2 2 … ? x p i i ? …) ? b( p ? p 1 2 ? … ? p i ? …)＝ aE? ? b ∴ E(a? ? b) ? aE? ? b 。 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 x ， x ，…， x ，它们的平均值为 x ，那么各数据与 x 的差的平方的平均数 1 2 n 1 S 2 ? [ (x n 1 ? x ) 2 ＋ (x 2 ? x ) 2 ＋…＋ (x n x )2 ]叫做这组数据的方差。 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 D? ＝ (x 1 ? E? ) 2 p ＋ (x 1 2 ? E? ) 2 p ＋…＋ (x 2 n ? E? )2 ? p i ＋…称为随机变量? 的方差，式中 的 E? 是随机变量? 的期望． D?D? 的算术平方根 叫做随机变量? 的标准差，记作?? D? 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 (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，则期望 E? ? p 方差 D? ? p(1? p). 证明：∵ P(? ? 0) ? q , P(? ? 1) ? p , 0 ? p ? 1, p ? q ? 1 ∴ E? ? 0 ? q ?1? p ? p 2、二项分布： 若离散型随机变量? 服从参数为n, p 的二项分布，即? ~ B(n，P), 则期望 E? ? nP 方差 D? ? np(1- p) 期望公式证明： ∵ P(? ? k ) ? Ck pk (1 ? p)n?k n  ? Ck pk qn?k ， n ∴ E? ? 0 ? C 0 p0 qn ? 1? C1 p1qn?1 ? 2 ? C 2 p2 qn?2 ? ... ? k ? Ck pk qn?k ? ... ? n ? Cn pnq0 ， n n n n n 又∵ kCk ? k ? n! n ? (n ? 1)! ? ? nC k ?1 ， n k!(n ? k )! (k ? 1)![(n ? 1) ? (k ? 1)]! n?1 ∴ E? ? np( C 0 p0 qn?1 ＋ C 1 p1qn?2 ＋…＋ C k ?1 pk ?1q ( n?1)?( k ?1) ＋…＋ C n?1 pn?1q 0 ) n?1 n?1 n?1 n?1 ? np( p ? q) n?1 ? np ． 3、