离散型随机变量的期望与方差_第1页
离散型随机变量的期望与方差_第2页
离散型随机变量的期望与方差_第3页
离散型随机变量的期望与方差_第4页
离散型随机变量的期望与方差_第5页
已阅读5页,还剩1页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

开锁次数的数学期望和方差

例有〃把看上去样子相同的钥匙,其中只有一把能把大门上的锁打开.用它们去试开

门上的锁.设抽取钥匙是用互独立且等可能的.每把钥匙试开后不能放【可.求试开次数4的

数学期望和方差.

分析:求=Q时,由题知前4-1次没打开,恰第攵次打开.不过,一般我便应从

简单的地方入手,如J=1,2,3,发现规律后,推广到一般.

解:J的可能取值为1,2,3,.

p(4=i)=L

n

1_1

----------

/?-!n

n----2-----1--=一1

nn-i〃-2nn-\n-2n

n-k+\11

nze,、八I、〃1、〃1、〃1、1〃一1"-2〃一3

^=^)=(1__),(|_—).(1_—=—,—---------------------=—

n-k+2n-k+\n

;所以J的分布列为:

412•••kn

\_\_J_

P••••♦•

nnnn

Eg=1—F2—F3—I----Fn—=-------;

nnnn2

2z.〃+1-〃+l、21-〃+l、,1,〃+l、2।/〃+l、2।

OJ=(1--------)*--4-(2--------)-.一+(3--------)・一+•••+(zA--------)-•一+•♦•+(〃-----)--

2n2n2n2n2n

=—(『+2?+3?+•••+〃2)-(〃+1)(1+2+3+•••+〃)+("%•〃

n2

1F1,八八八/?(/?+1)2/?(/?+1)2"In2-1

=--H(H+1)(2/?+1)^-^-4-=——

〃|_624J12

说明:复杂问题的简化处理,即从个数较小的看起,找出规律所在,进而推广到一般,

方差的公式正确使用后,涉及一个数列求和问题,合理拆项,转化成熟悉的公式,是解决的

关键.

次品个数的期望

例某批数量较大的商品的次品率是5%,从中任意地连续取出10件,J为所含次品

的个数,求

分析:数量较大,意味着每次抽取时出现次品的概率都是0.05,J可能取值是:0,1,

2,…,10.10次抽取看成10次独立重复试验,所以拍到次品数J服从二项分布,由公式

七彳=〃〃可得解.

解:由题,J~8(10,0.05),所以七4=10x0.05=0.5.

说明:随机变量J的暇率分布,是求其数学期望的关键.因此,入手时,决定J取哪些

值及其相应的概率,是重要的突破点.此题PCuQucMo.osyyi-o.Byx,应觉察

到这是3(10,0.05).

根据分布列求期望和方差

例设J是一个离散里随机变量,其分布列如下表,求q值,并求后服0g.

4-101

P1-2gq2

2

分析:根据分布列的两个性质,先确定q的值,当分布列确定时,EJ、只须按定

义代公式即可.

解:离散型随机变量的分布满足

(1)620/=1,2,3,…,

(2)[+鸟+6+…=L

-+\-2q+q2

所以有10Wl—2qWl,

q2<\.

故J的分布列为

01

1f—3FT

P—yj2—1---J2

|2II2

/.—(—1)x—+0x(V2—1)+1x——

=——4-——V2=I—V2.

22

D^=[-l-(l-V2)]2x1+(l-V2)2x(V2-1)+11-(1-V2)]2x^1-V2

1(3、

=(V2-2)2X-+(V2-1)3+2-V2

2k2)

=3-2j2+2^2-6+372-I+3-2V2=V2-l.

小结:解题时不能忽视条件PC=&)=亿时,O4〃,Y1,i=l,2,—•否则取了q>l

的值后,辛辛苦苦计算得到的是两个亳无用处的计算.

产品中次品数分布列与期望值

例一批产品共10C件,其中有10件是次品,为了检验其质量,从中以随机的方式选

取5件,求在抽取的这5件产品中次品数分布列与期望值,并说明5件中有3件以上(包括

3件)为次品的概率.(精确到0.001)

分析:根据题意确定航机变量及其取值,对于次品在3件以上的概率是3,4,5三种情

况的和.

解:抽取的次品数是一个随机变量,设为显然J可以取从。到5的6个整数.

抽样中,如果恰巧有攵个(攵=0,1,2,3,4,5)次品,则其概率为

P(J=k)=

按照这个公式计算,并要求精确到0.001,则有

%=0)=0.583,PC=1)=0.340,P(^=2)=0.070,

尸(4=3)=0.07,P(J=4)=0,尸(g=5)=0.

故4的分布列为

自012345

P00

£^=0x0.583+1x0.340+2x0.070+3x0.007+4x0+5x0=0.501.

由分布列可知,

PR23)=0.007+()+(),

P(<^>3)=0.007.

这就是说,所抽取的5件品中3件以上为次品的可能性很小,只有7%.

评定两保护区的管理水平

例甲、乙两个野生动物保护区有相同的自然环境,且野生动物的种类和数量也大致相

等.而两个保护区内每个季度发现违反保护条例的事件次数的分布列分别为:

甲保护区:

J0123

乙保护区:.

4012

一|口一

试评定这两个保护区的管理水平.

分析:一是要比较一下甲、乙两个保护区内每季度发生的违规事件的次数的均值,即

数学期望;二是要看发生违规事件次数的波动情况,即方差值的大小.(当然,亦可计算其

标准差,同样说明道理.)

解:甲保护区的违规次数。的数学期望和方差为:

Eg】=Ox0.3+1x0.3+2x0.2+3x0.2=1.3;

D&]=(0—1.31x0.3+(1-1.3)2x0.3+(2—1.3月x0.2+(3-1.3)2x0.2=1.21;

乙保护区的违规次数幺的数学期望和方差为:

四?=0x0.1+1x0.5+2x0.4=1.3;

以2=(0—1.3)2x0.1+(l-1.3)2X0.5十(2-1.3)2X0.4=0.41;

因为=£专,。。>。42,所以两个保护区内每季度发生的违规平均次数是相同的,

但乙保护区内的违规事件次数更集中和稳定,而甲保护区的违规事件次数相对分散和波动.

(标准差。J==1.1,。刍=/砥h。64这两个值在科学计算器上容易获得,

显然,若>结)

说明:数学期望仅体现了随机变量取值的平均大小,但有时仅知道均值大小还是不够

的,比如:两个随机变量的均值相等了(即数学期望值相等),这就还需要知道随机变量的

取值如何在均值周期变化,即计算其方差(或是标准差).方差大说明随机变量取值分散性

大;方差小说明取值分散性小或者说取值比较集中、稳定.

射击练习中耗用子弹数的分布列、期望及方差

例某射手进行射击练习,每射击5发子弹算一组,一旦命中就停止射击,并进入下一

组的练习,否则一直打完5发子弹后才能进入下一组练习,若该射手在某组练习中射击命中

一次,并且已知他射击一次的命中率为0.8,求在这一组练习中耗用子弹数4的分布列,并

求出J的期望后自与方差。J(保留两位小数).

分析:根据随机变量不同的取值确定对应的概率,在利用期望和方差的定义求解.

解:该组练习耗用的子弹数J为随机变量,J可以取值为1,2,3,4,5.

4=1,表示一发即中,故概率为

产4=1)=().8;

4=2,表示第一发未中,第二发命中,故

p(^=2)=(1-0.8)x0.8=0.2x0.8=0.16;

J=3,表示第一、二发未中,第三发命中,故

一(《=3)=(1-0.8)2x0.8=0.22x0.8=0.032;

4=4,表示第一、二、三发未中,第四发命中,故

P化=4)=(1-0.8尸x0.8=023*08=0.0064

4=5,表示第五发命中,故

PC=5)=(1-0.8)4.1=02。=0.0016.

因此,J的分布列为

12345

P

=1x0.8+2x0.16+3x0.032+4x0.0064+5x0.0016

=0.8+0.32+0.096+0.0256+0.008=1.25,

/)^=(1-I.25)2X0.8+(2-125)2X0.16+(3-1.25)2X0.032+(4-1.25)2X0.0064+(5-1.25)2x0.0016

=0.05+0.09+0.098+0.0484+

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论