2．3．1离散型随机变量的均值.doc

2．3离散型随机变量的均值与方差
2．3．1离散型随机变量的均值
教学目标：
知识与技能：了解离散型随机变量的均值或期望的意义，会根据离散型随机变量的分布列求出均值或期望．
过程与方法：理解公式“E（aξ+b）=aEξ+b”，以及“若ξB（n,p），则Eξ=np”.能熟
练地应用它们求相应的离散型随机变量的均值或期望。
情感、态度与价值观：承前启后，感悟数学与生活的和谐之美,体现数学的文化功能与人文
价值。
教学重点：离散型随机变量的均值或期望的概念
教学难点：根据离散型随机变量的分布列求出均值或期望
授课类型：新授课
课时安排：2课时
教具：多媒体、实物投影仪
教学过程：
一、复习引入：
1.随机变量：如果随机试验的结果可以用一个变量来表示，那么这样的变量叫做随机变量随机变量常用希腊字母ξ、η等表示
2.离散型随机变量:对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量
3．连续型随机变量:对于随机变量可能取的值，可以取某一区间内的一切值，这样的变量就叫做连续型随机变量
4.离散型随机变量与连续型随机变量的区别与联系:离散型随机变量与连续型随机变量都是用变量表示随机试验的结果；但是离散型随机变量的结果可以按一定次序一一列出，而连续性随机变量的结果不可以一一列出
若是随机变量，是常数，则也是随机变量并且不改变其属性（离散型、连续型）
5.分布列:设离散型随机变量ξ可能取得值为x1，x2，…，x3，…，
ξ取每一个值xi（i=1，2，…）的概率为，则称表
ξx1x2…xi…PP1P2…Pi…为随机变量ξ的概率分布，简称ξ的分布列
6.分布列的两个性质：⑴Pi≥0，i＝1，2，…；⑵P1+P2+…=1．
7.离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P，那么在n次独立重复试验中这个事件恰好发生k次的概率是
，（k＝0,1,2,…，n，）．
于是得到随机变量ξ的概率分布如下：
ξ01…k…nP……称这样的随机变量ξ服从二项分布，记作ξ～B(n，p)，其中n，p为参数，并记＝b(k；n，p)．
8.离散型随机变量的几何分布：在独立重复试验中，某事件第一次发生时，所作试验的次数ξ也是一个正整数的离散型随机变量．“”表示在第k次独立重复试验时事件第一次发生.如果把k次试验时事件A发生记为、事件A不发生记为，P()=p，P()=q(q=1-p)，那么
（k＝0,1,2,…，）．于是得到随机变量ξ的概率分布如下：
ξ123…k…P……称这样的随机变量ξ服从几何分布
记作g(k，p)=，其中k＝0,1,2,…，．
二、讲解新课：
根据已知随机变量的分布列，我们可以方便的得出随机变量的某些制定的概率，但分布列的用途远不止于此，例如：已知某射手射击所得环数ξ的分布列如下
ξ45678910P0.020.040.060.090.280.290.22在n次射击之前，可以根据这个分布列估计n次射击的平均环数．这就是我们今天要学习的离散型随机变量的均值或期望
根据射手射击所得环数ξ的分布列，
我们可以估计，在n次射击中，预计大约有
次得4环；
次得5环；
…………
次得10环．
故在n次射击的总环数大约为

，
从而，预计n次射击的平均环数约为
．
这是一个由射手射击所得环数的分布列得到的，只与射击环数的可能取值及其相应的概率有关的常数，它反映了射手射击的平均水平．
对于任一射手，若已知其射击所得环数ξ的分布列，即已知各个（i=0，1，2，…，10），我们可以同样预计他任意n次射击的平均环数:
…．
1.均值或数学期望:一般地，若离散型随机变量ξ的概率分布为
ξx1x2…xn…Pp1p2…pn…则称……为ξ的均值或数学期望，简称期望．
2.均值或数学期望是离散型随机变量的一个特征数，它反映了离散型随机变量取值的平均水平
3.平均数、均值:一般地，在有限取值离散型随机变量ξ的概率分布中，令…，则有…，…，所以ξ的数学期望又称为平均数、均值
4.均值或期望的一个性质:若(a、b是常数)，ξ是随机变量，则η也是随机变量，它们的分布列为
ξx1x2…xn…η……Pp1p2…pn…于是……
＝……)……)
＝，
由此，我们得到了期望的一个性质:
5.若ξB（n,p），则Eξ=np
证明如下：
∵，
∴0×＋1×＋2×＋…＋k×＋…＋n×．
又∵，
∴＋＋…＋＋…＋．
故若ξ～B(n，p)，则np．
三、讲解范例：
例1.篮球运动员在比赛中每次罚球命中得1分，罚不中得0分，已知他命中的概率为0.7，求他罚球一次得分的期望
解：因为，
所以
例2.一次单元测验由20个选择题构成，每个选择题有4个选项，其中有且仅有一个选项是