数学期望的计算方法及其应用概要
数学期望的计算方法及其应用
摘要：在概率论中，数学期望是随机变量一个重要的数字特征，它比较集中的反映了随机变量的某个侧面的平均性，而且随机变量的其他数字特征都是由数学期望来定义的，因此对随机变量的数学期望的计算方法的研究与探讨具有很深的实际意义。本论文着重总结了随机变量的数学期望在离散型随机变量分布与连续型随机变量分布下的一些常用的计算方法，如利用数学期望的定义和性质，利用不同分布的数学期望公式等等，并通过一些具体的例子说明不停的计算方法在不同情况下的应用，以达到计算最简化的目的。本文还通过介绍了一些随机变量数学期望的计算技巧，并探讨了各种简化计算随机变量数学期望的方法，利用一些特殊求和与积分公式，利用数学期望定义的不同形式，利用随机变量分布的对称性、重期望公式以及特征函数等，并通过例题使我们更加了解和掌握这些计算技巧，已达到学习该内容的目的。
关键词：离散型随机变量 连续型随机变量 数学期望 计算方法 ABSTRACT ：
第一节 离散型随机变量数学期望的计算方法及应用
1.1 利用数学期望的定义，即定义法[1]
则随机变量Ｘ的数学期望E(X)=
)(1
i
n
i i
x p x ∑=
学期望不存在
[]
2
例1 某推销人与工厂约定，永川把一箱货物按期无损地运到目的地可得佣金10元，若不按期则扣2元，若货物有损则扣5元，若既不按期又有损坏则扣16元。推销人按他的经验认为，一箱货物按期无损的的运到目的地有60﹪把握，不按期到达占20﹪，货物有损占10﹪，不按期又有损的占10﹪。试问推销人在用船运送货物时，每箱期望得到多少？
按数学期望定义，该推销人每箱期望可得
=)(X E 10×0.6＋8×0.2＋5×0.1－6×0.1＝7.5元
1.2 公式法
对于实际问题中的随机变量，假如我能够判定它服从某重点性分布特征（如二项分布，泊松分布，超几何分布等），则我们就可以直接利用典型分布的数学期望公式来求此随机变量的期望。
（1） 二点分布：X ~???
? ??-p p 101
，则()p X E =
（2） 二项分布：),(~p n B X ，10 p ，则np X E =)(
（3） 几何分布：)(~p G X ,则有p
X E 1
)(=
（4） 泊松分布：)
(~λP X ，有λ=)(X E （5） 超几何分布：
),,(~M N n h X ,有N
M n
X E
=)( 例2 一个实验竞赛考试方式为：参赛者从6道题中一次性随机抽取3道题,按要求独立完成题目.竞赛规定：至少正确完成其中2题者方可通过,已知6道备选题中参赛者甲有4题能正确分别求出甲、乙两参赛者正确完成题数的数学期望.
解 设参赛者甲正确完成的题数为X ,则X 服从超几何分布,其中
6,4,3N M n ===,
设参赛者乙正确完成的题数为Y ,则
)32,3(~B Y ,23
2
3)(=?==np Y E
1.3 性质法
利用数学期望的性质求期望，主要性质有：
c c E =)( )()(X aE aX E = b X aE b aX E +=+)()(
其中X 为随机变量，c b a ,,为常数。
例3 某工程队完成某项工程的时间X (单位：月)是一个随机变量，它的分布列为
（2）社该工程队所获利润为)13(50X Y -=,单位为万元。试求工程队的平均利润。 解（1）根据题意，我们可求平均月数为：
111.0132.0123.0114.010)(=?+?+?+?=X E 月
（2）由（1）知11)(=X E ，则可得
))13(50()(X E Y E -=
100
11
50650)(50650)50650(=?==-=-=X E X E
1.5 利用逐项微分法
这种方法是对于概率分布中含有参数的随机变量而言的，我们可以通过逐项求微分的方法求解出随机变量的数学期望，关键步骤是对分布列的性质11
=∑∞
=i i
p
两边关于参数进行求
导，从而解出数学期望。
例5 设随机变量)(~p G X ，求)(X E 。
解 因为)(~p G X ，故1)1()(--==k p p k X P 其中10 p
,2,1=k
则
1)
1(1
1
=-∑∞
=-k k p p （1）
对（1）式两边关于p 求导得 ()
[]
0)1)(1(11
21
=----∑∞=--k k k p k p p
()
()
()()()0111111110
1)
1(11
1
11111
2
1
2
1
1
=--+----=-+---∑∑∑∑∑∑∞
=-∞
=-∞
=-∞
=-∞
=-∞
=-k k k k k k k k k k k k p p p p kp p p p p p p p kp p
根据数学期望的定义知：()()
∑∞
=--=
1
1
1k k p kp X E 且知
1)
1(1
1
=-∑∞
=-k k p p
因此上式可以写成：
()011
111=-+--P X E p p 从而解得 ()p
X E 1=
1.6 利用条件数学期望公式法
条件分布的数学期望称为条件数学期望，它主要应用于二维随机变量()Y X ,。在()Y X ,为二维离散随机变量场合下，其计算公式为：()(
)()∑=====i
i
i
y Y x X P x y Y X E X E
或()(
)()∑===
==j
j
j x X y
Y P y x X Y E Y E
例6 设二维离散随机变量()Y X ,的联合分布列为
试求()2=Y X E 和()
0=X Y E
解 要求()2=Y X E ，首先得求()
2=Y X P
()25
1
06.005.005.005.003.001.001.020=+++++=
==Y X P
同理可得()25321===Y X P ()25522===Y X P ()25
5
23===Y X P
()25524===Y X P ()25
6
25===Y X P
()()25
78
25652554255325522530225
=
?+?+?+?++
====∴∑=i i i Y x X P x Y X E 用同样的方法，我们可得()
20==X Y E 1.7 利用重期望公式法
重期望是在条件期望的基础之下产生的，()
y Y X E =是y 的函数，对y 的不同取值，条件期望()y Y X E =的取值也在变化，因此我们可以把()
Y X E 看作一个随机变量。重期望的公式是()()()
Y X E E X E =,此公式的前提是()X E 存在。如果是Y 一个离散随机变量，则重期望公式可改写成为()()()∑===
j
j
j
y Y P y Y X E X E
例7 口袋中有编码为n ,,3,2,1 的n 个球，从中任取一球，若取到1号球，则得1分，且停止摸球；若取得i 号球)2(≥i ，则得i 分，且将此球放回，重新摸球。如此下去，试求得到的平均总分数。
解 记X 为得到的总分数，Y 为第一次取到的球的号码，则
()()()n
n Y P Y P Y P 121=
====== 又因为()11==Y X E ，而当2≥i 时，()
()X E i i Y X E +== 所以
()()()()(){}X E n n n
i Y P i Y X E X E n
i 1211
1
-++++=
===∑= 由此解得 ()()2
1+=
n n X E 第二节 连续型随机变量数学期望的计算方法及应用
连续型随机变量的数学期望的定义和含义完全类似于离散随机变量的，只要在离散随机变量的数学期望定义中用密度函数()x p 代替分布列(){}i x p ，用积分是代替和式，即得到连续场合下数学期望的定义。 2.1 定义法
[]
4
设连续随机变量X 有密度函数()x p ，如果积分
()dx x p x ?
+∞
∞
- 有限（收敛）
， 则称 ()()dx x p x X E ?
+∞
∞
-= 为X 的数学期望。
若
()dx x p x ?
+∞
∞
- 无限（不收敛）
，则说X 的数学期望不存在。 例8 设随机变量X 服从均匀分布，求它的数学期望。 解 由于()b a U X ,~，则它的密度函数为
()???
??-=0
1
a b x p 其他b x a
则根据定义它的数学期望为
()()??-?
==+∞
∞
-b
a
dx a
b x dx x p x X E 1
()
2
22
1222b a a b a b x a b b a
+=
--=
-=
可见，均匀分布的数学期望位于区间[]b a ,的中点，即均匀分布具有对称性，下一节中我们将介绍利用分布图像的对称性来求数学期望。 例9 密度函数为()()
2
11
x
x p +=
π +∞∞- x 的分布称为柯西分布。 其数学期望不存在，这是因为积分 ?
∞
+∞
-+dx x
x
2
11
π 无限。
2.2 特殊积分法
连续型随机变量X 的数学期望为()()dx x p x X E ?
+∞
∞
-=
，
在计算连续型随机变量X 的数学期望时，常常会用到一些特殊的求积分的性质和方法，如基函数在对称区间的积分值为0，
还有第一换元积分等，都会给我们的计算带来简便。
例10 设随机变量()2
,~σμN
X ，证明()μ=X E ．
证 在()X E 的积分表达始终做变换()dz dx dx dz x z ?==-=σσ
σμ即1
,
可得 ()()?∞
+∞
---
=
dx xe
X E x 2
221
μμσ
π
()???
?????+=
+?=
???∞+∞--∞+∞--∞+∞
--
dz e dz ze dz
e
z z z z 2
2
2
2
2
22121μσπμσπ
由于上式右端第一个积分的被积函数为奇函数，鼓起积分为0，第二个积分恰为π2，故得()μ=X E ． 2.3 利用特征函数
特征函数的定义：设X 是一个随机变量，称()()
itX e E t =? , +∞∞- t ，为X 的特征函数，设连续随机变量X 有密度函数()x p ，则X 的特征函数为
()()?+∞
∞
-=dx x p e t itx ? +∞∞- t
根据上式，我们可以求出随机变量分布的特征函数，然后利用特征函数的性质：
()()()
k
k k
i
X
E 0?=
求出数学期望，即
()()
i
X E 0?'=
．
例11 设随机变量()2
,~σμN
X ，求()X E ．
解 因为随机变量()2
,~σμN
X ，则X 的特征函数为
()?
??
???-=2exp 22t t i t σμ?
其一阶导数为()()
2
2222exp t i t t i t σμσμ?-?????
??-='
则()μ?i ='0
由特征函数的性质得()()
μμ
?==
'=
i
i i
X E 0 注：此题关键是球正态分布的特征函数，我们可以先求出标准正态分布的特征函数，在利用特征函数的性质求出正态分布的特征函数。 2.4 逐项微分法
这种方法同样适用于密度函数()x p 中含有参数的连续型随机变量分布，也是对
()1=?+∞
∞
-dx x p 两边对参数求导数来解出数学期望。
例12 设随机变量服从指数分布即()λExp X ~，求()X E
解 因为()λExp X ~，则X 的密度函数()???≥=-0
,00
x x e x p x ，λλ
则由
()1=?
+∞
∞
-dx x p ，()()dx x p x X E ?+∞
∞-= 得
10
=?
+∞
-dx e x λλ ()dx e x X E x λλ-+∞∞
-?=
对
10
=?
+∞-dx e x λλ两边关于参数λ求导得
()
()0
1
00
=-∞+-
=-=--∞+-∞
+-+∞--??
?X E e dx xe dx e dx e x e
x
x x x x
λλλλλλ
λ
从而解得()λ
1
=
X E
2.5 条件数学期望公式
在连续型随机变量场合下，条件数学期望同样适用，其计算公式为 (
)()?
+∞
∞
-=
=dx y x xp y Y X E
例13 设二维随机变量()Y X ,的联合密度函数为
()??
?+=其他
,01
,0 ,, y x y x y x p 试在()
y Y X E y =时，求10 ． 解 由题意知，
()()()
()()()()()()y x x y y dx
x x y y dx y x xp y Y X E y y y x
y p y x p y x p y y y ydx x x p y y
Y y
Y 1322
1211
2
1211
102
1211,1
2121243221
2
2
12
21
???? ??-+
-=-+-=
==+--=
=
∴+-=-=?
??时，当
()()()
31216112232612
1211
2
322+=--+=???? ??+
-+
-=y y y y y y y y
2.6 利用重期望公式
在Y 是一个连续随机变量时，重期望公式()()()Y
X E E X E =可改写成为
()()()?+∞∞
-==dy y p y Y X E X E Y ．
例14 设电力公司每月可以供应某工厂的电力X 服从()()
kW 41030,10单位：上的均匀分布，而该工厂每月实际需要的电力Y 服从()()
kW 41020,10单位：上的均匀分布。如果工厂能从电力公司得到足够的电力，则每kW 4
10电可以创造30万元的利润，若工厂得不到足够的电力，则不足部分由工厂通过其他途径解决，由其他途径得到的电力每kW 4
10获利10万元，失球该厂每个月的平均利润。
解 从题意知，每月供应电力()30,10~U X ,而工厂实际需要电力()20,10~U Y 。若设工厂每月的利润为Z 万元，则按题意可得
()?
??-+≤=X Y X Y X X Y Y Z 当当 ,1030 ,30
在x X =给定时，Z 仅是Y 的函数，于是当2010 x ≤时，Z 的条件期望为
()()()()()()()
()
2
22220x 1020
104050 202202
1
10023
101
2010 10130 201030x x x x x x dy x y dy y dy
y p x y dy y yp x X Z E x
x
Y x
Y -+=-+-+-=++=++==???? 当3020≤≤x 时，Z 的条件期望为
()()45010
1
303020102010====??dy y dy y yp x X Z E Y
然后用X 的分布对条件期望()
x X Z E =再作一次平均，即得
()()()()()()()
433
2256700
30025 45020
14050201 302020102
30
20
20
10
≈+-+=+-+=
=+====????dx dx x x dx
x p x X Z E dx x p x X Z E x X Z E Z E X X
所以该厂每月的平均利润为433万元．
第三节 随机变量数学期望的计算技巧
3.1 利用数学期望的性质，化整为零
当一个随机变量的分布列较为复杂时，若直接求它的数学期望会很困难，我们可以通过将它转化成比较常见的简单的随机变量之和来解决。主要是利用数学期望的性质
()∑∑===??? ??n
i i n i i X E X E 1
1来时问题简单化。 例15 设一袋中装有m 只颜色各不相同的球，每次从中任取一只，有放回地摸取n 次，以X 表示在n 次摸球中摸到球的不同颜色的数目，求()X E
解 直接写出X 的分布列较为困难，其原因在于：若第i 种颜色的球被取到过，则此种颜色的球又可被取到过一次、二次n 次，情况较多，而其对立事件 “第i 种颜色的球没被取到过”的概率容易写出为
()n
m i P ??
?
??-=11一次也被摸到过种颜色的球在次摸球中第 为此令
n i i i X i ,,2,1 ,0,1 =?
??=一次也没被摸到，种颜色的球在次摸球中第至少被摸到一次；种颜色的球在次摸球中
第
这些i X 相当于是计数器，分别记录下第i 种颜色的球是否被取到过，而X 是取到过的不同
颜色总数，所以∑==m
i i X X 1．由(),110n
i m X P ??? ??
-==可得
()()()n
i i i m X P X P X E ??
? ??
--==-===111011
所以 ()()???
?
??????? ??--==n
i m m X mE X E 111
例16
[]
5 设()p n B X ,~，求()X E
解 由题意知，()()
10 , 1 p p p C k X P k
n k
k n --==，
方法一：根据数学期望的定义有
()()
()
()
()
()
1 1 1
1 110
1
11111
0-==-+=-=-?=-?=∑∑∑∑-=-==---=-=-k i np p p np p p C np p p C k p p C k X E n i n n k k
n k k n n
k k
n k k n n
k k
n k
k n
方法二：令i X 表示贝努力试验中的出现的次数，则相互独立而且同分布，均服从???
?
??p p -1 0 1 ()()()np
X E X E X X p X E n
i i n
i i
i ==∴==∴∑∑-=1
1,而
3.2 利用二重积分的极坐标变换求解
这种方法只是用于二维连续型随机变量数学期望的求解。 例17 设随机变量Y X ,相互独立，且均服从()1,0N 分布，求22Y X Z +=
的数学期望。
解 由题意知2
2
Y X Z +=的密度函数为()+∞∞+= y x y x e z p ,- , 2
212
2π 可得 (
)
,212
22222
2?
?
∞+∞-∞
+∞
-+-
?+=+dxdy e
y x Y X E
y x π
令,sin cos ?
?
?==θθ
r y r x 则可得
2
2212
2 0
21
2
02202
0202
22
222
ππ
π
θπ
π
=
=
+∞+???
? ??-===?
???
?∞
+∞
--
∞+--∞
+-
∞
+-
dr e
dr
e e r dr
re
dr rd e r
r r
r r r 上式
3.3 巧用特殊求和公式
例18 对一批产品进行检验,如果检查到第n 件仍未发现不合格品就认为这批产品合格,如在尚未超过第n 件时已检查到不合格品即停止继续检查,且认为这批产品为不合格.设产
品数量很大,可以认为每次检查查到不合格品的概率都是p ,问平均每批要检查多少件？ 解 设X 表示每批所需检验的产品数，那X 的分布列是
()()()()()()
()
()p
p p q nq q q q q nq p nq
q q q p nq q p nq p kq
X E q q p q n X P p q n k p q k X P n
n n n
n n n
n n k k n n k k n n n k --=-=+--+--=+'
???
? ??--=+'
??
?
??=+=∴=+==-=-===-----=--=----∑∑111 111 1 ,1 1,,2,1 ,1
2
11
1
111
1
11
111其中
注：这里主要用到的求和公式是
q
q n
k k -=
∑=11
1
． 3.4利用分布图象的对称性
6
当分布列或密度函数具有对称性时，随机变量数学期望的取值集中位置就是对称中心或对称轴，我们可以利用对称性使比较复杂的问题简单化。尤其，当随机变量服从均匀分布时，它
的数学期望取值为它的对称中心，即
2
b
a +；当随机变量服从正态分布时，我们由它的图象知μ=x 是它的对称轴，故它的数学期望取值为μ．
例19 若n X X X ,2,1正的独立随机变量，服从相同的发布，是证明
n k
X
X X X X X E n k =???
? ??++++++ 21
21 证明 由分布的对称性知
n
n n X X X X X X X X ++++++ 21211
,
,同分布，故 n k
X
X X X X X E n i n X X X X E X
X X X X X E X
X X X E X X X X E n k
n i n n
n n n =???
? ??++++++==???? ??+++=???
?
??++++++???? ??+++==???? ??+++ 21
212121
2121
211
,,2,1
11 因此其中故，而 例20 设在区间()1,0上随机地取n 个点，以X 表示相距最远的两点间的距离，求()X E
6
解 由题意知，n 个点把区间()1,0分成了1+n 段，它们的长度依次记为
121,,,+n X X X ，根据对称性，每个i X 都有相同的概率分布和数学期望，且1121=++++n X X X ，故()1
1
+=n X E i ，又因为n 个点中相距最远的两点间的距离为n X X ++ 2，所以()1
1
+-=
n n X E []1魏宗舒,概率论与数理统计[M].高等教育出版社,2006,96~112.
[]2茆诗松、程依明、濮晓龙概率论与数理统计教程. 高等教育出版社,2004
[]
3赵强、赖兴珲，离散随机变量数学期望的几种求法．玉林师范学院学报．（自然科学版）2006
[]4茆诗松、周纪芗，概率论与数理统计．中国统计出版社，2000 []5郑章元，应用概率统计﹝上﹞．南京师范大学出版社，1999 []
6覃光莲，数学期望的计算方法探讨.高等理科教育，2006
数学期望的计算及应用
数学期望的计算及应用 数学与应用数学111 第四小组 引言： 我们知道，随机变量的概率分布是随机变量的一种最完整的数学描述，而数学期望又是显现概率分布特性的最重要的特征数字之一。因此，掌握数学期望的计算并应用他来分析和解决实际问题显得尤为重要。在学习了概率论以后，我们计算数学期望一般有三种方法：1.从定义入手，即∑∞ == 1 )(k k k p x X E ；2. 应用随机变量函数的期望公式 ∑∞ ==1 )())((k k k p x q x q E 3. 利用期望的有关性质。但是还是会碰到许多麻烦，这里我们将 介绍一些解决这些难题的简单方法。在现实生活中，许多地方都需要用到数学期望。如果我们可以在学会怎么解决数学期望的计算之后，将数学期望应用到现实生活中。就可以解决许多问题，例如农业上，经济上等多个方面难以解决的难题。 下面就让我们来看看，除了最常用的三种计算方法之外还有哪些可以计算较为棘手的数学期望的方法。 1. 变量分解法 ] 1[ 如果可以把不易求得的随机变量X 分解成若干个随机变量之和,应用)(...)()()...(2121n n X E X E X E E E X E ++=++再进行求解得值， 这种方法就叫做变量分解法。这种方法化解了直接用定义求数学期望时的难点问题，因为每一种结果比较好计算，分开来计算便可以比较简单的获得结果。 例题1 ： 从甲地到乙地的旅游车上载有20位旅客，自甲地开出，沿途有10个车站，如到达一个车站没有旅客下车，就不停车，以X 表示停车次数，求E(X).(设每位旅客在各个车站下车是等可能的) 分析 ： 汽车沿途10站的停车次数X 所以可能取值为0，1，….，10，如果先求出X 的分布列，再由定义计算E(X)，则需要分别计算{X=0}，{X=1}，…，{X=10}等事件的概率，计算相当麻烦。注意到经过每一站时是否停车，只有两种可能，把这两种结果分别与0，1对应起来，映入随机变量i X 每一种结果的概率较易求得。把X 分解成若干个随机变量i X 之和，然后应用公式)(...)()()...(2121n n X E X E X E E E X E ++=++就能最终求出E(X)。
十大数学算法
数学建模常用的十大算法 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MATLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分
代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MATLAB 进行处理。 以下将结合历年的竞赛题，对这十类算法进行详细地说明。 十类算法的详细说明 2.1 蒙特卡罗算法 大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。 举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同
随机变量的数学期望与方差
第9讲随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 For personal use only in study and research; not for commercial use 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 For personal use only in study and research; not for commercial use 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 For personal use only in study and research; not for commercial use 教学过程： 第三章随机变量的数字特征 §3.1 数学期望 For personal use only in study and research; not for commercial use 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。
1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变 量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品， 21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的 天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是 ,,21x x ， 相应的概率为 ,,21P P ， 则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数 很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量，它的概率函数是 ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛，定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙，其中只有一把能打开自己的家门，他随意地 试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去，求打开门时试开次数 的数学期望。
条件数学期望及其应用
条件数学期望及其应用 The ways of finding the inverse matrix and it ’s application Abstract ：The passage lists the ways of calculating the first type of curvilinear integral,and discusses it ’s application in geometry and in physical. Keywords ：Curvilinear integral;Continuous;Integrable; Lateral area. 0前言 在曲线积分中，被积函数可以是标量函数或向量函数.积分的值是路径各点上的函数值乘上相应的权重（一般是弧长，在积分函数是向量函数时，一般是函数值与曲线微元向量的标量积）后的黎曼和.带有权重是曲线积分与一般区间上的积分的主要不同点.物理学中的许多公式在推广之后都是以曲线积分的形式出现.曲线积分是物理学中重要的工具. 1条件数学期望 1.1条件数学期望的定义 定义1 设X 是一个离散型随机变量，取值为},,{21 x x ，分布列为 },,{21 p p .又事件A 有0)( A P ，这时 ,2,1,) () }({)|(| i A P A x X P A x X P P i i A i 为在事件A 发生条件下X 的条件分布列.如果有 A i i i p x | 则称 A i i i p x A X E |]|[ ． 为随机变量X 在条件A 下的条件数学期望（简称条件期望）． 定义2 设X 是一个连续型随机变量，事件A 有0)( A P ，且X 在条件A 之
【一年级数学】小学一年级数学计算方法汇总,考试就用这几种!
100以内加减法快速算算法 方法：两位数加两位数的进位加法： 口诀： 加9要减1，加8要减2， 加7要减3，加6要减4， 加5要减5，加4要减6， 加3要减7，加2要减8， 加1要减9（注：口决中的加几都是说个位上的数）。 例：26+38=64 解：加8要减2，谁减226上的6减2。38里十位上的3要进4。（注：后一个两位数上的十位怎么进位，是1我进2，是2我进3，是3我进4，依次类推。那朝什么地方进位呢，进在第一个两位数上十位上。如本次是3我进4，就是第一个两位数里的2+4=6。）这里的26+38=64就是6-2=4写在个位上，是3。 第一讲加法速算 一、凑整加法 凑整加法就是凑整加差法，先凑成整数后加差数，就能算的快。8+7=15计算时先将8凑成108加2等于107减2等于510＋5=15 如17＋9=26计算程序是17+3=209-3=620+6=26 二、补数加法 补数加法速度快，主要是没有逐位进位的麻烦。补数就是两个数的和为101001000等等。8+2=1078+22=1008是2的补数，2也是8的补数，78是22的补数，22也是78的补数。利用补数进行加法计算的方法是十位加1，个位减补。例如6+8=14计算时在6的十位加上1，变成16，再从16中减去8的补数2就得14 如6+7=13先6+10=16后16-3=13 如27+8=3527+10=3737-2=35 如25+85=11025+100=125125-15=110 如867+898=1765867+1000=18671867-102=1765 三、调换位置的加法 两个十位数互换位置，有速算方法是：十位加个位,和是一位和是双，和是两位相加排中央。例如61＋16＝77，计算程序是6＋1＝7 7是一位数，和是双，就是两个7，61+16=77再如83＋38＝121计算程序是8＋3＝11 11就是两位数，两位数相加1＋1＝2排中央，将2排在11中间，就得121。 第二讲减法速算 一、两位减一位补数减法 两位数减一位数的补数减法是：十位减1，个位加补。如15－8＝7，15减去10等于5，5加个位8的补数2等于7。
数学期望在生活中的应用
数学期望在生活中的应用 王小堂保亭中学 摘要：数学期望是随机变量的重要数字特征之一，也是随机变量最基本的特征之一。通过几个例子,阐述了概率论与数理统计中的教学期望在生活中的应用,文章内容包括决策、利润、彩票、医疗等方面的一些实例，阐述了数学期望在经济和实际问题中颇有价值的应用。 关键词：随机变量，数学期望，概率，统计 数学期望(mathematical expectation)简称期望，又称均值，是概率论中一项重要的数字特征，在经济管理工作中有着重要的应用。本文通过探讨数学期望在经济和实际问题中的一些简单应用，以期起到让学生了解知识与人类实践紧密联系的丰富底蕴，切身体会到“数学的确有用”。 随机变量的数学期望值： 在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和。换句话说，期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。） 单独数据的数学期望值算法： 对于数学期望的定义是这样的。数学期望 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)为这几个数据的概率函数。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) 很容易证明E(X)对于这几个数据来说就是他们的算术平均值。 1 决策方案问题 决策方案即将数学期望最大的方案作为最佳方案加以决策。它帮助人们在复杂的情况下从可能采取的方案中做出选择和决定。具体做法为：如果知道任一方案Ai(i=1,2,…m)在每个影响因素Sj(j=1,2,…,n)发生的情况下，实施某种方案所产生
简单的数学计算方法
简单的数学计算方法 Prepared on 22 November 2020
简单的数学算法 1.十几乘十几： 口诀：头乘头，尾加尾，尾乘尾。例：12×14=？ 解: 1×1=1 ２＋４＝６ ２×４＝８ 12×14=168 注：个位相乘，不够两位数要用0占位 ２.头相同，尾互补(尾相加等于10)： 口诀：一个头加１后，头乘头，尾乘尾。 例：23×27=？ 解：２＋１＝３ ２×３＝６ ３×７＝21 23×27=621 注：个位相乘，不够两位数要用0占位。 ３.第一个乘数互补，另一个乘数数字相同： 口诀：一个头加１后，头乘头，尾乘尾。 例：37×44=？ 解：3+1=4 4×4=16 7×4=28 37×44=1628 注：个位相乘，不够两位数要用0占位。 ４.几十一乘几十一： 口诀：头乘头，头加头，尾乘尾。例：21×41=？ 解：2×4=8 2+4=6 1×1=1 21×41=861 ５.11乘任意数： 口诀：首尾不动下落，中间之和下拉。 例：11×23125=？ 解：2+3=5
3+1=4 1+2=3 2+5=7 2和5分别在首尾 11×23125=254375 注：和满十要进一。 ６.十几乘任意数： 口诀：第二乘数首位不动向下落，第一因数的个位乘以第二因数后面每一个数字，加下一位数，再向下落。例：13×326=？ 解：13个位是3 3×3+2=11 3×2+6=12 3×6=18 13×326=4238 注：和满十要进一。 数学计算方法 一、30以内的两个两位数乘积的心算速算 1、两个因数都在20以内 任意两个20以内的两个两位数的积，都可以将其中一个因数的”尾数”移加到另一个因数上，然后补一个0，再加上两“尾数”的积。例如： 11×11=120+1×1=121 12×13=150+2×3=156 13×13=160+3×3=169 14×16=200+4×6=224 16×18=240+6×8=288 2、两个因数分别在10至20和20至30之间 对于任意这样两个因数的积，都可以将较小的一个因数的“尾数”的2倍移加到另一个因数上，然后补一个0，再加上两“尾数”的积。例如： 22×14=300+2×4=308 23×13=290+3×3=299 26×17=400+6×7=442 28×14=360+8×4=392 29×13=350+9×3=377 3、两个因数都在20至30之间 对于任意这样两个因数的积，都可以将其中一个因数的“尾数”移加到另一个因数上求积，然后再加上两“尾数”的积。例如： 22×21=23×20+2×1=462 24×22=26×20+4×2=528 23×23=26×20+3×3=529 21×28=29×20+1×8=588 29×23=32×20+9×3=667
期望 方差公式的证明全集
期望与方差的相关公式的证明 -、数学期望的来由 早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目，题目是这样的：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。当比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？ 用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。 这个故事里出现了“期望”这个词，数学期望由此而来。 定义1 若离散型随机变量ξ可能取值为i a （i =1，2，3 ，…），其分布列为i p （i =1，2，3， …），则当i i i p a ∑ ∞ =1 <∞时， 则称ξ存在数学期望，并且数学期望为E ξ=∑∞ =1 i i i p a ， 如果i i i p a ∑ ∞ =1 =∞，则数学期望不存在。 [] 1 定义2 期望：若离散型随机变量ξ，当ξ=x i 的概率为P （ξ=x i ）=P i （i =1，2，…，n ，…），则称E ξ=∑x i p i 为ξ的数学期望，反映了ξ的平均值. 期望是算术平均值概念的推广，是概率意义下的平均.E ξ由ξ的分布列唯一确定. 二、数学期望的性质 （1）设C 是常数，则E(C )=C 。 （2）若k 是常数，则E (kX )=kE (X )。 （3）)E(X )E(X )X E(X 2121+=+。 三、 方差的定义 前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量一个重要的数字特征。但是在一些场合下，仅仅知道随机变量取值的
数学上的一些巧妙计算方法
乘法速算（提醒：此环节由家长出题，孩子计算，每天疯狂联系5分钟，你做到了，作为父母的义务就尽了） 1.两个20以内数的乘法 两个20以内数相乘,将一数的个位数与另一个数相加乘以10,然后再加两个尾数的积,就是应求的得数。如12×13＝156,计算程序是将12的尾数2,加至13里,13加2等于15,15×10＝150,然后加各个尾数的积得156,就是应求的积数。 再比如：17×18=（17+8）×10+7×8=306 2.首同尾互补的乘法 口诀：头加1乘头作为头，尾乘尾作为尾 两个十位数相乘,首尾数相同,而尾十互补,其计算方法是:头加1,然后头乘为前积,尾乘尾为后积,两积连接起来,就是应求的得数。如26×24＝624。计算程序是:被乘数26的头加1等于3,然后头乘头,就是3×2＝6,尾乘尾6×4＝24,相连为624。 3.头互补尾相同的乘法 口诀：头乘头后加尾作为头，尾乘尾作为尾 两个十位数互补,两个尾数相同,其计算方法是:头乘头后加尾数为前积,尾乘尾为后积。如48×68＝3264。计算程序是4×6＝24 24＋8＝32 32为前积,8×8＝64为后积,两积相连就得3264。 4.几十一乘几十一的乘法（共两种情况） ①十位加十位等于个位数 口诀：头乘头，头加头，尾乘尾 比如：21×61=1281；2×6=12作为头，2+6=8，放中间，尾为1. ②十位加十位等于两位数 口诀：头乘头加1，尾乘尾取个位，尾乘尾 比如：41×91=3731；4×9+1=37作为头，4+9=13个位的3放中间，尾为1. 1.十几乘十几： 口诀：头乘头，尾加尾，尾乘尾。 例：12×14=？ 解: 1×1=1 ２＋４＝６ ２×４＝８ 12×14=168 注：个位相乘，不够两位数要用0占位。 ２.头相同，尾互补(尾相加等于10)： 口诀：一个头加１后，头乘头，尾乘尾。 例：23×27=？ 解：２＋１＝３ ２×３＝６ ３×７＝21 23×27=621 注：个位相乘，不够两位数要用0占位。
条件数学期望及其应用
实用文档 文案大全条件数学期望及其应用 The ways of finding the inverse matrix and it's application Abstract：The passage lists the ways of calculating the first type of curvilinear integral,and discusses it's application in geometry and in physical. Keywords：Curvilinear integral;Continuous;Integrable; Lateral area. 0前言 在曲线积分中，被积函数可以是标量函数或向量函数.积分的值是路径各 点上的函数值乘上相应的权重（一般是弧长，在积分函数是向量函数时，一般是函数值与曲线微元向量的标量积）后的黎曼和.带有权重是曲线积 分与一般区间上的积分的主要不同点.物理学中的许多公式在推广之后都 是以曲线积分的形式出现.曲线积分是物理学中重要的工具. 1条件数学期望 1.1条件数学期望的定义 定义1设X是一个离散型随机变量，取值为},,{21?xx，分布列 为},,{21?pp.又事件A有0)(?AP，这时 ,2,1,)()}({)|(|??????iAPAxXPAxXPP iiAi
为在事件A发生条件下X的条件分布列.如果有 ???Aiii px| 则称 ??． Aiii pxAXE|]|[ 为随机变量X在条件A下的条件数学期望（简称条件期望）． 定义2设X是一个连续型随机变量，事件A有0)(?AP，且X在条件A 之 实用文档 ??????dxAXxf)|(称为随机变量文案大全下的条件分布密度函数为)|(Axf．若 X在条件A下的条件数学期望． 定义3设),(YX是离散型二维随机变量，其取值全体为 },2,1,),,{(??jiyx ii， 联合分布列为 ?,2,1,),,(????jiyYxXPp iiij， 在i yY?的条件下X的条件分布列为?,2,1),|(|????iyYxXPp iiji若 ???jiii px|， 则 ??? jiiii pxyYXE|]|[ 为随机变量X在i yY?条件下的条件数学期望． 定义4 设),(YX是连续型二维随机变量，随机变量X在yY?的条件下的条件密度函数为)|(|yxp YX，若 ??????dxyxpx YX)|(|， 则称
数学期望在生活中地应用原文
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），记为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，称之为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)为这几个数据的概率函数。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的概率密度函数为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，记为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)称为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。
数学期望
§2.2 随机变量的数学期望 每个随机变量都有一个概率分布（分布函数，或分布列、概率密度），这种分布完整地刻画了随机变量取值的统计规律性。由概率分布可以计算出有关随机变量的各个事件的概率。此外，概率分布还可以确定随机变量的各种特征数，比如，数学期望、方差、中位数等，这些特征数都是用以刻画随机变量（或其概率分布）的某一方面的特征。 例如，考虑某种元件的寿命，如果知道了寿命X 的概率分布，就可以计算出寿命在任一指定范围内的概率，对这种元件的寿命状况提供了一幅完整图景。根据这一分布，还可以确定用以反映寿命平均水平的特征数-数学期望，用以刻画寿命值的散布程度（或稳定程度）的特征数-方差.这些特征数虽不能对寿命状况提供完整刻画,但却往往是人们最为关注的一个方面.无论在理论上还是在实用中，这些特征数都有着极重要的意义.尤其是实用中,概率分布虽很“完美”,但难以把握;而特征数则容易把握,并且特征数是以一个“醒目”的数值刻画随机变量的某种特征,是概率分布某个方面的概括，这使得应用方便. 一. 数学期望的定义 定义 设离散型随机变量X 的分布列为 i i p x X P ==)(， ,2,1=i 如果 ∞<∑∞=1 ||i i i p x 则称∑∞=1i i i p x 为X 的数学期望，记为)(X E ，即 ∑∞== 1 )(i i i p x X E 若级数∑∞=1i i i p x 不绝对收敛，则称X 的数学期望不存在。 由以上定义可看出，若X 只取有限个值，则它的数学期望总是存在的。而若X 取可列个值，则它的数学期望不一定存在，是否存在就看级数∑∞=1i i i p x 是否绝对收敛，这个要求的目 的在于使期望值唯一。因为若无穷级数∑∞=1i i i p x 只是条件收敛，则可通过改变这个级数各项 的次序，使得改变后的级数不收敛或收敛到任意指定的值，这意味着这个级数的和存在与否，以及等于多少，与X 的取值的排列次序有关，而)(X E 作为刻画X 取值的平均水平的特征数，具有客观意义，不应与X 的取值的排列次序有关。 由定义，X 的期望值就是其所有可能取值的加权平均，每个可能值的权重就是X 取该值的概率，因此X 的数学期望又称为X 的均值。同时还可看出X 的数学期望完全由X 的概率分布所决定，所以X 的数学期望又叫做X 的分布的数学期望（对一般的随机变量的期望
三年级数学计算公式汇总
三年级数学计算公式汇总,孩子抽空一定要背起来 长度单位换算： 1千米=1000米1米=10分米1分米=10厘米 1米=100厘米1厘米=10毫米一支铅笔长20厘米 一个铅笔盒厚10毫米数学书厚6毫米 一个人高100厘米人每分钟走70米 飞机轮船火车汽车每小时行80千米 重量单位换算: 1吨=1000千克1千克=1000克1千克=1公斤 小鸡鸭鹅的重量用克人狗牛猪的重量用千克大象鲨鱼的重量用吨货币单位换算： 人民币单位换算: 1元=10角1角=10分1元=100分
时间单位换算： 1世纪=100年1年=12月大月(31天)有1\3\5\7\8\10\12月 小月(30天)的有4\6\9\11月平年2月28天, 闰年2月29天平年全年365天, 闰年全年366天 1日=24小时1时=60分1分=60秒1时=3600秒 运算方法： 1．每份数×份数＝总数总数÷每份数＝份数总数÷份数＝每份数 2．1倍数×倍数＝几倍数几倍数÷1倍数＝倍数几倍数÷倍数＝1倍数 3．速度×时间＝路程路程÷速度＝时间路程÷时间＝速度 4．单价×数量＝总价总价÷单价＝数量总价÷数量＝单价 5．工作效率×工作时间＝工作总量工作总量÷工作效率＝工作时间
工作总量÷工作时间＝工作效率 6．加数＋加数＝和和－一个加数＝另一个加数 7．被减数－减数＝差被减数－差＝减数差＋减数＝被减数 8．因数×因数＝积积÷一个因数＝另一个因数 9．被除数÷除数＝商被除数÷商＝除数商×除数＝被除数 1. 周长：围成一个封闭图形的所有边长的总和叫做周长 2. 正方形周长：边长＋边长＋边长＋边长＝周长或边长＊4＝周长 3. 正方形的特点：四条边相等，四个直角 4. 长方形周长：长＋长＋宽＋宽＝周长(长＋宽）＊2＝周长 5. 长方形的特点：对边平行且相等四个直角 6. 平行四边形的特点：对边平行且相等容易变形没有直角且对角相等
数学期望在经济生活中的应用
数学期望在经济生活中的应用 【摘要】数学期望是随机变量的重要数字特征之一。本文通过探讨数学期望在决策、利润、委托代理关系、彩票等方面的一些实例，阐述了数学期望在经济和实际问题中的应用。 【关键词】随机变量数学期望经济应用 数学期望(mathematical expectation)简称期望．又称均值，是概率论中一项重要的数字特征．在经济管理工作中有着重要的应用。本文通过探讨数学期望在经济和实际问题中的一些简单应用，以期起到让学生了解知识与人类实践紧密联系的丰富底蕴，切身体会到“数学的确有用”。 一．决策方案问题 决策方案即将数学期望最大的方案作为最佳方案加以决策。它帮助人们在复杂的情况下从可能采取的方案中做出选择和决定。具体做法为：如果知道任一方案A(i=1，2，?，m)在每个影响因素S(j=1．2，?，n)发生的情况下，实施某种方案所产生的盈利值及各影响因素发生的概率，则可以比较各个方案的期望盈利，从而选择其中期望盈利最高的为最佳方案。 1．风险方案 假设某公司预计市场的需求将会增长。目前公司的员工都满负荷地工作着．为满足市场需求，公司考虑是否让员工超时工作或以添置设备的办法提高产量。假设公司预测市场需求量增加的概率为P，同时还有1-p的可能市 是合算的。然而现实是不知道哪种情况会出现，因此要比较几种方案获利的 期望大小。用期望值判断，有：E(A 1)=30(1-p)+34p，E(A 2 )=29(1-p)+42p， E(A 3)=25(1-p)+44p。事实上．若p=0.8，则E(A 1 )-33.2（万）， E(A 2)=39.4(万)，E(A 3 )=40.2(万)，于是公司可以决定更新设备，扩大生产。 若p=O.5，则E(A 1)=32(万),E(A 2 )=35.5(万)，E(A 3 )=34.5(万)，此时公司 可决定采取员工超时工作的应急措施。由此可见，只要市场需求增长可能性在50％以上．公司就应采取一定的措施，以期利润的增长。 2．投资方案 假设某人用10万元进行为期一年的投资．有两种投资方案：一是购买股票：二是存入银行获取利息。买股票的收益取决于经济绝势，若经济形势
初中常见数学计算方法
1、C列分数化小数的记法：分子乘5，小数点向左移动两位。 2、D、E两列分数化小数的记法：分子乘4，小数点向左移动两位 常见分数、小数互化表
常见的分数、小数及百分数的互化
常用平方数 常见立方数 常见特殊数的乘积 错位相加/减 A×9型速算技巧：A×9= A×10-A； 例：743×9=743×10-743=7430-743=6687
A×9.9型速算技巧：A×9.9= A×10+A÷10； 例：743×9.9=743×10-743÷10=7430-74.3=7355.7 A×11型速算技巧：A×11= A×10+A； 例：743×11=743×10+743=7430+743=8173 A×101型速算技巧：A×101= A×100+A； 例：743×101=743×100+743=75043 乘/除以5、25、125的速算技巧： A×5型速算技巧：A×5=10A÷2； 例：8739.45×5=8739.45×10÷2=87394.5÷2=43697.25 A÷5型速算技巧：A÷5=0.1A×2； 例：36.843÷5=36.843×0.1×2=3.6843×2=7.3686 A×25型速算技巧：A×25=100A÷4； 例：7234×25=7234×100÷4=723400÷4=180850 A÷25型速算技巧：A÷25=0.01A×4； 例：3714÷25=3714×0.01×4=37.14×4=148.56 A×125型速算技巧：A×5=1000A÷8；
例：8736×125=8736×1000÷8=8736000÷8=1092000 A÷125型速算技巧：A÷1255=0.001A×8； 例：4115÷125=4115×0.001×8=4.115×8=32.92 减半相加： A×1.5型速算技巧：A×1.5=A+A÷2； 例：3406×1.5=3406+3406÷2=3406+1703=5109 “首数相同尾数互补”型两数乘积速算技巧： 积的头=头×（头+1）；积的尾=尾×尾 例：23×27=首数均为2，尾数3与7的和是10，互补 所以乘积的首数为2×（2+1）=6，尾数为3×7=21，即23×27=621 本方法适合11~99 所有平方的计算。 11X11=121 21X21=4141 31X31=961 41X41=1681 12X12=148 22X22=484 32X32=1024 42X42=1764 52X52=2704从上面的计算我们可以得出公式： 个位=个位×个位所得数的个位，如果满几十就向前进几， 十位=个位×（十位上的数字×2）+进位所得数的末位，如果满几十就向前进几，百位=两个十位上的数字相乘+进位。 例：26×26=
小学一年级数学计算方法
小学计算方法 20以内的退位减法是在孩子已经认识了20以内的数、掌握了10以内的加减法以及20以内的进位加法的基础上来学习的。是小学一年级下学期的一个教学难点，在计算减法时也是最基础的、最重要的。通过本单元的学习，要求学生能够比较熟练的计算20以内的退位减法，体会算法多样化，并会运用加减法解决简单的问题。计算方法主要分为“破十法”、“连续减”、“想加算减法”、“多减加补法”。现举例如下： 13-9= （1）用“破十法” 13是由1个十和3个一组成的，可以先把10减去9，剩下的1和个位上的3合起来，得到13-9=4。这种算法的基础是孩子已经掌握了11～20各数的组成、会计算10以内的加法和减法，包括加减混合运算。 （2）用“连续减法” 把13-9拆成一道以前学过的连减法来算，把9分成3和6，13先减去3，再减去6，得到13-9=4。这种算法的基础是孩子已经掌握了10以内各数的分与合、会计算10以内的减法、十几减几得十的减法、连减的运算。 （3）用“想加算减法” 利用加法和减法之间的关系，只要知道9加几等于13，然后据此推出13减9就等于几。这种算法的基础是孩子会根据加法算式写出相应的减法算式，会求括号里的未知数，会计算20以内的进位加法。如果进位加法非常熟练，这种方法就会计算得很快，而且孩子的逆向思维得到了锻炼，对加减法之间的密切关系有了更深地理解。在教学中，大部分学生掌握了用“想加算减” 的方法计算十几减几，而且在运用这种计算方法的过程中体会到加减法之间的关系，个别孩子由于训练不到位，口算速度没有达到要求，还有一小部分学生由于基础差，以前学习的20以内的进位加法还没过关，因此还停留在” 扳手指“算的阶段，这将对后面进一步学习100以内的加减法有一定的影响。（4）用“多减加补法” 把13减9想成13减10，因为多减了1个，所以得到的数还要再加上1，即13- 9=13-10+1=4。
数学期望和方差的应用
２ＱＱ２±：箜！塑工 －学术－理论现代衾案一 数学期望和方差的应用 陈奕宏张鑫 （武警广州指挥学院广东广州５１０４４０） 摘要：本文主要讨论随机变量的数学期望和方差的性质，利用随机变量的对称性可简化求数学期望和方差的计算过程： 关键词：对称性数学期望方差 在教学过程中，由于很多同学对概牢论巾的定义和性质认识不深刻，冈此对概率论巾的问题存在许多认识误区，进一步影响了计算、证明能力。 性质ｌ对随机变量ｘ和ｙ，则有Ｅ（ｎｎ簟Ⅸ＋Ｅｙ①性质２设随机变量ｘ和ｙ相互独立，贝咿育层陇ｎ＝Ｅｘ?Ｅｙ②定义ｌ设Ｘ是一个随机变量，若ＥＩ肛删Ｉｚ存在，则称其为Ｘ的方差，记为Ｄｘ。即 Ｄｘ＝坦Ｉｘ—Ｅｘ】２③显然可得：们，－ＥｌＸ一以】２ ＝Ｅ瞄２—２ｘＥＸ＋（踊２］ ＝麟ｚ一（删）：④性质３设随机变量ｘ和ｙ相互独立，则有层孵ｙ：净Ｅ孵?Ｅｙ２⑤证明：设随机变量Ｘ和ｙ的联合分布密度为ｍ砂），｜ｊｌ《为ｘ和ｙ相互独立，有 “ｒ，ｙ）＝＾（掌）。，ｒ（ｙ） ．’．Ｅ（ｘ２ｙ２）＝Ｊ一。Ｊ一。工２ｙ２“ｒ，ｊ，）ｄ膏咖 ＝ｅｅｘ２ｙ２以（ｒ）厂ｒ（ｙ）如咖 ＝Ｃｘ２＾（工）如Ｃｙ２加）咖 ：Ｅｘ２Ｅ】，２⑥性质４设随机变量ｘ和ｌ，，ｎ和西为常数，则有Ｅ（口Ｘ２＋６ｙ２）＝ｎ露ｘ２＋６曰ｙ２（Ｄ证明：设随机变量ｘ和ｌ，的联合分布密度为厂（ｘ，ｊ，），则有 Ｅ似ｘ２＋６ｙ２）＝Ｊ＋。Ｊ一。（口工２＋６ｊ，２）“ｒ，ｊ，）ｄ＿咖 ＝ｅ仁ｎｘ２ｆｌｘ，，Ｍｘｄｙ＋ｅ仁ｂ矿ｆＩｘ，ｙⅪｘｄｙ ，＋∞，＋∞ｒ十ｏ，＋∞ ＝ｎ＼一。＼一亭２ｆＩｘ，如ｄｘｄ，＋ｂ１．。１一。旷ｆＩｘ，，Ⅺｘｄｙ ＝口ｆ）２【ｅ№ｊ，）ｄｙ】ｄｒ拍ｅｊ，２【Ｃ“础）ｄｘ协 ＝口仁量２【ｅ，（Ⅵ）ｄｙＪｄｘ柏ｅｊ，２【Ｃ，（础）ｄｘ坳 ＝ｎ尽２以（ｒ）ｄｙ拍Ｄ２加）ｄｙ ＝口ＥＸ２＋西Ｅｙ２ 掣狮，＝∥茗引ｍ，＝驴㈣’翟引 求Ｅ伍２＋ｙ２）。 解：Ｅ（ｘ２＋ｙ２）＝Ｅｘ２＋Ｅｙｚ（南公式⑦） ＝Ｉ：一４ｒ３出＋炒．１２ｙ２（１＋ｙ）咖《 性质５设随机变量ｘ和ｙ卡Ｈ互独立，则有 Ｄ（ｘ的＝Ｄｘ?Ｄｙ＋（Ｅ幻２?Ｄｌ，＋（层ｙ）２?Ｄｘ⑧ 证明：ＯＤⅨｙ）＝层（ｘｙ）２一ＩＥ（ｘｙ）Ｊ２ ＝Ｅ（Ｘ２ｙ２）一（ＥＸ）２（Ｅ】，）２ 南公式⑤，所以 Ｄ（Ｘｎ＝ＥＸ２Ｅｙ２一（ＥＸ）２（Ｅ”２ ＝曰ｘ２Ｅｌ，２一（Ｅ的２ＥＰ＋（Ｅ的２（Ｅｌ，）２一（Ｅ抑２僻ｙ）２ ＝【层ｘ２一（ＥＸ）２】ＥＰ＋（Ｅｘ）２【（Ｅ】，）２一（日ｙ）２】 矗剪陋妒＋（雕净汗钮曙（联）辚苦帮 ＝ｎ碰Ｉｙ＋（ＥＹ）２Ｄｙ＋（Ｅｙ）２蹦 显然，若随机变量ｘ和ｙ独立，则可得Ｄ（ｘｎ＞Ｄｘ?Ｄｙ⑨例设随机变量ｘ和ｌ，相互独立，均服从Ⅳ（Ｏ，１）分布，ｆ＝ｘ—ｙ，叩＝ｘｙ，试求１）Ｄ叩；２）ｐ￡。。 解：１）方法一 ＯＸ和ｙ相互独立 ．‘．Ｄ即＝Ｄ（ｘｙ）＝Ｅ（ｘｌ，）２一【层（ｘ聊】２ ＝Ｅ（ｒ—ｌ，）２一（以Ｅ的２ ＝Ｅ舻ＥＰ（由公式⑤） ＝【脚“（Ｅ的２】【Ｄｙ；（Ｅ玢２】＝１ 方法二 ０Ｘ和ｙ相互独立 ．?．Ｄｑ＝Ｄ（ｘ】，）＝似Ｄｙ＋（Ｅ柳２Ｄｙ＋（目】，）２Ｄｘ＝ｌ（由公式⑧）２）ｏｐ。：』业 ｑ厩丽 又ＯｃｏＶ（ｆ，＇７）＝层【（ｆ—Ｅｆ）（＇７一露７７）ｊ ＝层（ｘ２ｙ）一Ｅ（ｘＰ）（把ｆ＝ｘ—ｙ，’７＝ｘｙ代人） 曲（南ｘ与ｒ鹃对称性）综上所述，本文主要讨论连续型随机变量的数字特征的性质，结合对随机变量的对称性可解决存概率论巾一些常见的求数［字特征的问题。 参考文献： …盛骤等编概率论与数理统计高等教育出版社２００１．１２口 现代企业教育ＭＯＤＥＲＮＥＮＴＥＲＰＲＩＳＥＥＤＵＣＡＴＩＯＮ１１７ 万方数据
数学期望的计算方法及其应用
数学期望的计算方法及其应用
数学期望的计算方法及其应用 摘要：在概率论中，数学期望是随机变量一个重要的数字特征，它比较集中的反映了随机变量的某个侧面的平均性，而且随机变量的其他数字特征都是由数学期望来定义的，因此对随机变量的数学期望的计算方法的研究与探讨具有很深的实际意义。本论文着重总结了随机变量的数学期望在离散型随机变量分布与连续型随机变量分布下的一些常用的计算方法，如利用数学期望的定义和性质，利用不同分布的数学期望公式等等，并通过一些具体的例子说明不停的计算方法在不同情况下的应用，以达到计算最简化的目的。本文还通过介绍了一些随机变量数学期望的计算技巧，并探讨了各种简化计算随机变量数学期望的方法，利用一些特殊求和与积分公式，利用数学期望定义的不同形式，利用随机变量分布的对称性、重期望公式以及特征函数等，并通过例题使我们更加了解和掌握这些计算技巧，已达到学习该内容的目的。 关键词：离散型随机变量连续型随机变量数学期望计算方法 ABSTRACT：
第一节离散型随机变量数学期望的计算方法及应用1.1利用数学期望的定义，即定义法[1] 定义：设离散型随机变量Ｘ分布列为 则随机变量Ｘ的数学期望E(X)=)( 1i n i i x p x ∑=
注意：这里要求级数)( 1i n i i x p x ∑ = 绝对收敛，若级数 []2 例1 某推销人与工厂约定，永川把一箱货物按期无损地运到目的地可得佣金10元，若不按期则扣2元，若货物有损则扣5元，若既不按期又有损坏则扣16元。推销人按他的经验认为，一箱货物按期无损的的运到目的地有60﹪把握，不按期到达占20﹪，货物有损占10﹪，不按期又有损的占10﹪。试问推销人在用船运送货物时，每箱期望得到多少？ 解设Ｘ表示该推销人用船运送货物时每箱可得钱数，则按题意，Ｘ的分布为 按数学期望定义，该推销人每箱期望可得= ) (X E10×0.6＋8×0.2＋5×0.1－6×0.1＝7.5元1.2公式法 对于实际问题中的随机变量，假如我能够判定它服从某重点性分布特征（如二项分布，泊松
数学计算公式大全
一、数学计算公式大全： 1、每份数×份数＝总数总数÷每份数＝份数总数÷份数＝每份数 2、 1倍数×倍数＝几倍数几倍数÷1倍数＝倍数几倍数÷倍数＝1倍数 3、速度×时间＝路程路程÷速度＝时间路程÷时间＝速度 4、单价×数量＝总价总价÷单价＝数量总价÷数量＝单价 5、工作效率×工作时间＝工作总量工作总量÷工作效率＝工作时间工作总量÷工作时间＝工作效率 6、加数＋加数＝和和－一个加数＝另一个加数 7、被减数－减数＝差被减数－差＝减数差＋减数＝被减数 8、因数×因数＝积积÷一个因数＝另一个因数 9、被除数÷除数＝商被除数÷商＝除数商×除数＝被除数 小学数学图形计算公式 1 、正方形 C周长 S面积 a边长周长＝边长×4 C=4a 面积=边长×边长 S=a×a 2 、正方体 V:体积 a:棱长表面积=棱长×棱长×6 S表=a×a×6 体积=棱长×棱长×棱长V=a×a×a 3 、长方形： C周长 S面积 a边长 周长=(长+宽)×2 C=2(a+b) 面积=长×宽 S=ab 4 、长方体 V:体积 s:面积 a:长 b: 宽 h:高 (1)表面积(长×宽+长×高+宽×高)×2 S=2(ab+ah+bh) (2)体积=长×宽×高 V=abh 5 三角形 s面积 a底 h高 面积=底×高÷2 s=ah÷2 三角形高=面积×2÷底 三角形底=面积×2÷高 6 平行四边形 s面积 a底 h高 面积=底×高 s=ah 7 梯形 s面积 a上底 b下底 h高 面积=(上底+下底)×高÷2 s=(a+b)× h÷2
S面积 C周长∏ d=直径 r=半径 (1)周长=直径×∏=2×∏×半径 C=∏d=2∏r (2)面积=半径×半径×∏ 9 圆柱体 v:体积 h:高 s;底面积 r:底面半径 c:底面周长 (1)侧面积=底面周长×高 (2)表面积=侧面积+底面积×2 (3)体积=底面积×高 （4）体积＝侧面积÷2×半径 10 圆锥体 v:体积 h:高 s;底面积 r:底面半径 体积=底面积×高÷3 总数÷总份数＝平均数 和差问题的公式 (和＋差)÷2＝大数 (和－差)÷2＝小数 和倍问题 和÷(倍数－1)＝小数 小数×倍数＝大数 (或者和－小数＝大数) 差倍问题 差÷(倍数－1)＝小数 小数×倍数＝大数 (或小数＋差＝大数) 植树问题 1 非封闭线路上的植树问题主要可分为以下三种情形: ⑴如果在非封闭线路的两端都要植树,那么: 株数＝段数＋1＝全长÷株距－1 全长＝株距×(株数－1) 株距＝全长÷(株数－1) ⑵如果在非封闭线路的一端要植树,另一端不要植树,那么: 株数＝段数＝全长÷株距 全长＝株距×株数 株距＝全长÷株数 ⑶如果在非封闭线路的两端都不要植树,那么: 株数＝段数－1＝全长÷株距－1 全长＝株距×(株数＋1) 株距＝全长÷(株数＋1) 2 封闭线路上的植树问题的数量关系如下 株数＝段数＝全长÷株距 全长＝株距×株数 株距＝全长÷株数