数学期望在生活中的应用原文
数学期望在生活中的应用原文
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。
的函数，称为随机变量的函数。题中所涉及的最佳利润只能是利润的数学期望（即平均利润的最大值）。因此，本问题的解算过程是先确定Y 与X 的函数关系，再求出Y 的期望E （Y ），最后利用极值法求出E （Y ）的极大值点及最大值。
先假设每周的进货量为a ，则
Y=500300(),500100(),a x a x a x a x x a
+-≥??
--
=
200300,600100,a x x a x a x a
+≥??
-
利润Y 的数学期望为：
EY =1(600100)1020a x a dx -?+30
1(300200)20x a dx a
+? =-7.52a 2
+350a+5250
da
dEY
=-15a+350=0 a=35015
≈23.33 EY 的
最大值
max EY=-7.5×
2
70(
)3
+350×
703
+5250
≈
9333.3
元
根据结果可知，周最佳进货量为23.33（单
位），最大利润的期望值为9333.3元。
在经济活动中，不论是厂家的生产还是商家的销售，总是追求利润的最大化，供大于求或供不应求都不利于获得最大利润。但供应量和需求量又不是预先知道的。理性的厂家或商家往往根据过去的数据(概率），用数学期望结合微积分的有关知识，制定最佳的生产或销售策略。
（二）投资方案问题
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形势，若经济形势好可获利4万元，形势中等可获利1万元，形势不好要损失2万元。如果存入银行，假设利率为8%，可得利息8000元，又设经济形势好、中、差的概率分别为30%、50%、20%。试问应选择哪一种方案可使投资的效益较大？
比较两种投资方案获利的期望大小：
购买股票的获利期望是E(A1)=4×0.3+1×0.5+(-2)×0.2=1.3(万元）,存入银行的获利期望是E(A2)=0.8（万元），由于E(A1)>E(A2)，所以购买股票的期望收益比存
入银行的期望收益大，应采用购买股票的方案。在这里，投资方案有两种，但经济形势是一个不确定因素,做出选择的根据必须是数学期望高的方案。
（三）体育比赛问题
我国的羽毛球在世界上处于领先水平，技术风格是“快速、凶狠、准确、灵活”；指导思想是“以我为主，以快为主，以攻为主”。现以羽毛球比赛的安排提出一个问题：假设马来西亚队和中国队比赛。赛制有两种，一种是双方各出3人, 三局两胜制, 一种是双方各出5人，五局三胜制, 哪一种赛制对中国队更有利？下面,我们利用数学期望解答这个问题。由于中国队在这项比赛中的优势，我们不妨设中国队中每一位队员对马来西亚队员的胜率都为60%。根据前面的分析，下面我们只需要比较两个队对应的数学期望即可。
在五局三胜制中，中国队要取得胜利, 获胜的场数有3、4、5三种结果。我们计算三种结果对应的概率。
应用二项式定理可知，恰好获胜三场(即其
中两场失利)对应的概率：3456.0)6.01()6.0(2
33
5
=-c ；
恰好获胜四场对应的概率为：
2592.0)6.01()6.0(1
44
5c =-；
五场全部获胜的概率为：
07776
.0)
6.01()6.0(0
5
5
5
c =- 。
设随机变量为x 为为该赛制下中国队在比赛中获胜的场数，则可建立x 分布律：
X 3 4 5 P 0.3456
0.2592
0.07776
计算随机变量X 的数学期望:
E(X) = 3?0. 346 5 + 4?0. 259 2 + 5?0. 077 76= 2.465 1；
在三场两胜制中，中国队取得胜利，获胜的场数有2、3两种结果。对应的概率分别为：恰好获胜两场(其中有一场失利)对应的概率：432.0)6.01()6.0(2
2
3
=-c ；
三场全部获胜的概率为：
216
.0)6.01()6.0(03
3
3
c =-。
设随机变量Y 为该赛制下中国队在比赛中获
胜的场数, 则可建立Y的分布律：
Y 2 3
P 0.432 0.216
计算随机变量Y的数学期望:
E(Y) = 2×0. 432+3×0. 216=1. 512。
比较两个期望值得：E(X)> E(Y)。所以我们可以得出结论，五局三胜制对中国队更有利。
（四）抽奖问题
假设某百货超市现有一批快到期的日用产品急需处理，超市老板设计了免费抽奖活动来处理掉了这些商品。纸箱中装有大小相同的20个球，10个10分，10个5分，从中摸出10个球，摸出的10个球的分数之和即为中奖分数，获奖如下：一等奖100分，空调一个，价值2500元；
二等奖50分，微波炉一个，价值1000元；
三等奖95分，沐浴露6瓶，价值178元；
四等奖55分，沐浴露3瓶，价值88元；
五等奖60分，沐浴露1瓶，价值44元；
六等奖65分，洗面奶一瓶，价值8元；
七等奖70分，洗衣粉一袋，价值5元；
八等奖85分，香皂一块，价值3元；
九等奖90分，牙刷一把，价值2元；
十等奖75分与80分为优惠奖，只收成本价22元，将获得洗发露一瓶；
解析：表面上看整个活动对顾客都是有利的，一等奖到就等奖都是白得的，只有十等奖才收取一点成本价。但经过分析可以知道商家真的就亏损了吗？顾客就真能从中获得抽取大奖的机会吗？用以上方法分析一下并求得其期望值真相就可大白了。摸出10个球的分值只有11种情况，用X表示摸奖者获得的奖励金额数，一等奖等分
100
分，其对应
事件10101010
1020
(2500)c c X c ==，
X
的取值为250010001768844853222-、、、、、、、、、，概率可以类似求出，其概率分布为：
X 2500 1000 176 88 44 P 0.000 005 0.000 005 0.000 541 0.000 541 0.010
96
X 8 5 3 2 22
-
P
0.077 941
0.238 693
0.077 941
0.010 96
0.582
411
()1
E 10.098
i i i X x p ∞
===-∑ 表明商家在平均每一次的抽奖中将获得
10.098
元，而平均每个抽奖者将花10.098元来享受这
种免费的抽奖。从而可以看出顾客根本没有占到什么便宜。相反，商家采用这种方法不仅把快要到期的商品处理出去了，而且还为超市大量集聚了人气，为一举多得的手法。此百货超市老板运用数学期望估计出了他不会亏损而做了这个免费抽奖活动，最后一举多得，从中也看出了数学期望这一科学的方法在经济决策中的重要性。
（五）彩票问题
随着社会生活的丰富，人们购买彩票，谈论彩票中奖的热潮正在兴起。报纸上不时发表谈论彩票的文章，有时也谈到摸彩与数学的关系。但众所纷纭，也说不详，论也不确。众所周知，彩票抽奖属于“独立随机事件”，彩票预测违背科学。但从总体上来说，中奖号码有服从于某些统计规律。
为了研究彩票中的概率统计问题，我们选取了体育彩票和七乐彩及一些简单的模拟实验来帮助我们研究，例如：我们进行了模红白球的实验，先进性简单的概率计算问题，我们又以体育彩票和七乐彩为辅助实验并根据。由此我们计算出体彩的中奖概率如下（以一注为单位）特等奖 P0=1/10000000；
一等奖 P1=1/1000000；
二等奖 P2=20/1000000；
三等奖 P3=300/1000000；
四等奖 P4=4000/1000000；
五等奖 P5=50000/1000000；
P=P0+P1+P2+P3+P4+P5=0.0543211。
这就是说每1000注彩票约有54注中奖，经过公式计算我们计算出了七乐彩的中奖概率：
一等奖：C30~1/2035；
二等奖：P1=1/290829；
三等奖：P2=1/13219；
四等奖：P3=1/4406；
五等奖：P4=1/420；
六等奖：P5=1/252；
七等奖：P6=1/38。
一般来说，各类彩票各奖级的中奖几率总和在4%-5%左右。如果要中奖金数目大的最高奖，概率一般为几十万至几百万分之一，难度更为大，是可遇而不可求的。对于购买题材只能是本着对中国体育事业支持的想法，而不能对回报有过高的期望。
彩票的中奖概率与数学里的数理统计学有着密切的关系，通过统计概率，我们可以更好的发现数理统计学与生活的密切关系。在彩票市场异常火爆的今天，我们要作一个理性的彩迷，对彩票持有正确的认识，买彩票是彩民的一个爱好，一种自愿的活动，理智的彩民不该抱着赌博的心态，孤注一掷，投入极大的资金，应量力而出以平常健康重在参与的心态买彩票。
（六）医疗问题
在某地区进行某种疾病普查，为此要检验每个人的血液，如果当地有N个人，若逐个检验就需要检验N次，现在要问：有没有办法减少检验的工作量？
我们先把受检验者分组，假设每组有k个人，把这k个人的血液混合在一起进行检验，如果检验的结果为阴性，这说明k个人的血液全为阴性，因而这k个人总共只要检验一次就够了，检验的工作量显然是减少了，但是如果检验的结果是阳性，为了明确k个人中究竟是哪几个人为阳性，就要对这k个人再逐个进行检验，这时k 个人检验的总次数为k+1次，检验的工作量反而有所增加，显然，这时k个人需要的检验次数可能只要1次，也可能要检验k+1次，是一个随机变量，为了和老方法比较工作量的大小，应该求出它的平均值（也是平均检验次数）。
在接受检验的人群中，各个人的检验结果是阳性还是阴性，一般都是独立的（如果这种病不是传染病或遗传吧遗传病），并且每个人是阳性结果的概率为p，就是阴性结果的概率为q=1-p，这时k个人一组的混合血液呈阴性结果的概率为k q，呈阳性结果的概率则为1－k q,现在令η为k个人一组混合检验时每人所需的检验次数，由上述讨论可知η的分布列为：
η1
k1+1 k
P k q1-k q
由此即可求得每个人所需得平均检验次数为
Eη=1
k.k q+（1+
1
k）（1-k q）
=1-k q+1 k
而按原来得老方法每人应该检验1次，所以当
1-k q+1
k＜1，即q k k
时，用分组的办法（k个人一组）就能减少检验的次数，如果q是已知的，还可以从
Eη=1-k q+1
k中选取最合适的整数0k，使得平均检
验次数Eη达到最小值，从而使平均检验次数减少。
对一些不同的p值，如下表给出了使Eη达到最小的0k值：
阳性反应率
k阳性反应
率
k
0.140 3 0.016 8 0.130 3 9
0.120 4 9
0.110 4 0.013 9
0.100 4 0.012 10
0.090 4 0.011 10
0.080 4 0.010 11
0.070 4 0.009 11
0.060 5 0.008 12
0.050 5 0.007 12
0.040 6 0.006 13
0.030 6 0.005 15
0.020 8 0.015 16
0.019 8 0.014 19
0.018 8 0.002 23
0.017 8 0.001 32
我国某医疗机构在一次普查中，由于采用了上述这种分组的方法，结果每100个人的平均检验次数为21，减少工作量达79%。当然，减少的工作量的大小与p的数值由关，也与每组人数k有关。
（七）求职决策问题
有三家公司为大学毕业生甲提供应聘机会，按面试的时间顺序，这三家公司分别记为x、y、z，每家公司都可提供极好、好和一般三种职位。每家公司根据面试情况决定给求职者何种职位或拒绝提供职位。按规定，双方在面试后要立即做出决定提供，接受或拒绝某种职位，且不能毁约。咨询专家在为甲的综合素质和学业成绩进行评估后，认为甲获得极好、较好和一般的可能性依次为0.2、0.3和0.4。则三家公司的工资承诺如表：
公司极好好一般
x 3500 3000 2200
y 3900 2950 2500
c 4000 3000 2500
如果甲在选择时把工资作为首选条件，那么甲在各公司面试时，对该公司提供的各种职位应作何种选择？
分析：由于面试从x公司开始，甲在选择x公司三种职位是必须考虑后面y、z公司提供的工资待遇，同样在y公司面试后，也必须考虑z公司的待遇。因此我们先从z公司开始讨论。由于
z公司工资3X期望值为：
E（3X）=4000?0.2+3000?0.3+2500?0.4=2700元
再考虑y公司，由于y公司一般职位工资只有2500，低于z公司的平均工资，因此甲在面对y 公司时，只接受极好和好两种职位，否则去z公司。如此决策时加工资2X的期望值为：
E（2X）=3900?0.2+2950?0.3+2700?0.5=3015元
最后考虑x公司，x公司只有极好职位工资超过3015，因此甲只接受A公司的极好职位。否则去y公司。
甲的整体决策应是如此：先去x公司应聘，若x公司提供极好职位就接受。否则去y公司，若y公司提供极好或好的职位就接受，否则去z公司应聘任意一种职位。在这一决策下，甲工资1X 的期望值为：
E（1X）=3500?0.2+3015?0.8=3112元
大学生的就业问题已引起社会的广泛关注。随着社会生产力的不断提高，各行各业的就业岗位已经远远不能满足即将就业者的需求。尤其是
一些比较好的岗位供不应求，所以兴起了公务员热，事业单位热等社会现象。作为一名即将毕业的大学生，面对的竞争激烈的就业市场，除了刻苦学习本专业知识，努力培养社会经验、就业能力以外，在求职过程中，应该如何进行决策，使自己的求职更顺利一些，已是一个摆在大学生面前非常值得考虑的问题。同时如何提高自己的自主创新能力，学习接受能力也是对毕业生的一大考验。
三、结论
数学期望是反映随机变量总体取值的平均水平的一个重要的数字特征，而在现实社会中由于不确定因素太多，加上各个方面竞争太激烈，从而人们在做经济决策时就会相当谨慎，常常会在多个决策中找出最好的一个方案。数学期望则
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)。
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
《数学归纳法及其应用举例》教案
《数学归纳法及其应用举例》教案 中卫市第一中学 俞清华 教学目标： 1．认知目标：了解数学归纳法的原理，掌握用数学归纳法证题的方法。 2．能力目标：培养学生理解分析、归纳推理和独立实践的能力。 3．情感目标：激发学生的求知欲，增强学生的学习热情，培养学生辩证唯物主义的世界观 和勇于探索的科学精神。 教学重点： 了解数学归纳法的原理及掌握用数学归纳法证题的方法。 教学难点： 数学归纳法原理的了解及递推思想在解题中的体现。 教学过程： 一．创设情境，回顾引入 师：本节课我们学习《数学归纳法及其应用举例》（板书）。首先给大家讲一个故事：从前有 一个员外的儿子学写字，当老师教他写数字的时候，告诉他一、二、三的写法时，员外儿子很高兴，告诉老师他会写数字了。过了不久，员外要写请帖宴请亲朋好友到家里做客，员外儿子自告奋勇地要写请帖。结果早晨开始写，一直到了晚间也没有写完，请问同学们，这是为什么呢？ 生：因为有姓“万”的。 师：对！有姓“万”的。员外儿子万万也没有想到“万”不是一万横，而是这么写的“万”。通过这个故事，你对员外儿子有何评价呢？ 生：（学生的评价主要会有两种，一是员外儿子愚蠢，二是员外儿子还是聪明的。） 师：其实员外儿子观察、归纳、猜想的能力还是很不错的，但遗憾的是他猜错了！在数学 上，我们很多时候是通过观察→归纳→猜想，这种思维过程去发现某些结论，它是一种创造性的思维过程。那么，我们在以前的学习过程中，有没有也像员外儿子那样猜想过某些结论呢？ 生：有。例如等差数列通项公式的推导。 师：很好。我们是由等差数列前几项满足的规律：d a a 011+=，d a a +=12，d a a 213+=，d a a 314+=，……归纳出了它的通项公式的。其实我们推导等差数列通项公式的方法和员外儿子猜想数字写法的方法都是归纳法。那么你能说说什么是归纳法，归纳法有什么特点吗？ 生：由特殊事例得出一般结论的归纳推理方法，通常叫做归纳法。特点：特殊→一般。 师：对。（投影展示有关定义） 像这种由特殊事例得出一般结论的归纳推理方法，通常叫做归纳法。根据推理过程中考察的 对象是涉及事物的一部分还是全部，分为不完全归纳法和完全归纳法。 完全归纳法是一种在研究了事物的所有（有限种）特殊情况后得出一般结论的推理方法，又 叫做枚举法。那么，用完全归纳法得出的结论可靠吗？ 生：（齐答）可靠。 师：用不完全归纳法得出的结论是不是也是可靠的呢？为什么？
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
数学归纳法及其应用举例1
数学归纳法及其应用举例 【本章学习目标】 人们在研究数量的变化时，常常会遇到有确定变化趋势的无限变化过程，这种无限变化过程就是极限的概念与思想，极限是人们研究许多问题的工具。以刘微的“割圆术”为例，圆内接正n 边形的边数无限增加时，正n 边形的周长P n 无限趋近于圆周长2πR 。这里的是个有限多项的数列，人们可以从这个有限多项的数列来探索无穷数列的变化趋势。不论n 取多么大的整数，n P 都是相应的圆周长的近似值，但是我们可以从这些近似值的精确度的无限提高中（限n 无限增大）找出圆周长的精确值2πR 。随着n 的增加，n P 在变化，这可以认为是量变（即只要n 是有限数，n P 都是圆内接正多边形的周长）；但是我们可以从这些量变中来发现圆周长。一旦得出2πR ，就是质的变化（即不再是正多边形的周长）。这种从有限中认识无限，从近似中认识精确，从量变中认识质变的思想就是极限的思想。 本章重点内容是： （1）数学归纳法及其应用。 （2）研究性课题：杨辉三角。 （3）数列的极限。 （4）函数的极限。 （5）极限的四则运算。 （6）函数的连续性。 本章难点内容是： （1）数学归纳法的原理及其应用。 （2）极限的概念。 【基础知识导引】 1．了解数学推理中的常用方法——数学归纳法。 2．理解数学归纳法的科学性及用数学归纳法来证明与正整数有关命题的步骤。 3．掌握数学归纳法的一些简单应用。 【教材内容全解】 1．归纳法
前面我们在学习等差数列时，通过等差数列的前几项满足的关系式归纳出等差数列的通项公式。再如根据三角形、四边形、五边形、六边形等的内角和归纳出凸n 边形内角和公式。像这样由一系列有限的特殊事例得出一般结论的推理方法，叫做归纳法。 对于归纳法我们可以从以下两个方面来理解。 （1）归纳法可以帮助我们从具体事列中发现事物的一般规律。 （2）根据考察的对象是全部还是部分，归纳法又分完全归纳法与不完全归纳法。显然等差数列通项公式，凸n 边形内角和公式都是通过不完全归纳法得出的，这些结论是正确的。但并不是所有由不完全归纳法得出的结论都是正确的。这是因为不完全归纳只考察了部分情况，结论不具有普遍性。例如课本62P 数列通项公式22)55(+-=n n a n 就是一个典型。 2．数学归纳法 在生活与生产实践中，像等差数列通项公式这样与正整数有关的命题很多。由于正整数有无限多个，因而不可能对所有正整数一一加以验证。如果只对部分正整数加以验证就得出结论，所得结论又不一定正确，要是找到把所得结论递推下去的根据，就可以把结论推广到所有正整数。这就是数学归纳法的基本思想：即先验证使结论 有意义的最小正整数0n ，如果当0n n =时，命题成立，再假设当 ),(*0N k n k k n ∈≥=时，命题成立（这时命是否成立不是确定的），根据这个假设，如能推出当n=k+1时，命题也成立，那么就可以递推出对所有不小于0n 的正整数命题都成立。 由此可知，用数学归纳法证明一个与正整数有关的命题时，要分两个步骤，且两个步骤缺一不可。 第一步递推的基础，缺少第一步，递推就缺乏正确的基础，一方面，第一步再简单，也不能省略。另一方面，第一步只要考察使结论成立的最小正整数就足够了，一般没有必要再多考察几个正整数。 第二步是递推的根据。仅有这一步而没有第一步，就失去了递推的基础。例如，假设n=k 时，等式 成立，就是。那么， 。这就是说，如果n=k 时等式成立， 那么n=k+1时等式也成立。但仅根据这一步不能得出等式对于任何n ∈N*都成立。因为当n=1时，上式左边=2，右边31112=++=，左边≠右边。这说明了缺少第一步这个基础，第二步的递推也就没有意义了。只有把第一步的结论与第二步的结论结合在一起，才能得出普遍性结论。因此，完成一、二两点后，还要做一个小结。 在证明传递性时，应注意： （1）证n=k+1成立时，必须用n=k 成立的假设，否则就不是数学归纳法。应当指出，n=k 成立是假设的，这一步是证明传递性，正确性由第一步可以保证，有了递推这一步，联系第一步的结论（命题对0n n =成立），就可以知道命题对10+n 也成立，进而再由第二步可知1)1(0++=n n ，即20+=n n 也成立。这样递推下去，就可以知道命题对所有不小于0n 的正整数都成立。 （2）证n=k+1时，可先列出n=k+1成立的数学式子，作为证明的目标。可以作为条件加以运用的有n=k 成立的假设，已知的定义、公式、定理等，不能直接将n=k+1代入命题。 3．这一节课本中共安排了五个例题，例1～例3是用数学归纳法证明等式。其步骤是先证明当0n n =（这里10=n ）时等式成立。再假设当n=k 时等式成立，利用这一条件及已知的定义、公式、定理证明当n=k+1时等式也成立。注意n=k+1时的等式是待证明的，不能不利用假设。例如：求证：。
高中数学《数学归纳法及其应用举例》教学设计附反思
课题：数学归纳法及其应用举例 【教学目标】 知识与技能： 1. 了解由有限多个特殊事例得出的一般结论不一定正确，使学生深入认识归纳法, 理解数学归纳法的原理与实质; 2. 掌握数学归纳法证题的两个步骤；初步会用“数学归纳法”证明简单的与自然数有关的命题(如恒等式等)． 3. 培养学生观察、分析、论证的能力, 进一步发展学生的抽象思维能力和创新能力，让学生经历数学归纳法原理的构建过程, 体会类比的数学思想．过程与方法: 1.努力创设和谐融洽的课堂情境，使学生处于积极思考、大胆质疑氛围，提高学生学习的兴趣和课堂效率．让学生体验知识的构建过程, 体会源于生活的数学思想; 2. 通过对数学归纳法的学习、应用，逐步体验观察、归纳、猜想、论证的过程，培养学生由特殊到一般的思维方式和严格规范的论证意识，并初步掌握论证方法; 3. 让学生经历发现问题、提出问题、分析问题、解决问题的过程，培养学生创新能力. 情感、态度、价值观: 1. 通过对数学归纳法原理的探究，培养学生严谨的、实事求是的科学态度和不怕困难，勇于探索的精神； 2. 让学生通过对数学归纳法原理和本质的理解，感受数学内在美的震撼力，从而使学生喜欢数学,激发学生的学习热情，使学生初步形成做数学的意识和科学精神； 3. 学生通过置疑与探究，培养学生独立的人格与敢于创新的精神； 4. 持续增进师生互信，生生互助，共创教学相长的教与学的氛围和习惯. 【教学重点】 归纳法意义的认识和数学归纳法产生过程的分析，初步理解数学归纳法的原理并能简单应用. 【教学难点】 数学归纳法中递推思想的理解,初步明确用数学归纳法证明命题的两个步骤. 【教学方法】师生互动讨论、共同探究的方法 【教学手段】多媒体辅助课堂教学 【教学过程】 一、创设情境，启动思维 情境一、财主儿子学写字的笑话、“小明弟兄三个，大哥叫大毛……”的脑筋急转弯等； 教师总结：财主的儿子很傻很天真，但他懂一样思想方法，是什么？以上都是由特殊情况归纳出一般情况的方法---归纳法，这就是今天的课题. 人们通常
数学期望在生活中的应用原文
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。
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
浅谈数学归纳法在高考中的应用
1、数学归纳法的理论基础 数学归纳法，人类天才的思维、巧妙的方法、精致的工具，解决无限的问题。它体现的是利用有限解决无限问题的思想，这一思想凝结了数学家们无限的想象力和创造力，这无疑形成了数学证明中一道绚丽多彩的风景线。它的巧妙让人回味无穷，这一思想的发现为后来数学的发展开辟了道路，如用有限维空间代替无限维空间（多项式逼近连续函数）用有限过程代替无限过程（积分和无穷级数用有限项和答题，导数用差分代替）。 1.1数学归纳法的发展历史 自古以来，人们就会想到问题的推广，由特殊到一般、由有限到无限，可人类对无限的把握不顺利。在对无穷思考的过程中，古希腊出现了许多悖论，如芝诺悖论，在数列中为了确保结论的正确，则必须考虑无限。还有生活中一些现象，如烽火的传递，鞭炮的燃放等，触动了人类的思想。 安提丰用圆周内接正多边形无穷地逼近圆的方法解决化圆为方；刘徽、祖冲之用圆内接正多边形去无穷地逼迫圆，无穷的问题层出不穷，后来古希腊欧几里得对命题“素数的个数是无穷的”的证明，通过了有限去实现无限，体现了数学归纳法递推思想。但要形成数学归纳法中明确的递推，清晰的步骤确是一件不容易的事，作为自觉运用进行数学证明却是近代的事。 伊本海塞姆（10世纪末）、凯拉吉（11世纪上叶）、伊本穆思依姆（12世纪末）、伊本班纳（13世纪末）等都使用了归纳推理，这表明数学归纳法使用较普遍，尤其是凯拉吉利用数学归纳法证明 22 333 (1)124n n n +++??????+= 这是数学家对数学归纳法的最早证明。 接着,法国数学家莱维.本.热尔松(13世纪末)用"逐步的无限递进"，即归纳推理证明有关整数命题和排列组合命题。他比伊斯兰数学家更清楚地体现数学归纳法证明的基础，递进归纳两个步骤。 到16世纪中叶，意大利数学家毛罗利科对与全体和全体自然数有关的命题的证明作了深入的考察在1575年，毛罗利科证明了 21n n a a n ++= 其中1231,2k a k =+++?????? =?????? 他利用了逐步推理铸就了“递归推理”的思路，成为了较早找到数学归纳中“递 归推理”的数学家，为无限的把握提供了思维。 17世纪法国数学家帕斯卡为数学归纳法的发明作了巨大贡献，他首先明确而清晰地阐述数学归纳法的运用程序，并完整地使用数学归纳法，证明了他所发
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
数学归纳法的应用
数学归纳法的应用 姓名 甘国优 指导教师 赵慧炜 中文摘要：数学归纳法是数学中一种非常普遍的证题的方法，其应用极为广泛．本次主要简述了数学归纳法的简略步骤：观察（探索）﹑归纳﹑猜想﹑证明于一体的数学思想，体现出数学归纳法的证题思路．并归纳总结了数学归纳法解决代数恒等式﹑几何等方面的一些简单应用问题的方法，对应用中常见的误区加以剖析，以及介绍一些证题方法技巧，有助于提高对数学归纳法的应用能力． 关键词：数学归纳法；步骤;证明方法． Abstract: Mathematical induction is a common evidence method in mathematics, it is have very broad application. In this paper, author research into the step of the Mathematical induction , it includes summariz ，evidence and guess embody the idea of the evidence of mathematical induction. Also at here ,we summariz the method of the mathematical induction application in solve algebra identities , geometric ,order and portfolio ,and so on .also analyze the common errors on application and into duct skill of the proof ,proof of skills introduced. It is help to increased the level of the Mathematical induction’s application ． Key words ：Mathematical induction; Steps ; Proof. 引言 演绎和归纳是人在思维过程中两个完全相反的过程.同时又是数学思维中两种基本的方法.数学归纳法是一种重要的数学证明方法，他有着其他方法所不能代替的作用，也是证明与自然数有关的数学命题的一种完全归纳法.我们在学习运用数学归纳法应具备两个条件：①当1n =时，这个命题为正确的（奠基），②当n k =时，这个命题也为正确的．推出当+1n k =时，这个命题也为正确的（递推）．通过“递推”链接，实现从特殊到一般的转化，抽象的进行数学归纳.首先
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
数学期望性质与应用举例
5.数学期望的基本性质 利用数学期望的定义可以证明，数学期望具有如下基本性质： 设ξ, η为随机变量，且E(ξ)，E(η)都存在，a，b，c为常数，则 性质1.E(c)=c； 性质2.E(aξ)=aE(ξ)； 性质3.E(a+ξ)=E(ξ)+a； 性质4.E(aξ+b)=aE(ξ)+b； 性质5. E(ξ+η)=E(ξ)+E(η)． 例3.5.7设随机变量X的概率分布为: P(X =k)=0.2 k =1,2,3,4,5. 求E(X),E(3X+2)． 解. ∵P(X=k)=0.2 k=1,2,3,4,5 ∴由离散型随机变量的数学期望的定义可知 E(X)=1×0.2+2×0.2+3×0.2+4×0.2+5×0.2=3， E(3X+2)=3E(X)+2=11． 例3.5.8. 设随机变量X的密度函数为: 求E(X),E(2X-1)． 解.由连续型随机变量的数学期望的定义可知 =-1/6+1/6=0． ∴E(2X-1)=2E(X)-1=-1． 我们已经学习了离散型随机变量和连续型随机变量的数学期望,在随机变量的数字特征中,除数学期望外,另一重要的数字特征就是方差.
4.1.2 数学期望的性质 （1）设是常数，则有。 证把常数看作一个随机变量，它只能取得唯一的值，取得这个值的概率显然等于1。所以，。 （2）设是随机变量，是常数，则有 。 证若是连续型随机变量，且其密度函数为。 。 当是离散型随机变量的情形时，将上述证明中的积分号改为求和号即得。 （3）设都是随机变量，则有 。 此性质的证明可以直接利用定理4.1.2，我们留作课后练习。这一性质可以推广到有限个随机变量之和的情况，即 。 （4）设是相互独立的随机变量，则 。 证仅就与都是连续型随机变量的情形来证明。设的概率密度分别为 和，的联合概率密度为，则因为与相互独立，所以有 。 由此得
高中数学《数学归纳法及应用举例》说课稿
《数学归纳法及应用举例》第一课说课方案 一、说教材 （一）教材分析 本课是数学归纳法的第一节课。前面学生已经通过数列一章内容和其它相关内容的学习，初步掌握了 由有限多个特殊事例得出一般结论的推理方法，即不完全归纳法。不完全归纳法它是研究数学问题，猜想或发现数学规律的重要手段。但是，由有限多个特殊事例得出的结论不一定正确，这种推理方法不能作为 一种论证方法。因此，在不完全归纳法的基础上，必须进一步学习严谨的科学的论证方法─数学归纳法。 数学归纳法安排在数列之后极限之前，是促进学生从有限思维发展到无限思维的一个重要环节。并且，本 节内容是培养学生严密的推理能力、训练学生的抽象思维能力、体验数学内在美的好素材。 （二）教学目标 学生通过数列等相关知识的学习。已基本掌握了不完全归纳法，已经有一定的观察、归纳、猜想能力。通过近几年教学方法的改革和素质教育的实施，学生已基本习惯于对已给问题的主动探究，但主动提出问 题和置疑的习惯还未形成。能主动提出问题和敢于置疑是学生具有独立人格和创新能力的重要标志。如何 让学生主动置疑和提出问题？本课也想在这方面作一些尝试。 根据教学内容特点和教学大纲、根据学生以上实际、根据学生终身发展需要而制订以下教学目标。 1.知识目标 （1）了解由有限多个特殊事例得出的一般结论不一定正确。 （2）初步理解数学归纳法原理。 （3）理解和记住用数学归纳法证明数学命题的两个步骤。 （4）初步会用数学归纳法证明一些简单的与正整数有关的恒等式。 2.能力目标 （1）通过对数学归纳法的学习、应用，培养学生观察、归纳、猜想、分析能力和严密的逻辑推理能力。 （2）让学生经历发现问题、提出问题、分析问题、解决问题的过程，培养学生的创新能力。 3.情感目标 （1）通过对数学归纳法原理的探究，培养学生严谨的、实事求是的科学态度和不怕困难，勇于探索的精神。 （2）让学生通过对数学归纳法原理的理解，感受数学内在美的振憾力，从而使学生喜欢数学。 （3）学生通过置疑与探究，培养学生独立的人格与敢于创新精神。 （三）教学重难点 根据教学大纲要求、本节课内容特点和学生现有知识水平，确定如下教学重难点： 1.重点 （1）初步理解数学归纳法的原理。 （2）明确用数学归纳法证明命题的两个步骤。 （3）初步会用数学归纳法证明简单的与正整数数学恒等式。 2.难点 （1）对数学归纳法原理的理解，即理解数学归纳法证题的严密性与有效性。 （2）假设的利用，即如何利用假设证明当n=k+1时结论正确。 二、说教法 本课采用交往式的教学方法。交往教学法的特点是：在教师的组织启发下，师生之间、学生之间共同 探讨，平等交流;既强调独立思考，又提倡团结合作;既重视教师的组织引导，又强调学生的主体性、主动 性、平等性、开放性、合作性。这种教学方法的优点是学生心态开放，主体性和主动性凸现，独立的个性 得到张扬，因而创造性得到解放。 三、说学法 本课以问题为中心，以解决问题为主线展开，学生主要采用“探究式学习法”进行学习。本课学生的 学习主要采用下面的模式进行： 观察情景提出问题分析问题猜想与置疑（结论或解决问题的途径） 论证应用。 探究学习法的好处是学生主动参与知识的发生、发展过程。学生在探究问题过程中学习，在探究问题 的过程中激发学生的好奇心和创新精神;在探究过程中学习科学研究的方法;在探究过程中形成坚韧不拔
数学归纳法在离散数学中的应用
数学归纳法在离散数学中的应用 在由一系列有限的特殊事例得出一般性结论的推理方法称为归纳法。而 数学归纳法则是用于证明与自然数n 有关的结论的归纳法：如果我们能够证明当n=1时结论是成立的，而且我们能用相同的方法由n=1命题成立证得n=2命题也成立；由n=2命题成立证得n=3成立；由n=3命题成立证得n=4成立…而且这个过程显然可以无穷进行下去。则我们就断言对于所有自然数n 命题都是成立的。数学归纳法的一般形式为，关键是归纳： 初始步）：先证n ＝1时，结论成立； 归纳步)：再证若假设对自然数n ＝k 结论成立（或者对所有小于等于n 的 自然数k 结论都成立），则对下一个自然数n ＝k+1结论也成立； 结论）： 根据初始步和归纳步的证明得出结论对所有自然数都成立。 当结论与多个自然数有关时这样一类题目的时候，要注意的一点就是对所要进行归纳的自然数的选择。 例1、对群
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