本文由 39334487 收集发布，转载请注明出处，如有问题请联系我们！高二数学精品教案 离散型随机变量的方差（选修2-3）

2．3．2离散型随机变量的方差
教学目标：
知识与技能：了解离散型随机变量的方差、标准差的意义，会根据离散型随机变量的分布列求出方差或标准差。
过程与方法：了解方差公式“D(aξ+b)=a2Dξ”，以及“若ξ～Β(n，p)，则Dξ=np(1—p)”，并会应用上述公式计算有关随机变量的方差 。
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：离散型随机变量的方差、标准差
教学难点：比较两个随机变量的期望与方差的大小，从而解决实际问题
教具准备：多媒体、实物投影仪 。
教学设想：了解方差公式“D(aξ+b)=a2Dξ”，以及“若ξ～Β(n，p)，则Dξ=np(1—p)”，并会应用上述公式计算有关随机变量的方差 。
授课类型：新授课
课时安排：2课时
教    具：多媒体、实物投影仪
内容分析：
    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，表示了随机变量在随机实验中取值的平均值，所以又常称为随机变量的平均数、均值．今天，我们将对随机变量取值的稳定与波动、集中与离散的程度进行研究．其实在初中我们也对一组数据的波动情况作过研究，即研究过一组数据的方差.
回顾一组数据的方差的概念：设在一组数据，，…，中，各数据与它们的平均值得差的平方分别是，，…，，那么＋＋…＋
叫做这组数据的方差
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
   5. 分布列:
ξ
x1
x2
…
xi
…
P
P1
P2
…
Pi
…
6. 分布列的两个性质： ⑴Pi≥0，i＝1，2，…； ⑵P1+P2+…=1．
7.二项分布:ξ～B(n，p)，并记＝b(k；n，p)．
ξ
0
1
…
k
…
n
P
…
…
8.几何分布： g(k，p)= ，其中k＝0,1,2,…， ．
ξ
1
2
3
…
k
…
P
…
…
9.数学期望:  一般地，若离散型随机变量ξ的概率分布为
ξ
x1
x2
…
xn
…
P
p1
p2
…
pn
…
则称 ……  为ξ的数学期望，简称期望．
　　10. 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
11 平均数、均值: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
12. 期望的一个性质:
13.若ξB（n,p），则Eξ=np  
二、讲解新课：
   1. 方差: 对于离散型随机变量ξ，如果它所有可能取的值是，，…，，…，且取这些值的概率分别是，，…，，…，那么,
＝＋＋…＋＋…
称为随机变量ξ的均方差，简称为方差，式中的是随机变量ξ的期望．
2. 标准差:的算术平方根叫做随机变量ξ的标准差，记作．
3.方差的性质：（1）；（2）；
（3）若ξ～B(n，p)，则np(1-p)  
4.其它：
⑴随机变量ξ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ξ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；
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
三、讲解范例：
例1．随机抛掷一枚质地均匀的骰子,求向上一面的点数的均值、方差和标准差.
解：抛掷散子所得点数X 的分布列为
ξ
1
2
3
4
5
6
P
从而
;
 
.
例2．有甲乙两个单位都愿意聘用你，而你能获得如下信息：
甲单位不同职位月工资X1/元
1200
1400
1600
1800
获得相应职位的概率P1
0.4
0.3
0.2
0.1
乙单位不同职位月工资X2/元
1000
1400
1800
2000
获得相应职位的概率P2
0.4
0.3
0.2
0.1
根据工资待遇的差异情况，你愿意选择哪家单位？
解：根据月工资的分布列，利用计算器可算得
EX1 = 1200×0.4 + 1 400×0.3 + 1600×0.2 + 1800×0.1
= 1400 ,
DX1 = (1200-1400) 2 ×0. 4 + (1400-1400 ) 2×0.3
+ (1600 -1400 )2×0.2+(1800-1400) 2×0. 1
= 40 000 ;
EX2＝1 000×0.4 +1 400×0.3 + 1 800×0.2 + 2200×0.1 = 1400 ,
DX2 = (1000-1400)2×0. 4+(1 400-1400)×0.3 + (1800-1400)2×0.2 + (2200-1400 )2×0.l
= 160000 .
因为EX1 =EX2, DX1<DX2，所以两家单位的工资均值相等，但甲单位不同职位的工资相对集中，乙单位不同职位的工资相对分散．这样，如果你希望不同职位的工资差距小一些，就选择甲单位；如果你希望不同职位的工资差距大一些，就选择乙单位．
例3．设随机变量ξ的分布列为
ξ
1
2
…
n
P
…
求Dξ
   解：（略）,
例4．已知离散型随机变量的概率分布为
1
2
3
4
5
6
7
P
离散型随机变量的概率分布为
3．7
3．8
3．9
4
4．1
4．2
4．3
P
求这两个随机变量期望、均方差与标准差
解：；
；
；
=0.04, .
点评：本题中的和都以相等的概率取各个不同的值，但的取值较为分散，的取值较为集中．，，，方差比较清楚地指出了比取值更集中．
＝2，=0.02，可以看出这两个随机变量取值与其期望值的偏差
例5．甲、乙两射手在同一条件下进行射击，分布列如下：射手甲击中环数8，9，10的概率分别为0.2,0.6,0.2;射手乙击中环数8，9，10的概率分别为0.4,0.2,0.24用击中环数的期望与方差比较两名射手的射击水平
解：
+（10-9）；
同理有
由上可知，，所以，在射击之前，可以预测甲、乙两名射手所得的平均环数很接近，均在9环左右，但甲所得环数较集中，以9环居多，而乙得环数较分散，得8、10环地次数多些．
点评：本题中，和所有可能取的值是一致的，只是概率的分布情况不同．=9，这时就通过=0.4和=0.8来比较和的离散程度，即两名射手成绩的稳定情况
例6．A、B两台机床同时加工零件，每生产一批数量较大的产品时，出次品的概率如下表所示：
A机床 B机床
次品数ξ1
0
1
2
3
次品数ξ1
0
1
2
3
概率P
0.7
0.2
0.06
0.04
概率P
0.8
0.06
0.04
0.10
问哪一台机床加工质量较好
解： Eξ1=0×0.7+1×0.2+2×0.06+3×0.04=0.44,
Eξ2=0×0.8+1×0.06+2×0.04+3×0.10=0.44.
它们的期望相同，再比较它们的方差
Dξ1=（0-0.44）2×0.7+（1-0.44）2×0.2+（2-0.44）2
×0.06+（3-0.44）2×0.04=0.6064,
Dξ2=（0-0.44）2×0.8+（1-0.44）2×0.06+（2-0.44）2
×0.04+（3-0.44）2×0.10=0.9264.
∴Dξ1< Dξ2   故A机床加工较稳定、质量较好.
四、课堂练习：
 1 .已知，则的值分别是（       ）
A．；　　B．；　　C．；　　D．
答案：1.D  
2. 一盒中装有零件12个，其中有9个正品，3个次品，从中任取一个，如果每次取出次品就不再放回去，再取一个零件，直到取得正品为止．求在取得正品之前已取出次品数的期望．
分析：涉及次品率；抽样是否放回的问题．本例采用不放回抽样，每次抽样后次品率将会发生变化，即各次抽样是不独立的．如果抽样采用放回抽样，则各次抽样的次品率不变，各次抽样是否抽出次品是完全独立的事件．
解：设取得正品之前已取出的次品数为ξ，显然ξ所有可能取的值为0，1，2，3
当ξ=0时，即第一次取得正品，试验停止，则
P（ξ=0）=
当ξ=1时，即第一次取出次品，第二次取得正品，试验停止，则
P（ξ=1）=
当ξ=2时，即第一、二次取出次品，第三次取得正品，试验停止，则
P（ξ=2）=
当ξ=3时，即第一、二、三次取出次品，第四次取得正品，试验停止，则P（ξ=3）=
所以，Eξ=
3. 有一批数量很大的商品的次品率为1%，从中任意地连续取出200件商品，设其中次品数为ξ，求Eξ，Dξ
分析：涉及产品数量很大，而且抽查次数又相对较少的产品抽查问题．由于产品数量很大，因而抽样时抽出次品与否对后面的抽样的次品率影响很小，所以可以认为各次抽查的结果是彼此独立的．解答本题，关键是理解清楚：抽200件商品可以看作200次独立重复试验，即ξB（200，1%），从而可用公式：Eξ=np，Dξ=npq(这里q=1-p)直接进行计算
解：因为商品数量相当大，抽200件商品可以看作200次独立重复试验，所以ξB（200，1%）因为Eξ=np，Dξ=npq，这里n=200，p=1%，q=99%，所以，Eξ=200×1%=2,Dξ=200×1%×99%=1.98