🔢 高中数学选择性必修第三册第七章 随机变量及其分布数学期望方差标准差线性变换风险比较

离散型随机变量的均值与方差

掌握离散型随机变量均值、方差和标准差的定义与性质,会计算线性变换后的数字特征,并从长期水平和波动风险解释结果。

难度:★★★★★

💡平均收益相同的方案风险也相同吗

方案甲稳定得到 1010 元;方案乙有一半机会得到 00 元,一半机会得到 2020 元。两者长期平均收益都是 1010 元,但乙的结果波动明显更大。只比较平均水平,无法完整描述随机结果。

数学期望刻画分布的中心,方差和标准差刻画取值偏离中心的程度。它们必须结合分布和实际语境解释。

🎯学习目标与考查重点
  • 会由分布列计算数学期望、方差与标准差。
  • 理解期望是概率加权平均,不一定是可能取值。
  • 掌握 E(aX+b)E(aX+b) 与 D(aX+b)D(aX+b) 的公式。
  • 会用 D(X)=E(X2)−[E(X)]2D(X)=E(X^2)-[E(X)]^2 简化计算。
  • 能比较方案的长期平均水平与波动风险。

一、数学期望

设离散型随机变量 XX 取值 x1,x2,…x_1,x_2,\ldots,概率为 p1,p2,…p_1,p_2,\ldots,且相关级数有意义,则数学期望定义为

E(X)=∑ixipi.E(X)=\sum_i x_ip_i.

它是按概率加权的平均值,反映大量独立重复试验中观测平均数趋近的中心水平。期望未必是随机变量能取到的值,例如均匀骰子点数的期望为 3.53.5,单次不可能掷出 3.53.5。

线性变换满足

E(aX+b)=aE(X)+b.E(aX+b)=aE(X)+b.

更一般地,只要期望存在,E(X+Y)=E(X)+E(Y)E(X+Y)=E(X)+E(Y) 不要求 X,YX,Y 独立。线性性来自每个结果上的代数相加,而不是来自试验之间互不影响。

二、方差与标准差

方差定义为随机变量与其期望之差的平方的期望:

D(X)=E([X−E(X)]2)=∑i[xi−E(X)]2pi.D(X)=E\left([X-E(X)]^2\right) =\sum_i[x_i-E(X)]^2p_i.

方差恒非负;只有 XX 以概率 11 取同一常数时方差为零。由于平方改变单位,标准差

σ(X)=D(X)\sigma(X)=\sqrt{D(X)}

与原变量单位相同,更便于解释实际波动大小。

展开平方可得计算公式

D(X)=E(X2)−[E(X)]2,D(X)=E(X^2)-[E(X)]^2,

其中 E(X2)=∑ixi2piE(X^2)=\sum_i x_i^2p_i。方差不能写成 E(X2)−E(X)2E(X^2)-E(X)^2 后误把第二项理解为 E(X2)E(X^2);方括号强调先求期望再平方。

🔑

期望回答“长期平均落在哪里”,方差回答“结果围绕期望有多分散”。平均水平相同的分布可能风险完全不同,比较方案时应同时查看中心与波动,并结合实际损失后果作出更加审慎可靠的判断。

三、线性变换的数字特征

若 Y=aX+bY=aX+b,则

E(Y)=aE(X)+b,E(Y)=aE(X)+b, D(Y)=a2D(X),σ(Y)=∣a∣σ(X).D(Y)=a^2D(X),\qquad \sigma(Y)=|a|\sigma(X).

加上常数 bb 只会整体平移所有取值,不改变离散程度;乘 aa 会把每个偏差扩大 ∣a∣|a| 倍,因此方差扩大 a2a^2 倍。即使 aa 为负,方差也不会变成负数。

对两个随机变量,

D(X+Y)=D(X)+D(Y)D(X+Y)=D(X)+D(Y)

通常需要 X,YX,Y 相互独立这一充分条件;一般情况下还要考虑共同变化。不能像期望那样在任何情况下直接相加。课程问题若使用方差可加性,应明确独立条件。

四、期望决策与模型边界

游戏“公平”通常指参与者净收益的期望为零。设奖金为 RR、成本为 cc,净收益 X=R−cX=R-c,则 E(X)=E(R)−cE(X)=E(R)-c。公平价格只描述长期平均,不保证每次不亏损,也不代表各方风险相同。

比较投资或方案时,若期望相同,方差较小者结果更稳定;若期望和方差都不同,则选择还取决于风险偏好和损失承受能力。方差只衡量平方偏差,不区分向上惊喜与向下损失,不能替代所有风险指标。

样本均值与随机变量理论均值也要区分。理论均值来自已知分布,样本均值来自有限观测;试验次数增加时二者往往更接近,但单次或少量试验仍可能明显偏离期望。

例 1原创基础例题:由分布列求均值与方差

随机变量 XX 的分布列为

XX001133
PP0.20.20.50.50.30.3

求 E(X)E(X)、D(X)D(X) 和标准差。

✏️ 查看分步解析
E(X)=0×0.2+1×0.5+3×0.3=1.4.E(X)=0\times0.2+1\times0.5+3\times0.3=1.4.

再算平方的期望:

E(X2)=02×0.2+12×0.5+32×0.3=3.2.E(X^2)=0^2\times0.2+1^2\times0.5+3^2\times0.3=3.2.

所以

D(X)=3.2−1.42=1.24,D(X)=3.2-1.4^2=1.24,

标准差为 1.24≈1.114\sqrt{1.24}\approx1.114。期望 1.41.4 不在取值表中并不矛盾,它是加权中心而非必然出现的结果。

例 2原创进阶例题:公平费用与风险

抽奖奖金 RR 为:概率 0.10.1 得 100100 元,概率 0.90.9 得 00 元。每次收取费用 cc,净收益 X=R−cX=R-c。求使游戏期望公平的 cc,并求此时净收益方差。

✏️ 查看分步解析

奖金期望为

E(R)=100×0.1+0×0.9=10.E(R)=100\times0.1+0\times0.9=10.

E(X)=E(R)−cE(X)=E(R)-c,令其为零得 c=10c=10 元。平移不改变方差,所以 D(X)=D(R)D(X)=D(R)。

E(R2)=10000×0.1=1000,E(R^2)=10000\times0.1=1000,D(X)=D(R)=1000−102=900.D(X)=D(R)=1000-10^2=900.

标准差为 3030 元。虽然期望净收益为零,单次仍有 90%90\% 的概率亏 1010 元、10%10\% 的概率赚 9090 元,公平期望不等于低风险。

⚠️易错点
  • 期望是概率加权平均,不要求属于随机变量的取值集合。
  • 计算方差时先求 E(X2)E(X^2),再减去 [E(X)]2[E(X)]^2。
  • D(aX+b)=a2D(X)D(aX+b)=a^2D(X),常数平移不影响方差。
  • 期望的可加性通常不要求独立,方差直接相加则需核对独立条件。
  • “期望公平”只说明长期平均净收益为零,不保证单次结果公平或稳定。
🌏生活应用:质量稳定性与收益风险

两台设备产品尺寸平均值相同,不代表质量相同;标准差较小的设备通常更稳定。两个投资方案预期收益相同,也可能因方差不同而风险不同。实际比较还要确认单位一致、分布模型可信,并关注极端损失。若把厘米与毫米数据混用,方差因平方单位会产生更严重的尺度错误。

五、自测与解析

1. 期望计算

XX 取 1,41,4,概率分别为 0.7,0.30.7,0.3,求 E(X)E(X)。

✏️ 查看答案

E(X)=1×0.7+4×0.3=1.9E(X)=1\times0.7+4\times0.3=1.9。

2. 线性变换

已知 E(X)=3E(X)=3,D(X)=2D(X)=2,令 Y=−2X+5Y=-2X+5,求 E(Y)E(Y)、D(Y)D(Y)。

✏️ 查看答案

E(Y)=−2×3+5=−1E(Y)=-2\times3+5=-1,D(Y)=(−2)2×2=8D(Y)=(-2)^2\times2=8。

3. 常数变量

若 XX 恒等于 66,求期望与方差。

✏️ 查看答案

E(X)=6E(X)=6,所有偏差都为零,所以 D(X)=0D(X)=0。

📺B 站视频讲解去 B 站观看「随机变量均值与方差视频讲解」优质讲解视频 →