随机变量和的分布毕业论文

数学期望是随机变量最重要的特征数之一，它是消除随机性的主要手段.本文通过对数学期望的概念、性质以及应用性的举例，下面是我为你整理的数学期望应用毕业论文，一起来看看吧。

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，文章列举了一些现实生活实例，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”。

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。

1.1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?

[摘 要] 离散型随机变量数学期望是概率论和数理统计的重要概念之一，是用概率论和数理统计来反映随机变量取值分布的特征数。通过探讨数学期望在经济和实际问题中的一些简单应用，以期让学生了解数学期望的理论知识与人类实践紧密联系，它们是不可分割、紧密联系的。

[关键词] 数学期望;离散型随机变量

一、离散型随机变量数学期望的内涵

在概率论和统计学中，离散型随机变量的一切可能的取值xi与对应的概率P(=xi)之积的和称为数学期望(设级数绝对收敛)，记为E(x)。数学期望又称期望或均值，其含义实际上是随机变量的平均值，是随机变量最基本的数学特征之一。但期望的严格定义是∑xi*pi绝对收敛，注意是绝对，也就是说这和平常理解的平均值是有区别的。一个随机变量可以有平均值或中位数，但其期望不一定存在。

二、离散型随机变量数学期望的作用

期望表示随机变量在随机试验中取值的平均值，它是概率意义下的平均值，不同于相应数值的算术平均数。是简单算术平均的一种推广，类似加权平均。在解决实际问题时，作为一个重要的参数，对市场预测，经济统计，风险与决策，体育比赛等领域有着重要的指导作用，为今后学习高等数学、数学分析及相关学科产生深远的影响，打下良好的基础。作为数学基础理论中统计学上的数字特征，广泛应用于工程技术、经济社会领域。其意义是解决实践中抽象出来的数学模型进行分析的方法，从而达到认识客观世界规律的目的，为进一步的决策分析提供准确的理论依据。

三、离散型随机变量的数学期望的求法

离散型随机变量数学期望的求法常常分四个步骤：

1.确定离散型随机变量可能取值;

2.计算离散型随机变量每一个可能值相应的概率;

3.写出分布列，并检查分布列的正确与否;

4.求出期望。

四、数学期望应用

(一)数学期望在经济方面的应用

例1： 假设小刘用20万元进行投资，有两种投资方案，方案一：是用于购买房子进行投资;方案二：存入银行获取利息。买房子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5.1%，可得利息11000元，又设经济形势好、中、差的概率分别为40%、40%、20%。试问应选择哪一种方案可使投资的效益较大?

第一种投资方案：

购买房子的获利期望是：E(X)=4×0.4+1×0.4+(--2)×0.2=1.6(万元)

第二种投资方案：

银行的获利期望是E(X)=1.1(万元)，

由于：E(X)>E(X)，

从上面两种投资方案可以得出：购买房子的期望收益比存入银行的期望收益大，应采用购买房子的方案。在这里，投资方案有两种，但经济形势是一个不确定因素，做出选择的依据是数学期望的高低。

(二)数学期望在公司需求方面的应用

例2：某小公司预计市场的需求将会增长。公司的员工目前都满负荷地工作。为满足市场需求提高产量，公司考虑两种方案 ：第一种方案：让员工超时工作;第二种方案：添置设备。

假设公司预测市场需求量增加的概率为P，当然可能市场需求会下降的概率是1―P，若将已知的相关数据列于下表：

市场需求减(1-p) 市场需求增加(p)

维持现状(X)

20万 24万

员工加班(X)

19万 32万

耀加设备(X)

15万 34万

由条件可知，在市场需求增加的情况下，使员工超时工作或添加设备都是合算的。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：

E(X)=20(1-p)+24p，E(X)=19(1-p)+32p，E(X)=15(1-p)+34p

分两种情况来考察：

(1)当p=0.8，则E(X)=23.2(万)，E(X)=29.4(万)，E(X)=30.2(万)，于是公司可以决定更新设备，扩大生产;

(2)当p=O.5，则E(X)=22(万)，E(X)=25.5(万)，E(X)=24.5(万)，此时公司可决定采取员工超时工作的应急措施扩大生产。

由此可见，从上面两种情况可以得出：如果p=0.8时，公司可以决定更新设备，扩大生产。如果p=O.5时，公司可决定采取员工超时工作的应急措施。因此，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。

(三)数学期望在体育比赛的应用

乒乓球是我们得国球，全国人民特别爱好，我们在这项运动中具有绝对的优势。现就乒乓球比赛的赛制安排提出两种方案：

第一种方案是双方各出3人，三局两胜制，第二种方案是双方各出5人，五局三胜制。对于这两种方案， 哪一种方案对中国队更有利?不妨我们来看一个实例：

假设中国队每一位队员对美国队的每一位队员的胜率都为55%。根据前面的分析，下面我们只需比较两队的数学期望值的大小即可。

在五局三胜制中，中国队若要取得胜利，获胜的场数有3、4、5三种结果。我们应用二项式定律、概率方面的知识，计算出三种结果所对应的概率，恰好获得三场对应的概率：0.33465;恰好获得四场对应的概率：0.2512;五场全胜得概率：0.07576.

设随机变量X为该赛制下中国队在比赛中获胜的场数，则可建立X的分布律： X 3 4 5

P 0.33465 0.2512 0.07576

计算随机变量X的数学期望：

E(X)=3×0.33465+4×0.2512+5×0.07576=2.04651

在三局两胜制中，中国队取得胜利，获胜的场数有2、3两种结果。对应的概率为=0.412;三场全胜的概率为=0.206。

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：

X 2 3

Y 0.412 0.206

计算随机变量Y的数学期望：

E(Y)=2×0.412+3×0.206=1.2

比较两个期望值的大小，即有E(X)>E(Y)，因此我们可以得出结论，五局三胜制中国队更有利。

因此，我们在这样的比赛中，五局三胜制对中国队更有利。在体育比赛中，要看具体的细节，具体情形，把握好比赛赛制，用我们所学习的知识来实现期望值的最大化，做到知己知彼，百战百胜。

(四)数学期望对企业利润的评估

在市场经济活动中，厂家的生产或是商家的销售.总是追求最大的利润。在生产过程中供大于求或供不应求都不利于获得最大利润来扩大再生产。但在市场经济中，总是瞬息万变，往往供应量和需求量无法确定。而厂家或商家在一般情况下根据过去的数据，再结合现在的具体情况，具体对象，常常用数学期望的方法结合微积分的有关知识，制定最佳的生产活动或销售策略。

假定某公司计划开发一种新产品市场，并试图确定其产量。估计出售一件产品，公司可获利A元，而积压一件产品，可导致损失B元。另外，该公司预测产品的销售量x为一个随机变量，其分布为P(x)，那么，产品的产量该如何制定，才能获得最大利润。

假设该公司每年生产该产品x件，尽管x是确定的.但由于需求量(销售量)是一个随机变量，所以收益Y是一个随机变量，它是x的函数：

当xy时，y=Ax;

当xy时，y=Ay--B(x-y)。

于是期望收益为问题转化为：

当x为何值时，期望收益可以达到最大值。运用微积分的知识，不难求得。

这个问题的解决，就是求目标函数期望的最大最小值。

(五)数学期望在保险中问题

一个家庭在一年中五万元或五万元以上的贵重物品被盗的概率是0.005，保险公司开办一年期五万元或五万元以上家庭财产保险，参加者需缴保险费200元，若在一年之内， 五万元或五万元以上财产被盗，保险公司赔偿a元(a>200)，试问a如何确定，才能使保险公司期望获利?

设X表示保险公司对任一参保家庭的收益，则X的取值为 200或 200�a，其分布列为：

X 200 200-a

p 0.995 0.005

E(x)=200×0.9958+(200-a)×0.005=200-0.005a>0，解得a<40000，又a>100，所以a∈(200，40000)时，保险公司才能期望获得利润。

从上面的日常生活中，我们不难发现：利用所学的离散型随机变量数学期望方面的知识解决了生活中的一些具有的，实实在在的问题有大大的帮助。

因此我们在实际生活中，利用所学的离散型随机变量数学期望方面的知识，面对当今信息时代的要求，我们应当思维活跃，敢于创新，既要学习数学理认方面知识，更应该重视对所学知识的实践应用，做到理认联系实际，学以致用。当然只是实际生活中遇到的数学期望应用中的一部分而已，还有更多的应用等待我们去思考，去发现，去探索，为我们伟大的时代创造出更多的有价值的东西和财富。

序列相关性指对于不同的样本值,随机扰动项之间不再是完全相互独立,而是存在某种相关性. 2. 一阶自相关只的是误差项的当前值只与其自身前一期值之间的相关性. 3. D.W.检验:全称杜宾—瓦森检验,适用于一阶自相关的检验..DW判断的是一阶自相关，一般用差分法（一阶）就可以解决。自相关的解决方法，基本方法是通过差分变换,对原始数据进行变换的方法,使自相关消除.一,差分法，一阶。设Y对x的回归模型为Yt=β1+β1xt+μt(1)μt=ρμt-1+vt式中, vt满足最小平方法关于误差项的全部假设条件。将式(1)滞后一个时期,则有Yt-1=β0+β1xt-1+μt-1(2)μt-1=ρμt-2+vt-1于是, (1)-ρ×(2),得Yt-ρYt-1=β0(1-ρ)+β1(xt-ρxt-1)+νt(3)Yt-ρYt-1=β1(xt-xt-1)+μt-μt-1=β1(xt-xt-1)+vt(4)ρ为自相关系数也就是说,一阶差分法是广义差分法的特殊形式。高阶自相关是用BG检验法，LM=T*R^2服从X^2(p)（kafang）分布，T为样本容量，p为你想检验的自相关阶数，查kafang分布表，置信度为95%也就是阿尔法=0.5，如果T*R^2>查出来的结果即存在你想验证的自相关阶数。修正用广义差分法（AR(p))广义差分方法 对模型: Yt= 0+ 1X t+ut ------(1) ,如果ut具有一阶自回归形式的自相关,既 ut= u t-1 +vt 式中 vt满足通常假定.假定, 已知,则: Y t-1= 0+ 1X t-1+u t-1 两端同乘 得:Y t-1= 0 + 1 X t-1+ u t-1-------(2) (1)式减去(2)式得: Yt- Y t-1= 0 (1- )+ 1X (Xt- X t-1)+vt 令:Yt*= Yt- Y t-1 ,Xt*= (Xt- X t-1), 0 *= 0(1- )则: Yt*= 0 * + 1 Xt*+vt 称为广义差分模型,随机项满足通常假定,对上式可以用OLS估计,求出 .为了不损失样本点,令Y1*= X1*= 以上解决自相关的变换称为广义差分变换, =1,或 =0 , =-1是特殊情况.广义差分变换要求 已知,如果 未知,则需要对 加以估计,下面的方法都是按照先求出 的估计值,然后在进行差分变换的思路展开的。 如果差分修正还是效果不好，那就是你回归变量的问题了，有一些统计数据本身就是有很强的自相关，比如GDP等，这是无法避免的，有些数据要先 去势，协整以后才可以做回归的，详细在这里解释不清，你应该仔细看计量经济学教科书有关章节。 不明白的还可以问我 《数理统计与管理》2008年第27卷第1期！本文研究了n维随机变量分量间的线性相关性，给出了衡量线性相关性程度的量以及具有（在概率1意义下）严格线性关系的充分必要条件

你还是进谷歌论文搜索吧

统计学毕业论文选题

毕业论文的题目是开始写作的关键，先选好题，再下笔。下面是我整理的统计学毕业论文选题，希望大家喜欢。

统计学毕业论文选题

1、具有预测能力的呼叫中心系统的设计与实现

2、PVAR模型在研究经济增长与能源消费关系中的应用

3、基于有限元的深基坑组合型围护结构可靠度分析

4、一些带有偏序结构的完全码

5、Stein方法在复合泊松分布近似中的应用

6、各类分布产生的背景

7、保险金融中的计数过程的若干渐近性

8、高中概率教学的现状、问题及对策研究

9、随机变量序列的极限定理

10、Cayley树上非对称马氏链及任意相依随机变量序列强极限定理的若干研究

11、一类混合随机序列的概率极限定理

12、保证齿轮质量的结构和工艺措施研究

13、道路施工机群资源配置和计划调度沥青混凝土路面机械化施工系统状态分析与技术经济评价研究

14、高速公路服务区合理规模与布局研究

15、基于图像区域统计特征的隐写分析技术研究

16、统计收敛的测度理论

17、关于φ-混合随机变量序列的矩完全收敛性的研究

18、混合相依随机变量序列极限理论的若干结果

19、两两NQD列的一些收敛性质

20、电力市场环境下的电能质量评估研究

21、本科概率论试验课程设计初探

22、基于随机模拟试验的稳健优化设计方法研究

23、随机变量序列部分和乘积的几乎处处中心极限定理

24、AQSI序列的强极限定理

25、几类相依混合随机变量列的大数律和L~r收敛性

26、现代经济计量学建立简史

27、任意随机变量序列的相关定理

28、新建电气化铁路电能质量影响预测研究

29、鞅差与相依随机变量序列部分和精确渐近性

30、ND序列若干收敛性质的研究

31、证券组合投资决策的均匀试验设计优化研究

32、相依随机变量序列部分和收敛速度

33、行为两两NQD随机变量阵列加权和的收敛性

34、数值计算的统计确认研究与初步应用

35、基于证据理论的足球比赛结果预测方法

36、城市工业用地集约利用评价与潜力挖掘

37、节理化岩体边坡稳定性研究

38、随机变分不等式及其应用

39、基于模糊综合评价的靶场实时光测数据质量评估

40、基于路径的加权地域通信网可靠性研究

41、LNQD样本近邻估计的大样本性质

42、20CrMoH齿轮弯曲疲劳强度研究

43、我国股票市场与宏观经济之间的协整分析

44、一类Copula函数及其相关问题研究

45、乐透型彩票N选M中奖号码的概率分析

46、协整理论在汽车发动机系统故障诊断中的应用

47、2010年上海世博会会展中断风险分析和保险建议

48、贝儿康有限公司激励设计研究

49、云模型在系统可靠性中的应用研究

50、离散更新模型破产概率及赤字的上下界估计

51、输电线微风振动与疲劳寿命

52、电器产品模糊可靠性分析中模糊可靠度的研究

53、变分不等式及变分包含解的存在性与算法

54、隧道测量误差控制方案的'研究

55、塔式起重机臂架可靠性分析软件开发

56、分布式认证跳表及其在P2P分布式存储系统中的应用

57、房地产行业企业所得税纳税评估实证研究

58、天然气管道断裂事故分析

59、粗集理论及其在数据预处理过程中的应用

60、集装箱码头后方堆场荷载统计分析和概率模型

61、多工序制造过程计算机辅助误差诊断控制系统

62、实(复)值统计型测度的表示理论及其它在统计收敛上的应用

63、应用统计教育部重点实验室程序库建设

64、基于个体的捕食系统模型

65、相依样本下移动平均过程的矩完全收敛

66、基坑变形监测分析及单撑—排桩墙支护结构抗倾覆可靠度研究

67、基于综合的交通冲突技术的城市道路交叉口安全评价方法研究

68、暗挖地铁车站下穿对既有结构安全性影响分析

69、随机变量阵列的强收敛性

70、基于随机有限元的疲劳断裂可靠性研究

71、高中数学教学概率统计部分浅析

72、敏感问题二阶段抽样调查的统计方法及应用

73、三大重要分布及其性质的进一步研究

74、随机变量的统计收敛性及统计收敛在数据处理方面的应用

75、多变量密度函数小波估计的一致中心极限定理

76、混合Copula构造及相关性应用

77、数学职前教师对正态分布的理解水平的研究

78、煤矿事故系统脆性模型的建立与仿真

79、基于贝叶斯网络的客户信用风险评估及系统设计

80、河北北方学院学生成绩关联分析及预测

81、房地产项目现金流管理研究

82、高压电磁感应信号的采集及处理算法的研究

83、基于神经网络的逆变电源可靠性研究

84、跳频序列的局部随机性与线性复杂度分析

85、金川二矿区中段平面运输系统数据分析与模拟模型研究

86、房地产投资风险定量评价与规避策略研究

87、审计统计抽样技术方法研究与设计运行

88、几种概率统计滤波法在重磁数据处理中的研究及应用

89、模糊随机变量序列的极限定理

90、数据挖掘的若干新方法及其在我国证券市场中应用

91、城市道路交通流特征参数研究

92、辽宁红沿河核电厂可能最大风暴潮的估算

93、潜油电泵轴的可靠性分析与设计

94、起重机金属结构极限状态法设计研究

95、相依随机变量极限理论的若干结果

96、局部次高斯随机序列的强极限定理

97、基于自然风险度量的农业保险定价及其财政补贴研究

98、NA和(ρ|~)混合序列的某些收敛性质

99、可交换随机变量序列的极限理论

100、一类相依重尾随机序列的强极限定理及其应用