1702638556
1702638557
20.14 亚洲随机甲虫。在练习20.12中，你算出了亚洲随机甲虫雌性后代数目的期望值。模拟100只雌虫的雌性后代，并算出这100只雌虫的平均后代数目。比较一下这个平均数和练习20.12算出的期望值。（大数定律说，如果我们模拟的甲虫数目足够多，平均数就会很接近期望值。）
1702638558
1702638559
20.15 人寿保险。你考虑卖一份人寿保险给你一个21岁的朋友。21岁男性次年的死亡概率大约是0.0015。你决定对一份若你朋友死亡就会赔付100万美元的保单，收取2000美元的保险费。
1702638560
1702638561
（a）你这张保单的期望收益是多少？
1702638562
1702638563
（b）虽然你的预期利润不错，可是你卖这种保单给朋友是很笨的做法。为什么？
1702638564
1702638565
（c）可以卖出几千份保单的人寿保险公司，若售出的保单条件和你的完全一样，却会有不错的获利。为什么？
1702638566
1702638567
20.16 家庭人数。美国人口普查局公开了2009年美国家庭人数的分布：
1702638568
1702638569
1702638570
1702638571
1702638572
（注：在这个表中，7代表一个家庭中有7个或以上成员。而这里假定正好是7人。）
1702638573
1702638574
（a）这也是随机选择一个家庭，该家庭人数的概率分布。这个分布的期望值就是家庭的平均人数，这个期望值是多少？
1702638575
1702638576
（b）假设你随机抽取的一个样本包含1000个美国家庭，有多少个家庭有2人、3人或7人呢？
1702638577
1702638578
（c）基于（b）的计算结果，你抽取的这个随机样本代表了多少人？（提示：样本中如果一个家庭的成员人数为7人，则乘以7。同样，对2~6人的家庭也如此处理。然后，把人数加总。）
1702638579
1702638580
（d）计算家庭人数的概率分布。描述该分布的形状，说明家庭结构是怎样的。
1702638581
1702638582
20.17 统计课成绩。一个大班的统计课成绩分布如下：
1702638583
1702638584
1702638585
1702638586
1702638587
要计算学生的平均成绩，先要把成绩等级用对应的数值表示，比如，A=4，B=3，一直到F=0。
1702638588
1702638589
（a）算出期望值，这也是这门课的平均成绩。
1702638590
1702638591
（b）说明如何模拟随机选择学生并记录他的成绩。模拟50名学生，并算出他们的平均成绩。把这个估计的期望值和（a）中算出的实际期望值做比较。（大数定律告诉我们，如果我们模拟非常多的学生，估计值就会很准。）
1702638592
1702638593
20.18 我们真的很想生个女儿。例4中估计了一对夫妇生育孩子数量的期望值，这对夫妇想生一个女儿，或最多生三个孩子。假设他们不设上限，直到生出一个女儿。那么，他们生育的孩子数量的期望值一定比例4中的要多。你要怎样模拟这对夫妇的孩子数量？模拟25次，你估计的孩子数量的期望值是多少？
1702638594
1702638595
20.19 玩游戏。好了，朋友们，我这里有个小游戏，你可以玩一玩。假设有一个很均匀的硬币（正、反面朝上的概率各为1/2）。掷两次硬币，如果出现两个正面朝上，你就赢了。如果没出现两个正面朝上，我会再给你一次机会，多掷两次硬币，如果都是正面朝上，你就赢了。（当然，如果你还是没有掷出两个正面朝上，就是我赢。）要玩这个游戏的话，你得付我1美元，如果你赢，我会把你的1美元还你，还会再给你1美元。
1702638596
1702638597
（a）为这个游戏画个树形图。用树形图来说明，怎样模拟玩这个游戏一次。
1702638598
1702638599
（b）你押注的1美元可能赢得的金额有两种：如果我赢，你得0美元；如果你赢，你得2美元。从表A第125行开始，模拟玩这个游戏50次。用得到的结果来估计你玩这个游戏的期望收益。
1702638600
1702638601
20.20 选择题测验。莎琳即将参加一个有10道选择题的小考，每题有5个选项。假设各题彼此独立，则她猜对一题的概率是0.2。用模拟方法来估计莎琳答对题目数量的期望值。（模拟20次。）
1702638602
1702638603
20.21 三次考试。练习19.14中有某个自定进度的科目，至多有三次考试机会的概率模型。在那个练习中，你模拟了50次，来估计伊琳通过这门课程考试的概率。用这个模拟结果（或重新做50次模拟），来估计伊琳考试次数的期望值。
1702638604
1702638605
20.22 期望值。以下是我们在第19章模拟过的共同情境：做次数固定的独立实验，每次的结果都有两种可能，且其概率相同。抛硬币、篮球赛中的罚球、观察新生婴儿的性别，都是符合以上情境的例子。我们姑且把结果叫作“中了”或是“未中”。我们可以看出“中了”的次数期望值应该是多少。如果勒布朗投了12次三分球，每次投中的概率是0.3，那么命中次数的期望值是12的30%，即3.6。同样，如果我们共做了n次实验，每次实验“中了”的概率是p，那么“中了”的次数期望值为n×p。这一事实可以用数学方法证明，我们能不能用模拟的方法来验证呢？