4.3常见分布的数学期望与方差
常见分布的数学期望和方差
E( X
2)
n k0
k 2Ckn
pkqnk
n
np
k 1
k
(k
(n 1)! 1)!(n
k )!
p k 1q n k
n np (k
k 1
1) (k
(n 1)! 1)!(n
k )!
pk1q nk
n k 1
(k
(n 1)! 1)!(n
k )!
pk1q nk
np[(n 1) p 1]，
EX 2 4 ，试求 a 和 b（ a b ）．
解 DX EX 2 (EX )2 3 ；
ab 2
(b a)2 12
EX 1， DX 3
；
a b 2， b a 6 ；
a 2， b 4 .
因此 X 在区间[2,4] 上均匀分布．
21
第21页
例3 假设随机变量 X 和 Y 相互独立，且都在区间(0,1) 上 均匀分布，试求随机变量 Z X Y 的数学期望．
0.90 .
12
第12页
二、常见持续型分布旳数学盼望和方差
1. 均匀分布 X ~ U (a, b) .
1
f
(
x)
b
a
,
a xb
0 , 其它
b1
E( X ) xf ( x)dx x dx
a ba
1 b2 a2 a b .
ba 2
2
13
第13页
二、常见持续型分布旳数学盼望和方差
望 与
指数 分布
f
(
x)
e x
0,
,
x0 else
( 0)
p
npab 2 1源自pqnpq(b a)2 12 1
常见分布的数学期望与方差
”；此后十年间，航空事业获得较快发展。
筹办航空事宜
处
三、从驿传到邮政 1．邮政
(1)初办邮政： 1896年成立“大清邮政局”，此后又设
邮传部 邮传正式脱离海关。
，
(2)进一步发展：1913年，北洋政府宣布裁撤全部驿站； 1920年，中国首次参加 万国邮联大会 。
2．电讯 (1)开端：1877年，福建巡抚在 办电报的开端。 (2)特点：进程曲折，发展缓慢，直到20世纪30年代情况才发生变 化。 3．交通通讯变化的影响
(2)1924年国民党“一大”召开，标志着第 一
关键词——交通和通讯不断进步、辛亥革命和国民大革命顺应 时 代潮流 图说历史 主旨句归纳 (1)20世纪初，孙中山提出“民族、民权、 民生”三民主义，成为以后辛亥革命 的
指导思想。 (2)三民主义没有明确提出反帝要求，也 没 有提出废除封建土地制度，是一个 不彻 底的资产阶级革命纲领。
2. 右图是1909年《民呼日报》上登载的
一幅漫画，其要表达的主题是( A．帝国主义掠夺中国铁路权益 B．西方国家学习中国文化 C．西方列强掀起瓜分中国狂潮 )
D．西方八国组成联军侵略中国
解析：从图片中可以了解到各国举的灯笼是火车形状， 20世纪初的这一幅漫画正反映了帝国主义掠夺中国铁路 权益。B项说法错误，C项不能反映漫画的主题，D项时 间上不一致。 答案：A
报先后发明。
(3)近代以来，交通、通讯工具的进步，推 动了经济与社会的发展。
关键词——交通和通讯不断进步、辛亥革命和国民大革命顺应 时 代潮流 图说历史 主旨句归纳 (1)1911年，革命党人发动武昌起义，辛亥
革命
爆发，随后建立了中华民国，颁布了《中 华
民国临时约法》；辛亥革命是中国近代化
常见分布的期望和方差
7、两个独立随机变量之和的概率密度：
fZ ( z)
f X ( x) f Y ( z x)dx
fY ( y) f X ( z y)dy 其中 Z ＝X ＋ Y
8、两个独立正态随机变量的线性组合仍服从正态分布，即
Z
aX
bY : N (a 1
b
2, a2
2 1
b2
2 2
。
9、期望的性质：……（ 3）、 E ( X Y ) E ( X ) E (Y ) ；（ 4）、若 X ，Y 相互独立，则பைடு நூலகம்E (XY ) E (X ) E (Y ) 。
m np
lim P
x
n
npq
(x) ， 其中 q 1 p 。
(1) 、当 n 充分大时， m 近似服从正态分布， N (np npq) 。
(2) 、当 n 充分大时， m 近似服从正态分布， n
18、参数的矩估计和似然估计： (参见 P200)
19、正态总体参数的区间估计：
所估参数
条件
N ( p, pq ) 。 n
10、方差： D (X ) E ( X 2 ) (E ( X )) 2 。
若 X ， Y 不相关，则 D ( X Y ) D ( X ) D (Y ) ，否则 D ( X Y ) D (X ) D (Y ) 2Cov ( X ,Y ) ，
D ( X Y ) D ( X ) D (Y) 2Cov( X ,Y)
分布类型
0-1 分布 B （1， p） 二项分布 B （ n，p）
泊松分布 P(λ )
均匀分布 U（ a, b ）
正态分布 N（
,
2
）
指数分布 E（λ）
2
常用分布的数学期望及方差
方差的性质
方差具有可加性
对于两个独立的随机变量X和Y，有Var(X+Y) = Var(X) + Var(Y)。
方差具有对称性
对于一个常数a和随机变量X，有Var(aX) = |a|^2 * Var(X)。
方差具有非负性
对于随机变量X，有Var(X) >= 0，其中 Var(X) = 0当且仅当X是一个常数。
05 数学期望与方差的应用
在统计学中的应用
描述性统计
数学期望和方差用于描述一组数据的中心趋势和 离散程度，帮助我们了解数据的基本特征。
参数估计
通过样本数据的数学期望和方差，可以对总体参 数进行估计，如均值和方差的无偏估计。
假设检验
在假设检验中，数学期望和方差用于构建检验统 计量，判断原假设是否成立。
常见分布的数学期望
均匀分布的数学期望为
$E(X) = frac{a+b}{2}$，其中a和b是均匀分布的下限和上 限。
柯西分布的数学期望为
$E(X) = frac{pi}{beta} sinh(frac{1}{beta})$，其中β是柯西 分布的参数。
拉普拉斯分布的数学期望为
$E(X) = frac{beta}{pi} tan(frac{pi}{beta})$，其中β是拉普 拉斯分布的参数。
03
泊松分布
正态分布是一种常见的连续型随机变量 分布，其方差记作σ²。正态分布的方差 描述了随机变量取值的分散程度。
二项分布是一种离散型随机变量分布， 用于描述在n次独立重复的伯努利试验 中成功的次数。其方差记作σ²，且σ² = np(1-p)，其中n是试验次数，p是单次 试验成功的概率。
泊松分布是一种离散型随机变量分布， 用于描述在一段时间内随机事件发生的 次数。其方差记作σ²，且σ² = λ，其中 λ是随机事件发生的平均速率。
常见分布的期望与方差的计算知识分享
3. 泊松分布
设 X ~ π(λ ), 且分布律为
P{ X = k} = λk e−λ , k = 0,1,2,", λ > 0.
k!
∑ ∑ 则有 E( X ) = ∞ k ⋅ λk e−λ = e−λ ∞ λk−1 ⋅ λ
k=0 k!
k=1 (k − 1)!
= λe−λ ⋅ eλ = λ
= np[ p + (1 − p)]n−1 = np
E( X 2 ) = E[ X ( X − 1) + X ] = E[ X ( X − 1)] + E( X )
∑ = n k(k − 1)⎜⎛ k ⎞⎟ pk (1 − p)n−k + np
k=0
⎝n⎠
∑ = n k(k − 1)n!pk (1 − p)n−k + np
(法二) X 的分布律为
P{ X = k} = ⎜⎛ n ⎞⎟ pk (1 − p)n−k ,(k = 0,1,2,", n),
⎝k⎠
∑ ∑ 则有 E( X ) = n k ⋅ P{ X = k} = n k⎜⎛ n ⎞⎟ pk (1 − p)n−k
k=0
k=0 ⎝ k ⎠
∑n
=
kn! pk (1 − p)n−k
E( X 2 ) = E[ X ( X − 1) + X ]
= E[ X ( X − 1)] + E( X )
∑ = +∞ k(k − 1) ⋅ λk e−λ + λ
k=0
k!
∑+∞
= λ2e−λ ⋅
λk − 2
+ λ = λ2e−λeλ + λ = λ2 + λ .
常见分布的期望和方差
常见分布的期望和方差6、随机变量的独立性：若F(x,y) F X (x)F Y (y)则称随机变量 X , Y 相互独立。
简称 X 与Y 独立。
概率与数理统计重点摘要X1正态分布的计算：F(x) P(X x) ( )。
X 是服从某种分布的随机变量，求 Y f(X)的概率密度：f Y (y) f X (x)[h(y)] h'(y)。
(参见P66〜72)x y ..f (u, v)dudv 具有以下基本性质:⑴、是变量x , y 的非降函数;⑵、0 F(x, y) 1，对于任意固定的 x , y 有：F( , y) F(x, ) 0;⑶、F(x, y)关于x 右连续，关于y 右连续；⑷、对于任意的(为，yd (X 2, y 2),捲 X 2,y 1 y ，有下述不等式成立：Fgy) F(X 1,y 2)F(X 2,yJ5、二维随机变量的边缘分布:f x (X ) f (x,y)dy 边缘概率密度：f Y (y)f (x, y)dxF X (X )XF(x,) [ f (u, y)dy]du边缘分布函数：y二维正态分布的边缘分布为一维正态分布。
F Y (¥)yF( ,y)[f (x, v)dx]dv2、随机变量函数的概率密度:3、分布函数F(x, y)4、一个重要的分布函数:arcta n -)(— 2arCtany)的概率密度为: 2f(x,y)F(x,y)x y62 2 2 (x 4)( y 9)F(x, y)7、两个独立随机变量之和的概率密度:f z (Z ) f x (x)f Y (z x)dx f Y (y)f x (z y)dy 其中 Z = x + Y8、两个独立正态随机变量的线性组合仍服从正态分布，即 Z aX bY : N (a 1 b 2,a 2 12 b 2 2。
9、期望的性质: (3)、E(X Y) E(X) E(Y) ;(4)、若 X ，Y 相互独立，则 E(XY) E(X)E(Y)。
各个分布的数学期望和方差
各个分布的数学期望和方差
当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的
平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。
因此方差越大，数据的波动越大；方差越小，数据的波动就越小。
样本中各数据与样本平均数的差的平方和的平均数为样本方差；样本方差的算术平方
根为样本标准差。
样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样
本标准差越大，样本数据的波动就越大。
方差和标准差为测算线性趋势最重要、最常用的指标，它就是测算数值型数据线性程
度的最重要的方法。
标准差为方差的算术平方根，用s则表示。
常见分布的期望和方差
罕睹分散的憧憬战圆好之阳早格格创做(0,1)N 2()Yx n t =概率取数理统计沉面纲要1、正态分散的预计：()()()X F x P X x μσ-=≤=Φ.2、随机变量函数的概率稀度：X是遵循某种分散的随机变量，供()Y f X =的概率稀度：()()[()]'()Y X f y f x h y h y =.（拜睹P66～72）3、分散函数(,)(,)xyF x y f u v dudv -∞-∞=⎰⎰具备以下基赋本量：⑴、是变量x ，y 的非落函数；⑵、0(,)1F x y ≤≤，对付于任性牢固的x ，y 有：(,)(,)0F y F x -∞=-∞=； ⑶、(,)F x y 闭于x 左连绝，闭于y 左连绝；⑷、对付于任性的11221212(,),(,),,x y x y x x y y << ，有下述没有等式创造：4、一个要害的分散函数：1(,)(arctan )(arctan )23x y F x y πππ2=++22的概率稀度为：22226(,)(,)(4)(9)f x y F x y x y x y π∂==∂∂++ 5、二维随机变量的边沿分散：边沿概率稀度：()(,)()(,)X Y f x f x y dyf y f x y dx+∞-∞+∞-∞==⎰⎰边沿分散函数：()(,)[(,)]()(,)[(,)]xX yY F x F x f u y dy du F y F y f x v dx dv+∞-∞-∞+∞-∞-∞=+∞==+∞=⎰⎰⎰⎰二维正态分散的边沿分散为一维正态分散.6、随机变量的独力性：若(,)()()X Y F x y F x F y =则称随机变量X ，Y 相互独力.简称X 取Y 独力.7、二个独力随机变量之战的概率稀度：()()()()()Z X Y Y X f z f x f z x dx f y f z y dy +∞+∞-∞-∞=-=-⎰⎰其中Z ＝X ＋Y8、二个独力正态随机变量的线性推拢仍遵循正态分散，即22221212(,Z aX bYN a b a b μμσσ=+++).9、憧憬的本量：……（3）、()()()E X Y E X E Y +=+；（4）、若X ，Y 相互独力，则()()()E XY E X E Y =. 10、圆好：22()()(())D X E X E X =-. 若X ，Y 没有相闭，则()()()D X Y D X D Y +=+，可则()()()2(,)D X Y D X D Y Cov X Y +=++，()()()2(,)D X Y D X D Y Cov X Y -=+-11、协圆好：(,)[(())(())]Cov X Y E X E X Y E Y =--，若X ，Y 独力，则(,)0Cov X Y =，此时称：X 取Y 没有相闭. 12、相闭系数：(,)()()XYCov X Y X Y ρσσ==1XY ρ≤，当且仅当X 取Y 存留线性闭系时1XYρ=，且1,b>0;1,b<0XYρ⎧=⎨-⎩ 当 当。
常见分布的期望与方差的计算
σ2
+ ∫ e− x θ d x
0
+∞ 2
+∞
=θ
D( X ) = E ( X ) − [ E ( X )] = ∫0
= 2θ 2 − θ 2
1 −x θ x ⋅ e d x − θ2 θ
= θ2
6. 正态分布
设 X ~ N ( μ, σ 2 ), 其概率密度为
1 f ( x) = e 2 πσ
( x − μ )2 − 2σ 2
i =1
n
(法二) X 的分布律为 ⎛ n⎞ k P { X = k } = ⎜ ⎟ p (1 − p )n− k , ( k = 0,1,2,", n), ⎝k⎠ n n ⎛ n⎞ k 则有 E ( X ) = ∑ k ⋅ P{ X = k } = ∑ k ⎜ ⎟ p (1 − p )n− k k =0 ⎝ k ⎠ k =0
∞
a < x < b,
其他 .
b
1 1 E ( X ) = xf ( x ) d x = x d x 则有 = (a + b). ∫−∞ ∫a b − a 2 D( X ) = E ( X 2 ) − [ E ( X )]2 1 ⎛ a + b ⎞ (b − a ) 2 =∫ x dx−⎜ ⎟ = a b−a ⎝ 2 ⎠ 12
+∞ 2
( x − μ )2 − 2σ 2
分
布
参数
0< p<1 n ≥ 1, 0< p<1 λ>0
a<b
数学期望
p np
方差
p(1 − p )
np(1 − p )
两点分布 二项分布 泊松分布 均匀分布 指数分布 正态分布
概率论中的常见分布和期望与方差——概率论知识要点
概率论中的常见分布和期望与方差——概率论知识要点概率论是数学中的一个重要分支，研究随机现象的规律性。
在概率论中，常见的分布函数和概率密度函数描述了随机变量的分布规律，而期望和方差则是描述随机变量的中心位置和离散程度的重要指标。
本文将介绍概率论中的常见分布以及期望和方差的概念和计算方法。
一、离散型分布在概率论中，离散型分布描述了随机变量取有限个或可列个数值的概率分布。
以下是几个常见的离散型分布：1. 伯努利分布伯努利分布是最简单的离散型分布，描述了只有两个可能结果的随机试验，比如抛硬币的结果。
设随机变量X表示试验的结果，取值为1或0，表示成功或失败的情况。
伯努利分布的概率质量函数为：P(X=k) = p^k * (1-p)^(1-k)，其中k=0或1，p为成功的概率。
2. 二项分布二项分布描述了一系列独立的伯努利试验中成功的次数。
设随机变量X表示成功的次数，取值范围为0到n，n为试验的次数，p为每次试验成功的概率。
二项分布的概率质量函数为：P(X=k) = C(n,k) * p^k * (1-p)^(n-k)，其中C(n,k)为组合数。
3. 泊松分布泊松分布描述了在一定时间或空间内随机事件发生的次数。
设随机变量X表示事件发生的次数，取值范围为0到无穷大。
泊松分布的概率质量函数为：P(X=k) = (λ^k * e^(-λ)) / k!，其中λ为事件发生的平均次数。
二、连续型分布在概率论中，连续型分布描述了随机变量在某个区间内取值的概率分布。
以下是几个常见的连续型分布：1. 均匀分布均匀分布描述了随机变量在某个区间内取值的概率相等的情况。
设随机变量X 在[a, b]区间内取值，均匀分布的概率密度函数为：f(x) = 1 / (b-a)，其中a≤x≤b。
2. 正态分布正态分布是概率论中最重要的分布之一，也被称为高斯分布。
正态分布的概率密度函数为：f(x) = (1 / √(2πσ^2)) * e^(-(x-μ)^2 / (2σ^2))，其中μ为均值，σ为标准差。
常见分布的期望和方差.pdf
x +
FX (x) = F(x, +) =
边缘分布函数：
[
− −
f (u, y)dy]du
y +
FY ( y) = F(+, y) =
[
− −
f (x, v)dx]dv
二维正态分布的边缘分布为一维正态分布。
6、随机变量的独立性：若 F(x, y) = FX (x)FY ( y) 则称随机变量 X，Y 相互独立。简称 X 与 Y 独立。
9、期望的性质：……（3）、 E(X +Y) = E(X ) + E(Y) ；（4）、若 X，Y 相互独立，则 E(XY) = E(X )E(Y) 。
10、方差： D(X ) = E(X 2 ) − (E( X ))2 。 若 X，Y 不相关，则 D(X +Y) = D(X ) + D(Y) ，否则 D(X +Y) = D(X ) + D(Y) + 2Cov(X ,Y) ，
分布类型
0-1 分布 B（1，p） 二项分布 B（n，p）
泊松分布 P(λ)
均匀分布 U（ a,b ） 正态分布 N（ , 2 ）
指数分布 E（λ）
2 分布， 2 (n)
t 分布， t(n)
常见分布的期望和方差
概率密度函数
pi = P X = i = Cni piqn−i (q =1− p),(i =1, 2,..., n)
⑵、 0 F(x, y) 1，对于任意固定的 x，y 有： F(−, y) = F(x, −) = 0 ；
⑶、 F(x, y) 关于 x 右连续，关于 y 右连续；
⑷、对于任意的 (x1, y1), (x2, y2 ), x1 x2, y1 y2 ，有下述不等式成立：
常见分布的数学期望和方差
分布
k!
数
k 0,1,2,
pq
npq
学 期
均匀 分布
f (x)
1 b
a
,
a
x
b
0 , else
望 与
指数 分布
f
(
x)
e x
0,
,
x0 else
( 0)
ab 2 1
(b a)2 12 1
2
方 差
正态 分布
f (x)
1
e ，
(
x) 2 2
2
x
2
( 0)
2
例1
设X
~
N
(
1
,
2 1
E( X i ) p , D( X i ) p(1 p) ,
而 X= X1+X2+…+Xn ， Xi 相互独立，
n
n
所以 E( X ) E( X i ) E( X i ) np .
i 1
i 1
n
n
D( X ) D( X i ) D( X i ) np(1 p) .
i 1
i 1
所以 D( X ) np(np p 1) (np)2 np(1 p) .
4
下面利用期望和方差的性质重新求二项分布的
数学期望和方差.
设 X ~ B ( n, p )，X表示n重伯努利试验中的成功次数.
设
1 X i 0
如第i次试验成功 如第i次试验失败
i=1,2,…,n
则
Xi
P
10
p 1 p
与 2X 的关系是则( ).
A.有相同的分布
B.数学期望相等
C.方差相等
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
e
2 dt
2
3.指数分布的方差
分布密度
e x
f (x)
x0
0
x0
方差
E(X ) 1
E( X 2 )
+ x2exdx
0
x2ex
0
+ 2xexdx
0
2
xe x
0
+ 0
e
x
dx
2.二项分布的方差
分布律
X ~ B ( n, p )
P{ X
k}
C
k n
pk (1
p)nk
方差
推导？
E(X ) np E( X 2 ) n(n 1) p2 np
D( X ) E( X 2 ) [E( X )]2 np(1 p) npq
If X ~ B ( n, p ) , then D ( X ) = n p ( 1- p )
2
1
2
三、小 结
• 常见的离散型随机变量的数学期望与方差 • 常见的连续性随机变量的数学期望与方差
4.3常见分布的数学期望与方差
一、常见离散型随机变量的期望与方差 二、常见连续型随机变量的期望与方差
一、常见离散型随机变量的数学期望与方差
1. 0-1分布的方差
分布律
X
01
P 1-p p
E(X ) p
方差
E( X 2 ) 12 p 02 (1 p) p
D( X ) E( X 2 ) [E( X )]2 p p2 pq 其中 q 1- p
1.均匀分布的方差
分布密度
1
f
(
x)
b
a
a xb
0
其它
方差
E(X ) 1 (a b) 2
E( X 2 )
b x2
x3
dx
a b a 3(b a)
b a
a2 ab b2
3
D( X ) E( X 2 ) [E( X )]2 1 (b a)2 12
2.正态分布的方差 分布密度 X ~ N(, 2 ) E( X )
方差
D( X ) (x )2
1
(x )2
e 2 2 dx
2
t x
2
t
2
e
t2 2
dt
2
2 2
t
t2
e2
t2
其中 q 1- p
3.泊松分布的方差
分布律
P(X k) k e
k!
方差
推导？
E(X ) E(X 2) 2
D( X ) E( X 2 ) [E( X )]2
If X : P(), then D( X )
二、常见的连续型随机变量的数学期望与方差
2
2
e x
0
2
2
D(X )
E( X 2 ) [E( X )]2
2
2
1
2
1
2
常见分布及其期望和方差列表
分布名称
数学期望E（X） 方差D（X）
0-1分布
p
pqБайду номын сангаас
二项分布
np
npq
泊松分布 均匀分布 正态分布 指数分布
ab 2
1
(b a)2 12