首页 > 综合 > 精选范文 >

方差和期望的公式

2025-10-04 12:54:10

问题描述:

方差和期望的公式,急!求解答,求不沉贴!

最佳答案

推荐答案

2025-10-04 12:54:10

方差和期望的公式】在概率论与数理统计中,期望和方差是描述随机变量基本特征的两个重要指标。期望反映了随机变量的平均值,而方差则衡量了随机变量与其期望之间的偏离程度。以下是对这两个概念及其公式的总结。

一、期望(Expected Value)

期望是随机变量在大量重复试验中所表现出的平均结果。对于离散型和连续型随机变量,其期望的计算方式有所不同。

1. 离散型随机变量的期望

设 $ X $ 是一个离散型随机变量,可能取值为 $ x_1, x_2, \dots, x_n $,对应的概率分别为 $ p_1, p_2, \dots, p_n $,则期望为:

$$

E(X) = \sum_{i=1}^{n} x_i \cdot p_i

$$

2. 连续型随机变量的期望

设 $ X $ 是一个连续型随机变量,其概率密度函数为 $ f(x) $,则期望为:

$$

E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx

$$

二、方差(Variance)

方差用于衡量随机变量与其期望之间的偏离程度,即数据的波动性。方差越小,说明数据越集中;方差越大,说明数据越分散。

1. 方差的定义

方差可以表示为随机变量与其期望的平方差的期望:

$$

\text{Var}(X) = E\left[(X - E(X))^2\right

$$

也可以简化为:

$$

\text{Var}(X) = E(X^2) - [E(X)]^2

$$

2. 离散型随机变量的方差

$$

\text{Var}(X) = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot p_i

$$

或等价地:

$$

\text{Var}(X) = \sum_{i=1}^{n} x_i^2 \cdot p_i - \left( \sum_{i=1}^{n} x_i \cdot p_i \right)^2

$$

3. 连续型随机变量的方差

$$

\text{Var}(X) = \int_{-\infty}^{\infty} (x - E(X))^2 \cdot f(x) \, dx

$$

或等价地:

$$

\text{Var}(X) = \int_{-\infty}^{\infty} x^2 \cdot f(x) \, dx - \left( \int_{-\infty}^{\infty} x \cdot f(x) \, dx \right)^2

$$

三、常见分布的期望与方差

分布名称 期望 $ E(X) $ 方差 $ \text{Var}(X) $
二项分布 $ B(n,p) $ $ np $ $ np(1-p) $
泊松分布 $ P(\lambda) $ $ \lambda $ $ \lambda $
正态分布 $ N(\mu,\sigma^2) $ $ \mu $ $ \sigma^2 $
均匀分布 $ U(a,b) $ $ \frac{a+b}{2} $ $ \frac{(b-a)^2}{12} $
指数分布 $ \text{Exp}(\lambda) $ $ \frac{1}{\lambda} $ $ \frac{1}{\lambda^2} $

四、总结

期望和方差是概率统计中不可或缺的工具,它们帮助我们理解随机现象的中心趋势和变异性。掌握这些公式的应用,有助于在实际问题中进行数据分析、风险评估和决策制定。通过表格形式对比不同分布的期望与方差,可以更直观地了解它们的特性,从而提高对概率模型的理解能力。

免责声明:本答案或内容为用户上传,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。 如遇侵权请及时联系本站删除。