在线词典

期望和方差公式

更新日期:2026-11-12 04:52:49

标题期望和方差公式
内容

在概率论与统计学中,期望和方差是描述随机变量基本特征的两个重要概念。期望反映了随机变量的平均值或长期趋势,而方差则衡量了随机变量与其期望之间的偏离程度。以下是关于期望和方差的常用公式总结。

一、期望(Expectation)

期望是随机变量在所有可能取值上的加权平均,权重为相应的概率。

1. 离散型随机变量的期望

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

$$

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) $,则期望公式为:

$$

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

$$

二、方差(Variance)

方差表示随机变量与其期望之间的偏离程度,数值越大,说明数据越分散。

1. 方差的定义式

$$

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

$$

2. 方差的简化计算公式

$$

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

$$

三、常见分布的期望与方差公式

以下是一些常见的概率分布及其对应的期望和方差公式:

分布类型 概率质量/密度函数 期望 $ E(X) $ 方差 $ \text{Var}(X) $
伯努利分布 $ P(X = x) = p^x(1-p)^{1-x} $ $ p $ $ p(1-p) $
二项分布 $ P(X = k) = C_n^k p^k (1-p)^{n-k} $ $ np $ $ np(1-p) $
泊松分布 $ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!} $ $ \lambda $ $ \lambda $
均匀分布 $ f(x) = \frac{1}{b-a} $, $ a \leq x \leq b $ $ \frac{a + b}{2} $ $ \frac{(b-a)^2}{12} $
正态分布 $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ $ \mu $ $ \sigma^2 $
指数分布 $ f(x) = \lambda e^{-\lambda x} $, $ x \geq 0 $ $ \frac{1}{\lambda} $ $ \frac{1}{\lambda^2} $

四、期望与方差的性质

1. 线性性:

$ E(aX + b) = aE(X) + b $,其中 $ a, b $ 为常数。

2. 方差的线性性质:

$ \text{Var}(aX + b) = a^2 \text{Var}(X) $

3. 独立变量的方差:

若 $ X $ 和 $ Y $ 相互独立,则

$ \text{Var}(X + Y) = \text{Var}(X) + \text{Var}(Y) $

五、小结

期望和方差是统计分析中不可或缺的工具,它们帮助我们理解数据的集中趋势和离散程度。掌握这些公式的应用,有助于在实际问题中进行更准确的概率建模和数据分析。

通过表格形式可以快速查阅不同分布的期望和方差,提高学习和应用效率。希望本文能为学习概率统计的同学提供参考和帮助。

随便看