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:
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 |