【各种分布的方差与期望公式是什么】在概率论与统计学中,了解不同概率分布的期望和方差是分析数据、进行统计推断的重要基础。期望(均值)表示随机变量的平均取值,而方差则衡量随机变量与其期望之间的偏离程度。以下是对常见概率分布的期望与方差的总结。

一、离散型分布

分布名称 概率质量函数(PMF) 期望 E(X) 方差 Var(X)
伯努利分布 P(X=k) = p^k (1-p)^{1-k} 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) = e^{-λ} λ^k / k! λ λ
几何分布 P(X=k) = (1-p)^{k-1} p 1/p (1-p)/p²
超几何分布 P(X=k) = [C(K,k) C(N-K, n-k)] / C(N,n) nK/N nK(N-K)(N-n) / [N²(N-1)]

二、连续型分布

分布名称 概率密度函数(PDF) 期望 E(X) 方差 Var(X)
均匀分布 f(x) = 1/(b-a), a ≤ x ≤ b (a + b)/2 (b - a)² / 12
正态分布 f(x) = 1/√(2πσ²) e^{-(x-μ)²/(2σ²)} μ σ²
指数分布 f(x) = λ e^{-λx}, x ≥ 0 1/λ 1/λ²
伽马分布 f(x) = β^α x^{α-1} e^{-βx} / Γ(α) α/β α/β²
贝塔分布 f(x) = x^{α-1}(1-x)^{β-1} / B(α,β) α/(α+β) αβ / [(α+β)^2 (α+β+1)]

三、其他重要分布

分布名称 期望 E(X) 方差 Var(X)
卡方分布 k 2k
t 分布 0(当自由度 > 1) 自由度 / (自由度 - 2)
F 分布 ν₂ / (ν₂ - 2) 2ν₂²(ν₁ + ν₂ - 2) / [ν₁(ν₂ - 2)^2(ν₂ - 4)]

总结

每种概率分布都有其特定的数学形式和统计特性,掌握它们的期望与方差有助于更好地理解数据的分布特征,并在实际问题中进行建模和预测。无论是理论研究还是应用分析,这些基本概念都是不可或缺的工具。

通过上述表格可以快速查阅各类分布的期望与方差,便于在学习或工作中高效使用。