【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。
