七个分布的期望与方差
更新日期：2026-09-15 19:27:10
| 标题 | 七个分布的期望与方差 | ||||||||||||||||||||||||||||||||
| 内容 | 在概率论与数理统计中，常见的概率分布有多种，每种分布都有其特定的数学期望和方差。这些数值可以帮助我们更好地理解随机变量的集中趋势和离散程度。以下是对七种常见概率分布的期望与方差的总结。 一、二项分布（Binomial Distribution） - 定义：在n次独立试验中，事件A发生的次数X服从参数为(n, p)的二项分布。 - 期望：E(X) = np - 方差：Var(X) = np(1 - p) 二、泊松分布（Poisson Distribution） - 定义：描述单位时间内随机事件发生的次数，参数为λ。 - 期望：E(X) = λ - 方差：Var(X) = λ 三、正态分布（Normal Distribution） - 定义：连续型分布，具有对称的钟形曲线，参数为均值μ和标准差σ。 - 期望：E(X) = μ - 方差：Var(X) = σ² 四、均匀分布（Uniform Distribution） - 定义：在区间[a, b]上所有点出现的概率相等。 - 期望：E(X) = (a + b)/2 - 方差：Var(X) = (b - a)² / 12 五、指数分布（Exponential Distribution） - 定义：描述独立事件发生的时间间隔，参数为λ。 - 期望：E(X) = 1/λ - 方差：Var(X) = 1/λ² 六、几何分布（Geometric Distribution） - 定义：表示在伯努利试验中，首次成功前的失败次数。 - 期望：E(X) = (1 - p)/p - 方差：Var(X) = (1 - p)/p² 七、超几何分布（Hypergeometric Distribution） - 定义：从有限总体中不放回地抽取样本时，成功次数的分布。 - 期望：E(X) = n (K / N) - 方差：Var(X) = n (K/N) ((N - K)/N) ((N - n)/(N - 1))) 表格总结
通过了解这些常见分布的期望与方差，我们可以更有效地进行数据分析、风险评估以及统计推断。希望本总结能帮助你更好地掌握这些基础知识。 | ||||||||||||||||||||||||||||||||
| 随便看 |
|