随机变量的期望和方差B(n,P) H(N,M,n) P(λ)+U(a,b) E(λ)正态分布+概率论

H(N,M,n):超几何分布
B(n,P) :二项分布
P(λ)：泊松分布/Poisson分布
$$H\stackrel{N\to +\infty }{⟶}B\stackrel{n很大p很小}{⟶}P$$
产品质量的不放回抽检中,若N件产品中有M件次品,抽检n件时所得次品数X=k 的概率,当N为无穷大时,超几何分布就是二项分布

当一个随机事件，例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等，以固定的平均瞬时速率λ（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布P(λ)。泊松分布前边的级数就是e^x的麦克劳林展开式。

离散型	分布	期望	方差
几何分布	$$(1-p{)}^{n-1}\ast p$$	$$\frac{1}{p}$$	$$\frac{1-p}{p^2}$$
H(N,M,n)	$$\frac{C_M^k{C}_{N-M}^k}{C_N^n}$$	$$n\frac{M}{N}$$	$$n\frac{M}{N}(1-\frac{M}{N})(1-\frac{n-1}{N-1})$$
B(n,P)	$$C_n^k{p}^k(1-p{)}^{n-k}$$	np	np(1-p)
P(λ)	$$\frac{{\lambda }^k{e}^{-\lambda }}{k!}$$	λ	λ

连续型	分布	期望	方差
均匀分布U(a,b)	$$\frac{1}{b-a}$$	$$\frac{a+b}{2}$$	$$\frac{(b-a{)}^2}{12}$$
指数分布E(λ)	$$\lambda e^{-\lambda x}(x>=0),0(x<0)$$	$$\frac{1}{\lambda }$$	$$\frac{1}{{\lambda }^2}$$
正态分布N(μ,σ ^2)	$$\frac{1}{\sqrt{2\pi }\sigma }{e}^{-\frac{（x-\mu {）}^2}{2{\sigma }^2}}$$	μ	$${\sigma }^2$$

注：$$E(ax+b)=aE(x)+bD(ax+b)=a^{2}D(x)$$
几何分布，指数分布具有无记忆性
P(扔第101次|在已经扔了100次的条件下)=P(第一次)
P(x>s+t|x>s)=P(x>t)