几何分布及其期望计算

几何分布

以抛硬币为例：抛到正面则继续抛，抛到不是正面为止，记录这时抛硬币的次数X。假设出现正面的概率为$p$，那么非正面概率为$1-p$。发生抛k次事件的概率为： P { X = k } = p k − 1 ( 1 − p ) P\{X=k\}=p^{k-1}(1-p) P{X=k}=pk−1(1−p)

求几何分布的期望

根据离散概率分布的期望公式计算 E [ X ] = ∑ ζ P { X = ζ } E[X]=\sum \zeta P\{X=\zeta\} E[X]=∑ζP{X=ζ}得到几何分布的期望为 E [ X ] = ∑ k = 1 ∞ k P { X = k } = ∑ k = 1 ∞ k p k − 1 ( 1 − p ) = 1 − p p ∑ k = 1 ∞ k p k E[X]=\sum_{k=1}^{\infty} kP\{X=k\}=\sum_{k=1}^{\infty} kp^{k-1}(1-p)=\frac{1-p}{p}\sum_{k=1}^{\infty} kp^k E[X]=k=1∑∞​kP{X=k}=k=1∑∞​kpk−1(1−p)=p1−p​k=1∑∞​kpk下面来计算后面求和部分，先来计算有限次求和，再对其求极限$$A=\sum _{k=1}^{n}k{p}^k$$构造错位项$$pA=\sum _{k=1}^{n}k{p}^{k+1}$$两式相减得$$(1-p)A=\sum _{k=1}^n{p}^k-n{p}^{n+1}=\frac{p(1-p^n)}{1-p}-n{p}^{n+1}$$所以得到$$A=\frac{p(1-p^n)}{(1-p{)}^2}-\frac{n{p}^{n+1}}{1-p}$$对有限求和取极限$$\sum _{k=1}^{\infty }k{p}^k=\underset{n\to \infty }{\lim }\frac{p(1-p^n)}{(1-p{)}^2}-\frac{n{p}^{n+1}}{1-p}=\frac{p}{(1-p{)}^2}$$计算得到几何分布的期望$$E[X]=\frac{1-p}{p}\frac{p}{(1-p{)}^2}=\frac{1}{1-p}$$