什么是随机变量的数学期望
-
离散型
设离散型随机遍历 X X X的分布率为$P{X=x_i} = p_i , , ,k=1,2,\cdots$
若指数 ∑ k − 1 ∞ x k p k \sum^{\infty}_{k-1}x_kp_k ∑k−1∞xkpk绝对收敛,则称级数 ∑ k − 1 ∞ x k p k \sum^{\infty}_{k-1}x_kp_k ∑k−1∞xkpk为随机变量 X X X的数学期望,记为 E ( X ) E(X) E(X)
E ( X ) = ∑ k − 1 ∞ = x k p k E(X) = \sum^{\infty}_{k-1} = x_kp_k E(X)=k−1∑∞=xkpk
2.连续型
设连续型随机变量 X X X的概率密度为 f ( x ) f(x) f(x),若积分 ∫ − ∞ + ∞ f ( x ) d x \int^{+\infty}_{-\infty}f(x)dx ∫−∞+∞f(x)dx绝对收敛
则称
∫
−
∞
+
∞
f
(
x
)
d
x
\int^{+\infty}_{-\infty}f(x)dx
∫−∞+∞f(x)dx的值为随机变量
X
X
X的数学期望,记为
E
(
X
)
E(X)
E(X)
E
(
X
)
=
∫
−
∞
+
∞
f
(
x
)
d
x
E(X) = \int^{+\infty}_{-\infty}f(x)dx
E(X)=∫−∞+∞f(x)dx
请计算出三种离散 型、三种连续型常见分布的期望
-
两点分布
-
分布率: P ( X = k ) = p k ( 1 − p ) 1 − k , k = 0 , 1 P(X=k)=p^k(1-p)^{1-k} , k=0,1 P(X=k)=pk(1−p)1−k,k=0,1
-
期望: E ( X ) = p E(X) = p E(X)=p
-
方差: D ( X ) = E ( X 2 ) − [ E ( X ) ] 2 = p ( 1 − p ) D(X)=E(X^2)-[E(X)]^2 = p(1-p) D(X)=E(X2)−[E(X)]2=p(1−p)
-
-
二项分布
-
分布率: P ( X = k ) = ( n k ) p k q n − k P(X=k)={n\choose k}p^k q^{n-k} P(X=k)=(kn)pkqn−k
-
期望: E ( X ) = ∑ k = 0 n k ( n k ) p k ( 1 − p ) n − k = n p E(X) = \sum^n_{k=0}k{n\choose k}p^k(1-p)^{n-k} = np E(X)=∑k=0nk(kn)pk(1−p)n−k=np
-
E ( X 2 ) = ∑ k = 0 n k 2 ( n k ) p k ( 1 − p ) n − k = n ( n − 1 ) p 2 + n p E(X^2) = \sum^n_{k=0}k^2{n\choose k}p^k(1-p)^{n-k} = n(n-1)p^2 + np E(X2)=∑k=0nk2(kn)pk(1−p)n−k=n(n−1)p2+np
-
方差: D ( X ) = n p q D(X) = npq D(X)=npq
-
-
泊松分布
-
分布率: P ( X = k ) = λ k e − λ k ! P(X=k)=\frac{\lambda^k e^{-\lambda }}{k!} P(X=k)=k!λke−λ
-
期望: E ( X ) = ∑ k = 0 ∞ k λ k e − λ k ! = λ E(X) = \sum_{k=0}^{\infty}k\frac{\lambda^k e^{-\lambda }}{k!} = \lambda E(X)=∑k=0∞kk!λke−λ=λ
-
E ( X 2 ) = ∑ k = 0 ∞ k 2 λ k e − λ k ! = λ 2 + λ E(X^2) = \sum_{k=0}^{\infty}k^2 \frac{\lambda^k e^{-\lambda }}{k!} = \lambda^2 + \lambda E(X2)=∑k=0∞k2k!λke−λ=λ2+λ
-
方差: D ( X ) = λ D(X)=\lambda D(X)=λ
-
-
几何分布
-
分布率: P ( x = k ) = ( 1 − p ) k − 1 , p , j = 1 , 2 , … P(x=k)=(1-p)^{k-1},p,j=1,2,\dots P(x=k)=(1−p)k−1,p,j=1,2,…
-
期望: E ( X ) = ∑ k = 1 ∞ k p ( 1 − p ) k − 1 = 2 − p p 2 E(X) = \sum_{k=1}^{\infty}kp(1-p)^{k-1}=\frac{2-p}{p^2} E(X)=∑k=1∞kp(1−p)k−1=p22−p
-
方差: D ( X ) = q p 2 D(X) = \frac{q}{p^2} D(X)=p2q
-
-
均匀分布
-
分布率: f ( x ) = 1 b − a f(x) = \frac{1}{b-a} f(x)=b−a1
-
期望: E ( X ) = a + b 2 E(X) = \frac{a+b}{2} E(X)=2a+b
-
方差 D ( X ) = ( b − a ) 2 12 D(X) = \frac{(b-a)^2}{12} D(X)=12(b−a)2
-
-
正态分布
-
分布率: f ( x ) = 1 2 π σ e − ( x − μ ) 2 2 σ 2 f(x) = \frac{1}{\sqrt{2\pi \sigma}} e^{- \frac{(x-\mu)^2}{2\sigma^2}} f(x)=2πσ1e−2σ2(x−μ)2 , ( − ∞ < x < ∞ , σ > 0 ) (-\infty < x < \infty , \sigma > 0) (−∞<x<∞,σ>0)
-
期望: E ( X ) = μ E(X) = \mu E(X)=μ
-
方差: D ( X ) = σ 2 D(X)=\sigma^2 D(X)=σ2
-
-
指数分布
-
分布率: f ( x ) = { λ e − λ x , x > 0 0 , x ≤ 0 f(x) = \left\{\begin{aligned}&\lambda e^{-\lambda x} ,x > 0\\&0 \qquad ,x \le 0\end{aligned}\right. f(x)={λe−λx,x>00,x≤0
-
期望: E ( X ) = 1 λ E(X) = \frac{1}{\lambda} E(X)=λ1
-
方差: 1 λ 2 \frac{1}{\lambda^2} λ21
-
随机变量函数的期望计算公式
E ( g ( x ) ) = ∫ − ∞ + ∞ g ( x ) f ( x ) d x E(g(x)) = \int^{+\infty}_{-\infty}g(x)f(x)dx E(g(x))=∫−∞+∞g(x)f(x)dx