概率统计Python计算：经典分布的方差计算

与数学期望计算相同，scipy.stats包中提供的经典分布对象都拥有函数var，计算服从该分布的随机变量的方差。常用分布的var函数调用接口如下表所列

分布	调用接口	参数
bernoulli（0-1分布）	var( p)	p：分布参数$p$
binom（二项分布）	var(n, p)	n, p：分布参数$n$与$p$
poisson（泊松分布）	var(mu)	mu：分布参数$\lambda$
uniform（均匀分布）	var(loc=0, scale=1)	loc：分布参数$a$，缺省值为0，scale：分布参数$b-a$缺省值为1
expon（指数分布）	var(scale=1)	scale：分布参数$\lambda$，缺省值为1
norm（正态分布）	var(loc=0, scale=1)	loc：分布参数$\mu$，缺省值为0，scale：分布参数$\sigma$，缺省值为1

例1 设随机变量$X$~$N(0,4)$，$Y$~$U(0,4)$，且$X$与$Y$相互独立，计算$D(X+Y)$和$D(2X-3Y)$。
解： 由于$X$~$N(0,4)$，$D(X)=4$。$Y$~$U(0,4)$，故$D(Y)=\frac{4^2}{12}=\frac{4}{3}$。又由于$X$与$Y$相互独立，故$D(X+Y)=D(X)+D(Y)=4+4/3=16/3$。同理，$D(2X-3Y)=2^{2}D(X)+3^{2}D(Y)=28$。下列代码验算本例计算结果。

from scipy.stats import norm, uniform   #导入norm和uniform
Dx=norm.var(scale=2)                    #计算X的方差
Dy=uniform.var(scale=4)                 #计算Y的方差
print('D(X+Y)=%.4f'%(Dx+Dy))            #输出D(X+Y)
print('D(2X-3Y)=%.4f'%(4*Dx+9*Dy))      #输出D(2X-3Y)

本题中$X$~$N(0,4)$，$Y$~$U(0,4)$，故第2、3两行分别调用norm的var函数和uniform的var函数计算方差$D(X)$和$D(Y)$。注意，根据上列表格中正态分布norm的var函数，参数loc表示$\mu$（缺省值为0），参数scale表示$\sigma$。而均匀分布uniform的var函数，参数loc表示$a$（缺省值为0），scale表示$b-a$。故只需各自传递给参数scale的正确值2和4。运行程序，输出

D(X+Y)=5.3333
D(2X-3Y)=28.0000

此即为$D(X+Y)=16/3$和$D(2X-3Y)=28$精确到万分位的值。
例2 设随机变量$X_1$~$N(0,1)$，$X_2$~$b(10,0.2)$，$X_3$~$\pi (4)$且$X_1$，$X_2$，$X_3$相互独立。计算$E(X_1-X_2-2X_3+2)$，$D(X_1-X_2-2X_3+2)$。
解： 我们知道$E(X_1)=0$，$D(X_1)=1$，$E(X_2)=2$，$D(X_2)=1.6$，$E(X_3)=D(X_3)=4$。故
$$\begin{gathered} E(X_1-X_2-2X_3+2)=E(X_1)-E(X_2)-2E(X_3)+2=0-2-2\cdot 4+2=-8, \\ D(X_1-X_2-2X_3+2)=D(X_1)+D(X_2)+2^2\cdot D(X_3)=1+1.6+16=\mathrm{18.6.} \end{gathered}$$
下列程序验算本例的计算结果。

from scipy.stats import norm, binom, poisson	#导入norm, binom, poisson
Ex1=norm.expect(scale=1)						#E(X1)
Ex2=binom.expect(args=(10,0.2))					#E(X2)
Ex3=poisson.expect(args=(4,))					#E(X3)
print('E(X1-X2-2X3+2)=%.1f'%(Ex1-Ex2-2*Ex3+2))
Dx1=norm.var(scale=1)							#D(X1)
Dx2=binom.var(10, 0.2)							#D(X2)
Dx3=poisson.var(4)								#D(X3)
print('D(X1-X2-2X3+2)=%.1f'%(Dx1+Dx2+4*Dx3))

第2~4行分别调用norm，binom和poisson的expect函数计算$E(X_1)$，$E(X_2)$和$E(X_3)$，注意各自传递的参数（参见博文《经典分布数学期望的计算》）。第6~8行调用norm，binom和poisson的var函数计算$D(X_1)$，$D(X_2)$和$D(X_3)$，注意各自传递的参数。运行程序，输出

E(X1-X2-2X3+2)=-8.0
D(X1-X2-2X3+2)=18.6

写博不易，敬请支持：
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
代码诚可贵，原理价更高。若为AI学，读正版书好。
返回《导引》