二项分布: E(X) = np, D(X) = np(1-p)
泊松分布: E(X)=λ,D(X)=λ
均匀分布: E(X) = (a+b)/2, D(X) = (b-a)^2/12
指数分布: E(X)=1/λ,D(X)=1/λ^2
标准正太分布: E(X)=0, D(X)=1
1. 二项分布与泊松分布的期望与方差
1.2 二项分布
由于Xn是独立事件,所以E(X)=E(X1)+....+E(Xn)=np,且Var(X)=Var(X1)+....+Var(Xn)=np(1-p)
Var(X+Y)=Var(X)+Var(Y)+2E[(X-E(X))(Y-E(Y))]
1.2 泊松分布
如图给出的是参数1,4,10对应的泊松分布的分布列(左图)和分布函数(右图),可以看出泊松分布的分布列有一个最大值,随着λ的不同,峰值的高度和位置均有不同。达到峰值后,随着k的增大概率值Pk迅速减小。虽然泊松分布的取值范围是全体非负整数,但对较大的K,X=K的概率非常小。
2. 几何分布的期望和方差
备注:计算泊松分布和几何分布随机变量的期望过程中,做了诸如将k 拆分为(k-1)+1, 以及 2 k 拆分为 k(k-1)+k 或(k-1)^2+2(k-1)+1 等等的等价变形处理,这一类的 拆分是概率统计计算中常用的处理方法,目的是为了凑出随机变量的分布列求和或 期望等的求和式,利用求和式的概率意义和已知的概率结果往往可以简化计算。
3. 均匀、指数和正态分布的期望与方差