ACM常见概率期望分布

1.两点分布
即只先进行一次伯努利试验，该事件发生的概率为p，不发生的概率为1-p。这是一个最简单的分布，任何一个只有两种结果的随机现象都服从0-1分布。

期望：E=p
方差: D = p*(1-p)^2 + (1-p) * (0-p)^2 = p * (1-p)

2.二项分布
做n次伯努利实验，有k次实验成功

期望：E = np
方差：D = np(1-p)

3.几何分布
在n次伯努利实验中，第k次实验才得到第一次成功的概率分布。其中：P(k) = (1-p)^(k-1)*p

期望：E=1/p
方差：D=(1-p)/p^2

4.泊松分布(x~p(λ))
描述单位时间/面积内，随机事件发生的次数。

期望：E=λ
方差：E=λ

5.均匀分布(x~u(a,b))
对于随机变量x的概率密度函数：

则称随机变量X服从区间[a,b]上的均匀分布。

期望：E=0.5（a+b）
方差：D=(b-a）^2 / 12

6.指数分布X~ E（λ）

期望： E = 1/λ
方差：D = 1/λ^2

7.正态分布（X~N(μ，σ^2)）

期望：E = μ
方差：D = σ^2