泊松分布期望和方差推导

最新推荐文章于 2024-06-17 00:33:36 发布

迷你多啦

最新推荐文章于 2024-06-17 00:33:36 发布

阅读量6k

点赞数 4

文章标签：概率论

本文链接：https://blog.csdn.net/weixin_49813139/article/details/124493043

版权

泊松分布期望方差概率分布数学推导

关键词由CSDN通过智能技术生成

博客详细解析了泊松分布的期望和方差的数学推导过程，通过逐步展开求和公式，证明了泊松分布的期望值E(x)=λ以及方差D(x)=λ。内容适合统计学和概率论的学习者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

泊松分布

已知泊松分布
$P(x=k)=\frac{\lambda^{k}e^{-\lambda}}{k!}$

期望

$E(x)=\sum_{k=0}^∞k\frac{\lambda^{k}e^{-\lambda}}{k!}$
因为有当k=0时：
$0\frac{\lambda^{0}e^{-\lambda}}{0!}=0$
则：
$E(x)=\sum_{k=1}^∞k\frac{\lambda^{k}e^{-\lambda}}{k!}$
$E(x)=\lambda\sum_{k=1}^∞\frac{\lambda^{k-1}e^{-\lambda}}{(k-1)!}$
$E(x)=\lambda\sum_{k=0}^∞\frac{\lambda^{k}e^{-\lambda}}{k!}$
其中：
$\sum_{k=0}^∞\frac{\lambda^{k}e^{-\lambda}}{k!}$
是泊松分布所有的概率之和为1。
因此：
$E(x)=\lambda$

方差

$D(x)=E((x-E(x))^2)=E(x^2)-E(x)^2$
其中：
$E(x^2)=\sum_{k=0}^∞k^2\frac{\lambda^{k}e^{-\lambda}}{k!}$
同理，当k=0时，此累加项为0。
则有：
$E(x^2)=\sum_{k=1}^∞k^2\frac{\lambda^{k}e^{-\lambda}}{k!}$
$E(x^2)=\lambda\sum_{k=1}^∞k\frac{\lambda^{k-1}e^{-\lambda}}{(k-1)!}$
其中：
$\sum_{k=1}^∞k\frac{\lambda^{k-1}e^{-\lambda}}{(k-1)!}=\sum_{k=0}^∞(k+1)\frac{\lambda^{k}e^{-\lambda}}{k!}=E(x+1)=E(x)+E(1)=\lambda+1$
$E(x^2)=\lambda(\lambda+1)=\lambda^2+\lambda$
$D(x)=E(x^2)-E(x)^2=\lambda^2+\lambda-\lambda^2=\lambda$