期望与方差公式
更新日期:2026-11-11 20:46:22
| 标题 | 期望与方差公式 | ||||||||||||||||||||||||||||||||||||||||||||||
| 内容 | 在概率论与统计学中,期望与方差是描述随机变量基本特征的两个重要指标。期望反映了随机变量的“平均值”或“中心位置”,而方差则衡量了随机变量与其期望之间的偏离程度,即数据的离散程度。以下是对期望与方差公式的总结,并通过表格形式进行清晰展示。 一、期望(Expected Value) 期望是一个随机变量在所有可能结果中的加权平均值,权重为各个结果发生的概率。 1. 离散型随机变量的期望公式: $$ E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i) $$ 其中: - $ x_i $:第 $ i $ 个可能的取值; - $ P(x_i) $:$ x_i $ 对应的概率; - $ n $:可能的取值数量。 2. 连续型随机变量的期望公式: $$ E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx $$ 其中: - $ f(x) $:概率密度函数; - 积分范围为整个实数轴。 二、方差(Variance) 方差衡量的是随机变量与其期望之间的偏离程度。它等于随机变量与期望的平方的期望。 1. 方差的一般公式: $$ Var(X) = E[(X - E(X))^2 $$ 也可以简化为: $$ Var(X) = E(X^2) - [E(X)]^2 $$ 2. 离散型随机变量的方差公式: $$ Var(X) = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot P(x_i) $$ 3. 连续型随机变量的方差公式: $$ Var(X) = \int_{-\infty}^{\infty} (x - E(X))^2 \cdot f(x) \, dx $$ 三、期望与方差的性质
四、常见分布的期望与方差
五、小结 期望与方差是分析随机现象的重要工具,它们分别反映了数据的集中趋势和离散程度。掌握这些公式的应用,有助于我们在实际问题中更好地理解数据行为并做出合理推断。 表:期望与方差公式总结表
通过以上内容,我们可以系统地理解期望与方差的基本概念及其计算方法,为后续的概率分析打下坚实基础。 | ||||||||||||||||||||||||||||||||||||||||||||||
| 随便看 |