前言
简介
本文是对概率论中常见分布包括二项分布、0-1分布、泊松分布、均匀分布、正态分布、指数分布的期望和方差的证明整合,附加自己的推导或理解。
导览
二项分布 (Binomial Distribution)
泊松分布 (Poisson’s Distribution)
均匀分布 (Uniform Distribution)
正态分布 (Normal Distribution)
指数分布 (Exponential Distribution)
总结
二项分布 (Binomial Distribution) X~B(n,p):E(X)=np,D(X)=np(1-p)=npq 。
0-1分布 X~B(1,p):E(X)=p,D(X)=p(1-p)=pq 。
泊松分布 (Poisson’s Distribution) X~P(λ):E(X)=λ,D(X)=λ 。
均匀分布 (Uniform Distribution) X~U(a,b) :E(X)=(a+b)/2,D(X)=(b−a)2/12 。
正态分布 (Normal Distribution) X~N(μ,σ):E(X)=μ,D(X)=σ2。
指数分布 (Exponential Distribution)X~Γ(1,β):E(X)=1/λ,D(X)=1/λ2 。
正文
二项分布 (Binomial Distribution) From QUETAL and chs007chs
X~B(n,p)
分布律:P(X=k)=(kn)pkqn−k,k=0,1,2,..,n,q=1−p
期望:
EX=k=0∑nk(kn)pkqn−k=k=1∑nk(kn)pkqn−k=k=1∑nkk!(n−k)!n!pkqn−k=npk=1∑n(k−1)!(n−k)!(n−1)!pk−1q(n−1)−(k−1)=npk=1∑n(k−1n−1)pk−1q(n−1)−(k−1)=np[(0n−1)p0qn−1+(1n−1)p1qn−2+...+(n−1n−1)pn−1q0]=np
方差:DX=EX2−(EX)2
计算EX^2:
EX2=k=1∑nk2(kn)pkqn−k,k=0,1,2,..,n,q=1−p=k=1∑n[k(k−1)+k](kn)pkqn−k=k=1∑nk(k−1)(kn)pkqn−k+k=1∑nk(kn)pkqn−k其中,k=1∑nk(kn)pkqn−k=EX=npk=1∑nk(k−1)(kn)pkqn−k=k=1∑nk(k−1)k!(n−k)!n!p2pk−2qn−k=k=2∑nk(k−1)k!(n−k)!n!p2pk−2qn−k注:特别注意这里k=1时项为0,所以可以从k=2开始计算。=k=1∑n(k−2)!(n−k)!n(n−1)(n−2)!p2pk−2q[(n−2)−(k−2)]=n(n−1)p2k=2∑n(k−2)!(n−k)!(n−2)!pk−2q[(n−2)−(k−2)]=n(n−1)p2k=2∑n(k−2n−2)pk−2q[(n−2)−(k−2)]=n(n−1)p2→EX2=n(n−1)p2+np→DX=EX2−(EX)2=np−np2=np(1−p)
X~B(1,p)
也可以从上式直接推导得到
泊松分布 (Poisson’s Distribution) From saltriver
X~P(λ)
分布律:P(X=k)=k!λke−λ
期望:
E(X)=k=0∑∞k⋅k!λke−λ因为k=0时,k⋅λke−λk!=0E(X)=k=1∑∞k⋅k!λke−λE(X)=k=1∑∞k⋅k!λke−λ=k=1∑∞(k−1)!λke−λ=k=1∑∞(k−1)!λk−1λe−λ=λe−λk=1∑∞(k−1)!λk−1用到泰勒展开式:ex=1+x+2!x2+3!x3+...+n!xn+...=k=1∑∞(k−1)!xk−1E(X)=λe−λk=1∑∞(k−1)!λk−1=λe−λeλ=λ
方差:DX=EX2−(EX)2
计算EX^2:
E(X2)=k=0∑∞k2⋅k!λke−λ=λe−λk=1∑∞(k−1)!kλk−1=λe−λk=1∑∞(k−1)!(k−1+1)λk−1=λe−λ(m=0∑∞m!m⋅λm+m=0∑∞m!λm)(m=k−1)=λe−λ(λ⋅m=1∑∞(m−1)!λm−1+m=0∑∞m!λm)=λe−λ(λeλ+eλ)=λ(λ+1)→D(X)=E(X2)−(E(X))2=λ(λ+1)−λ2=λ
X~U(a,b)
推导较为简单。
正态分布 (Normal Distribution) From 一只驽马
X~N(μ,σ)
概率密度函数:fX(x)=σ2π1exp{−2σ2(x−μ)2}
期望:E(x)=μ∫−∞+∞N(x∣μ′=0,σ2)dx=μ
方差:⇒V(X)=σ2π4212π=σ2
指数分布 (Exponential Distribution) From saltriver
X~Γ(1,β)
概率密度函数:
期望:
E(X)=∫−∞∞∣x∣f(x)dx=∫0∞xf(x)dx=∫0∞x⋅λe−λxdx=λ1∫0∞λxe−λxdλx令u=λx,E(X)=λ1∫0∞ue−udu=λ1[(−e−u−ue−u)∣(∞,0)]=λ1
方差:DX=EX2−(EX)2
计算EX^2:
E(X2)=∫−∞∞∣x2∣f(x)dx=∫0∞x2f(x)dx=∫0∞x2⋅λe−λxdxE(X2)=λ21∫0∞λxλxe−λxdλx令u=λx,E(X2)=λ21∫0∞u2e−udu=λ21[(−2e−u−2ue−u−u2e−u)∣(∞,0)]=λ21⋅2=λ22→D(X)=E(X2)−(E(X))2=λ22−(λ1)2=λ21