【期望和方差的计算公式】在概率论与统计学中，期望和方差是描述随机变量分布特性的两个重要指标。期望反映了随机变量的平均取值，而方差则衡量了随机变量与其期望之间的偏离程度。以下是关于期望和方差的计算公式的总结。
一、期望（Expected Value）
期望是随机变量在大量重复实验中取值的平均结果，也称为数学期望或均值。
1. 离散型随机变量的期望
对于离散型随机变量 $ X $，其可能取值为 $ x_1, x_2, \dots, x_n $，对应的概率分别为 $ P(x_1), P(x_2), \dots, P(x_n) $，则期望为：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i)
$$
2. 连续型随机变量的期望
对于连续型随机变量 $ X $，其概率密度函数为 $ f(x) $，则期望为：
$$
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
$$
二、方差（Variance）
方差表示随机变量与其期望之间的偏离程度，反映数据的波动性。
1. 方差的定义
方差 $ \text{Var}(X) $ 的定义为：
$$
\text{Var}(X) = E[(X - E(X))^2
$$
也可以简化为：
$$
\text{Var}(X) = E(X^2) - [E(X)]^2
$$
2. 离散型随机变量的方差
对于离散型随机变量 $ X $，其方差为：
$$
\text{Var}(X) = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot P(x_i)
$$
或者使用简化公式：
$$
\text{Var}(X) = \sum_{i=1}^{n} x_i^2 \cdot P(x_i) - [E(X)]^2
$$
3. 连续型随机变量的方差
对于连续型随机变量 $ X $，其方差为：
$$
\text{Var}(X) = \int_{-\infty}^{\infty} (x - E(X))^2 \cdot f(x) \, dx
$$
同样可以使用简化公式：
$$
\text{Var}(X) = \int_{-\infty}^{\infty} x^2 \cdot f(x) \, dx - [E(X)]^2
$$
三、常见分布的期望和方差
| 分布名称 | 期望 $ E(X) $ | 方差 $ \text{Var}(X) $ |
| 伯努利分布 | $ p $ | $ p(1-p) $ |
| 二项分布 | $ np $ | $ np(1-p) $ |
| 泊松分布 | $ \lambda $ | $ \lambda $ |
| 均匀分布 | $ \frac{a + b}{2} $ | $ \frac{(b-a)^2}{12} $ |
| 正态分布 | $ \mu $ | $ \sigma^2 $ |
| 指数分布 | $ \frac{1}{\lambda} $ | $ \frac{1}{\lambda^2} $ |
四、总结
- 期望是随机变量的“中心位置”，表示平均值。
- 方差是随机变量的“离散程度”，表示数据的波动性。
- 不同类型的随机变量有不同的期望和方差计算方式。
- 掌握这些公式有助于理解概率分布的特性，并在实际问题中进行数据分析和建模。
通过合理应用这些公式，可以更准确地分析和预测随机事件的结果。