期望和方差的计算公式
更新日期:2026-11-11 20:42:36
| 标题 | 期望和方差的计算公式 | |||||||||
| 内容 | 在概率论与统计学中,期望和方差是描述随机变量分布特征的重要指标。期望反映了随机变量的平均取值水平,而方差则衡量了随机变量与其期望之间的偏离程度。以下是对期望和方差计算公式的总结,并通过表格形式进行对比展示。 一、期望(Expected Value) 期望是随机变量在大量重复试验中取值的平均结果,也称为均值。它表示的是随机变量在长期中的“中心位置”。 1. 离散型随机变量的期望 设离散型随机变量 $ X $ 的可能取值为 $ x_1, x_2, \ldots, x_n $,对应的概率分别为 $ P(X = x_i) = p_i $,则期望公式为: $$ E(X) = \sum_{i=1}^{n} x_i \cdot p_i $$ 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) $,则期望公式为: $$ E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx $$ 二、方差(Variance) 方差是衡量随机变量与其期望之间偏离程度的指标,数值越大,表示数据越分散;数值越小,表示数据越集中。 1. 方差的定义 方差可以表示为随机变量与其期望的平方差的期望,即: $$ \text{Var}(X) = E[(X - E(X))^2 $$ 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 $$ \text{Var}(X) = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot p_i $$ 3. 连续型随机变量的方差 $$ \text{Var}(X) = \int_{-\infty}^{\infty} (x - E(X))^2 \cdot f(x) \, dx $$ 三、期望与方差的计算公式对比表
四、总结 期望和方差是统计分析中不可或缺的工具,它们分别从“中心趋势”和“离散程度”两个角度对随机变量进行描述。理解并掌握它们的计算方法,有助于更好地分析数据、做出预测和决策。 通过上述表格,可以清晰地看到不同类型的随机变量在计算期望和方差时的差异,便于实际应用中快速选择合适的公式进行计算。 | |||||||||
| 随便看 |