龙源期刊网
分布列、期望、方差
作者：
来源：《数学金刊·高考版》2013年第03期
■
由于离散型随机变量的分布列、期望与方差与现实生活联系密切，能充分体现数学的应用价值，也符合高考发展的方向，是近几年高考考查的热点与重点内容. 预计在今后的高考中，它仍然是考查的重点，题型有选择题、填空题、解答题，不同的地区，在命题设计上不尽相同，但以解答题为主的可能性更大.
■
求离散型随机变量的期望和方差，一般先根据随机变量的意义，确定随机变量可以取哪些值，然后根据随机变量取这些值的意义求出取这些值的概率，列出分布列，再根据数学期望和方差的公式计算. 这类题多为解答题，常常综合考查排列组合知识、随机事件的概率等，有时还会根据概率、期望、方差等数据对某些现象进行说理. 因此在复习时要注意对概率综合题的研究，既要落实“模型题”训练，又要注重从生活情境出发进行思考.
■
■ 根据以往的经验，某工程施工期间的降水量X（单位：mm）对工期的影响如下表. 历年气象资料表明，该工程施工期间降水量X小于300，700，900的概率分别为0.3，0.7，0.9，求工期延误天数的均值与方差.
■
破解思路 先根据条件信息求出Y=0，2，6，8时的相应概率，列出Y的分布列，再根据分布列计算期望和方差. 这类题为容易题，体现对分布列、期望、方差等的最低要求.
经典答案 由已知条件和概率的加法公式可得到：P（X
■
于是，EY=0×0.3+2×0.4+6×0.2+10×0.1=3，DY=9.8. 故工期延误天数的均值为3，方差为9.8.？摇？摇？摇？摇？摇？摇？摇？摇？摇？摇？摇？摇？摇？摇
■ 一个袋中有若干个大小相同的黑球、白球和红球. 已知从袋中任意摸出1个球，得到黑球的概率是■；从袋中任意摸出2个球，至少得到1个白球的概率是■. 龙源期刊网
常见分布的期望与方差的计算
常见分布的期望与方差的计算
这些分布的期望和方差要求同学们熟记，以下是计算过程，供课下看。
1.0－1分布
已知随机变量X的分布律为
X
10
p
p1 p
则有
E(X)=1 p+0 q=p,
D(X)=E(X2) [E(X)]
2
=12
p+02
(1 p) p2
=pq.
2.二项分布
设随机变量X 服从参数为n, p 二项分布,
(法一)设Xi为第i 次试验中事件A 发生的次数，i=1,2,“,n则
X=∑Xi
i=1
n
n
显然，Xi 相互独立均服从参数为p 的0－1分布，
所以E(X)=∑E(Xi)=np.
i=1
D(X)=∑D(Xi)=np(1 p).
i=1
n
(法二) X的分布律为 n k P{ X= k}= p (1 p )n k, ( k= 0,1,2,", n), k n n n k则有 E ( X )=∑ k P{ X= k}=∑ k p (1 p )n k k=0 k k=0kn!=∑ p k (1 p )n k
k= 0 k ! ( n k )! np( n 1)!=∑ p k 1 (1 p )( n 1) ( k 1) k=1 ( k 1)![( n 1) ( k 1)]!n
n
( n 1)!= np∑ p k 1 (1 p )( n 1) ( k 1) k=1 ( k 1)![( n 1) ( k 1)]!n
= np[ p+ (1 p )]n 1=
np
E ( X 2 )= E[ X ( X 1)+ X]= E[ X ( X 1)]+ E ( X ) k k=∑ k ( k 1) p (1 p )n
8个常见分布期望和方差
概率分布的期望和方差为了理解和预测复杂的概率分布，其中最重要的两个因素是期望和方差。概率分布的期望是由可能的结果的各种频率的平均值。它是一个数字，可以确定概率变量的未来值的变化，用来表明对分布结果的期望：方差是描述随机变量变化程度的数字，它表示数据离期望值多大程度。
期望和方差是描述统计定律的基本量，它们是用于理解和预测随机变量的行为的最重要的两个概念。此外，方差也是可以利用的重要的统计概念，用来表明总体变化的大小，以及在给定范围内期望出现变化的可能性。
尽管，有很多不同的概率分布存在，但是在概率领域，最常用的概率分布可以分为三类：正态分布，二项分布和卡方分布。下文将分别介绍这三类分布的期望和方差。
正态分布是指概率分布中，观测值的分布曲线呈现出钟形状，中心对称型的曲线。正态分布的期望可以表示为：E（x）=μ，即随机变量的期望值就是均值。正态分布的方差可以表示为：V（x）=σ2，其中σ2是样本数据的方差，表示数据的变化程度。 二项分布研究的是独立重复试验，其中均有概率p成功，概率q失败，这里p+q=1。对二项分布，其期望值E(X)=np，即期望值取决于p值和重复次数n；其中变异系数V(x)=npq，表示数据变异的程度。
卡方分布也被称为卡方正态或卡方分位数分布，它描述的是数据来源于独立正态分布的累积分布，通常用于统计检验中的卡方检验。对卡方分布，其期望值E(X)=n；变异系数V(x)=2n,表示数据变异的程度。
总的来说，概率分布的期望和方差是理解和预测复杂概率分布的基础，它们提供了一种可以用来确定观测值的有效值并预测观测结果的方法。通过期望和方差，我们可以很容易地推断三类常见分布的理论值，进一步推断复杂概率分布的变化趋势，从而帮助更好地
【精选】泊松分布的数学期望与方差
泊松分布是一种常见的离散概率分布，用于描述单位时间或单位空间内随机事件的发生次数。泊松分布的数学期望和方差可以通过其参数λ来计算。
泊松分布的数学期望为μ = λ，即平均每个单位时间或单位空间内事件的平均发生次数等于λ。例如，λ=2表示平均每个单位时间或单位空间内发生2次事件。
泊松分布的方差为σ^2 = λ，即每个单位时间或单位空间内事件的发生次数的方差等于λ。方差表示随机变量的离散程度，泊松分布的方差等于其数学期望。
如果泊松分布的参数λ较大，那么其数学期望和方差也会相应增加，整个分布会呈现出较大的中心趋势和较大的离散程度。反之，如果λ较小，分布的中心趋势和离散程度也会相应减小。
泊松分布的数学期望和方差都与其参数λ有关，数学期望等于λ，方差也等于λ。
