【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征的两个重要指标。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。以下是对这两个概念及其计算公式的总结。
一、期望（Expectation）
期望是随机变量在大量重复试验中所取值的平均结果，也称为均值。它表示的是随机变量的“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, \dots, x_n $，对应的概率分别为 $ p_1, p_2, \dots, p_n $，则其期望为：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot p_i
$$
2. 连续型随机变量的期望
设连续型随机变量 $ X $ 的概率密度函数为 $ f(x) $，则其期望为：
$$
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
$$
二、方差（Variance）
方差是衡量随机变量与其期望之间差异的度量，反映数据的波动性或分散程度。
1. 方差的定义
对于任意随机变量 $ X $，其方差为：
$$
Var(X) = E[(X - E(X))^2
$$
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
$$
Var(X) = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot p_i
$$
3. 连续型随机变量的方差
$$
Var(X) = \int_{-\infty}^{\infty} (x - E(X))^2 \cdot f(x) \, dx
$$
三、常见分布的期望和方差
| 分布名称 | 期望 $ E(X) $ | 方差 $ Var(X) $ |
| 伯努利分布 $ B(1, p) $ | $ p $ | $ p(1-p) $ |
| 二项分布 $ B(n, p) $ | $ np $ | $ np(1-p) $ |
| 泊松分布 $ Poisson(\lambda) $ | $ \lambda $ | $ \lambda $ |
| 正态分布 $ N(\mu, \sigma^2) $ | $ \mu $ | $ \sigma^2 $ |
| 均匀分布 $ U(a, b) $ | $ \frac{a + b}{2} $ | $ \frac{(b - a)^2}{12} $ |
四、总结
- 期望 是随机变量的平均值，反映其集中趋势。
- 方差 是随机变量与期望的平方偏差的平均值，反映其离散程度。
- 不同类型的随机变量（离散或连续）有不同的期望和方差计算方式。
- 常见分布的期望和方差具有固定公式，便于实际应用。
通过理解期望和方差的计算方法，可以更好地分析和预测随机现象的特性，为数据分析和决策提供依据。