154 lines
5.2 KiB
Markdown
154 lines
5.2 KiB
Markdown
# 题型三:常见分布的期望与方差
|
||||
|
|
|
|||
|
|
## 识别特征
|
|||
|
|
|
|||
|
|
- 题干直接给出或可识别为**常见分布**(二项、泊松、几何、超几何、均匀、指数、正态等)
|
|||
|
|
- 要求计算期望 $E(X)$ 或方差 $D(X)$
|
|||
|
|
- 或者已知 $E(X), D(X)$,**反推分布**
|
|||
|
|
|
|||
|
|
## 解题流程
|
|||
|
|
|
|||
|
|
```mermaid
|
|||
|
|
flowchart TD
|
|||
|
|
A[识别:常见分布的 E X / D X] --> B{已知分布?}
|
|||
|
|
B -->|是| C[查速查表直接得结果]
|
|||
|
|
B -->|否| D[判断属于哪类分布]
|
|||
|
|
D --> E{离散 or 连续?}
|
|||
|
|
E -->|离散| F[判断: 二项/泊松/几何/超几何/0-1]
|
|||
|
|
E -->|连续| G[判断: 均匀/指数/正态]
|
|||
|
|
F --> H[代入参数计算]
|
|||
|
|
G --> H
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 通法步骤
|
|||
|
|
|
|||
|
|
### 一、八大分布速查表 ⭐⭐⭐(必背)
|
|||
|
|
|
|||
|
|
| 分布 | 记号 | 参数 | $E(X)$ | $D(X)$ |
|
|||
|
|
|------|------|------|--------|--------|
|
|||
|
|
| **0-1 分布** | $B(1,p)$ | $p \in (0,1)$ | $p$ | $p(1-p)$ |
|
|||
|
|
| **二项分布** | $B(n,p)$ | $n \ge 1, p \in (0,1)$ | $np$ | $np(1-p)$ |
|
|||
|
|
| **泊松分布** | $P(\lambda)$ | $\lambda > 0$ | $\lambda$ | $\lambda$ |
|
|||
|
|
| **几何分布** | $G(p)$ | $p \in (0,1)$ | $1/p$ | $(1-p)/p^2$ |
|
|||
|
|
| **超几何分布** | $H(N, M, n)$ | $N, M, n$ | $nM/N$ | $nM(N-M)(N-n)/(N^2(N-1))$ |
|
|||
|
|
| **均匀分布** | $U(a,b)$ | $a < b$ | $(a+b)/2$ | $(b-a)^2/12$ |
|
|||
|
|
| **指数分布** | $E(\lambda)$ | $\lambda > 0$ | $1/\lambda$ | $1/\lambda^2$ |
|
|||
|
|
| **正态分布** | $N(\mu, \sigma^2)$ | $\mu, \sigma > 0$ | $\mu$ | $\sigma^2$ |
|
|||
|
|
|
|||
|
|
> 🔑 **核心记忆口诀**:
|
|||
|
|
> - 二项:"**$E=np$,$D=np(1-p)$**"
|
|||
|
|
> - 泊松:"**$E=D=\lambda$**"
|
|||
|
|
> - 均匀:"**$E$ 中点,$D = (b-a)^2/12$**"
|
|||
|
|
> - 指数:"**$E=1/\lambda$,$D=1/\lambda^2$**"
|
|||
|
|
> - 正态:"**$E=\mu$,$D=\sigma^2$**"
|
|||
|
|
|
|||
|
|
### 二、利用已知结论推导
|
|||
|
|
|
|||
|
|
**二项 $B(n,p)$**:$X = \sum_{i=1}^n X_i$,$X_i \sim B(1,p)$ 独立同分布
|
|||
|
|
$$
|
|||
|
|
E(X) = \sum E(X_i) = np, \quad D(X) = \sum D(X_i) = np(1-p)
|
|||
|
|
$$
|
|||
|
|
|
|||
|
|
**泊松 $P(\lambda)$**:通过定义展开或特征函数
|
|||
|
|
$$
|
|||
|
|
E(X) = \sum k \cdot \frac{\lambda^k}{k!} e^{-\lambda} = \lambda
|
|||
|
|
$$
|
|||
|
|
|
|||
|
|
**指数 $E(\lambda)$**:密度 $f(x) = \lambda e^{-\lambda x}$($x \ge 0$)
|
|||
|
|
$$
|
|||
|
|
E(X) = \int_0^\infty x \lambda e^{-\lambda x} dx = \frac{1}{\lambda}, \quad D(X) = \frac{1}{\lambda^2}
|
|||
|
|
$$
|
|||
|
|
|
|||
|
|
### 三、逆向应用:从 $E, D$ 反推分布
|
|||
|
|
|
|||
|
|
| 已知 | 推断 |
|
|||
|
|
|------|------|
|
|||
|
|
| $E = np, D = np(1-p)$ | $X \sim B(n,p)$,$n$ 已知求 $p$ |
|
|||
|
|
| $E = D = \lambda$ | $X \sim P(\lambda)$,$\lambda$ 已知 |
|
|||
|
|
| $E = 1/p, D = (1-p)/p^2$ | $X \sim G(p)$,可由 $E, D$ 求 $p$ |
|
|||
|
|
| $E = (a+b)/2, D = (b-a)^2/12$ | $X \sim U(a,b)$,可由 $E, D$ 求 $a, b$ |
|
|||
|
|
| $E = 1/\lambda, D = 1/\lambda^2$ | $X \sim E(\lambda)$,$\lambda$ 已知 |
|
|||
|
|
| $E = \mu, D = \sigma^2$ | $X \sim N(\mu, \sigma^2)$ |
|
|||
|
|
|
|||
|
|
## 常见陷阱
|
|||
|
|
|
|||
|
|
- **正态的参数顺序**:$N(\mu, \sigma^2)$,第二个是**方差**(不是标准差!);标准差是 $\sigma$
|
|||
|
|
- **泊松的"双胞胎"**:$E(X) = D(X) = \lambda$(独一无二的性质!)
|
|||
|
|
- **指数 vs 泊松**:指数是**连续**,泊松是**离散**;指数的 $\lambda$ 是"率"(单位时间事件数),与泊松的 $\lambda$ 在排队论中意义相同
|
|||
|
|
- **超几何 vs 二项**:超几何**不放回**($D$ 公式复杂),二项**放回**(或独立)
|
|||
|
|
|
|||
|
|
## 经典母题
|
|||
|
|
|
|||
|
|
> **题目 1**:设 $X \sim B(10, 0.4)$。求 $E(X), D(X)$。
|
|||
|
|
|
|||
|
|
**解析**:
|
|||
|
|
|
|||
|
|
直接代入公式:
|
|||
|
|
- $E(X) = np = 10 \times 0.4 = 4$
|
|||
|
|
- $D(X) = np(1-p) = 10 \times 0.4 \times 0.6 = 2.4$
|
|||
|
|
|
|||
|
|
**复盘**:二项分布的数字特征必须熟练背诵。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
> **题目 2**:设 $X \sim P(3)$。求 $E(2X+1), D(2X+1)$。
|
|||
|
|
|
|||
|
|
**解析**:
|
|||
|
|
|
|||
|
|
$E(X) = D(X) = 3$(泊松"双胞胎")。
|
|||
|
|
- $E(2X+1) = 2 E(X) + 1 = 2 \times 3 + 1 = 7$
|
|||
|
|
- $D(2X+1) = 4 D(X) = 4 \times 3 = 12$
|
|||
|
|
|
|||
|
|
**复盘**:方差的伸缩公式 $D(aX+b) = a^2 D(X)$(常数项不影响方差)。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
> **题目 3**:设 $X \sim N(2, 9)$。求 $E(X), D(X)$,并写出标准化变量 $X^*$ 的分布。
|
|||
|
|
|
|||
|
|
**解析**:
|
|||
|
|
|
|||
|
|
- $E(X) = \mu = 2$
|
|||
|
|
- $D(X) = \sigma^2 = 9$,$\sigma = 3$
|
|||
|
|
- 标准化:$X^* = \dfrac{X - 2}{3} \sim N(0, 1)$
|
|||
|
|
|
|||
|
|
**复盘**:正态标准化 → 标准正态 $N(0,1)$。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
> **题目 4**:已知某离散分布 $E(X) = 2, D(X) = 2$,判断可能是什么分布。
|
|||
|
|
|
|||
|
|
**解析**:
|
|||
|
|
|
|||
|
|
- 二项 $B(n,p)$:$np=2, np(1-p)=2 \Rightarrow 1-p=1 \Rightarrow p=0$(不合题意,$p=0$ 无意义)
|
|||
|
|
- 泊松 $P(\lambda)$:$E=D=\lambda=2$ ✓ → $X \sim P(2)$
|
|||
|
|
|
|||
|
|
**复盘**:$E = D$ 是泊松分布的**独有特征**,可作为"签名"。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
> **题目 5**:设 $X \sim U(0, \theta)$,$\theta$ 未知。现有 $n$ 个样本 $X_1, \ldots, X_n$,用矩估计求 $\theta$ 的估计量。
|
|||
|
|
|
|||
|
|
**解析**:
|
|||
|
|
|
|||
|
|
$E(X) = \theta/2$,令样本均值 $\bar{X} = \theta/2$,解出 $\hat{\theta} = 2\bar{X}$。
|
|||
|
|
|
|||
|
|
**复盘**:常见分布的期望是**矩估计**(Ch07)的基础。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
> **变式 1**:$X \sim G(p)$,$E(X) = 5$,求 $p$ 和 $D(X)$。
|
|||
|
|
>
|
|||
|
|
> **解**:$1/p = 5 \Rightarrow p = 0.2$;$D(X) = (1-p)/p^2 = 0.8/0.04 = 20$。
|
|||
|
|
|
|||
|
|
> **变式 2**:$X \sim H(N, M, n)$,$N=100, M=20, n=10$,求 $E(X), D(X)$。
|
|||
|
|
>
|
|||
|
|
> **解**:$E = nM/N = 10 \times 20/100 = 2$;$D = \dfrac{10 \times 20 \times 80 \times 90}{100^2 \times 99} = \dfrac{1440000}{990000} \approx 1.45$。
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
> **口诀速记**:
|
|||
|
|
> - "**二项 $np$,$np(1-p)$**"
|
|||
|
|
> - "**泊松 $E=D=\lambda$**"
|
|||
|
|
> - "**均匀 $(a+b)/2$,$(b-a)^2/12$**"
|
|||
|
|
> - "**指数 $1/\lambda$,$1/\lambda^2$**"
|
|||
|
|
> - "**正态 $\mu$,$\sigma^2$**"
|