# 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 $\mu$,$\sigma^2$**"