5.2 KiB
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
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 = 4D(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 = 7D(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 $\mu$,$\sigma^2$"