Files
MathNotesVersion1/公式笔记/概率论/Ch04_随机变量的数字特征/题型3_常见分布的期望与方差.md
T
2026-10-04 11:44:56 +08:00

154 lines
5.2 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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 $\mu$,$\sigma^2$**"