分布列和数学期望公式是什么？
1、只要把分布列表格中的数字，每一列相乘再相加，即可。
2、如果X是离散型随机变量，它的全部可能取值是a1,a2,…，an,…,取这些值的相应概率是p1，p2，…，pn，…，则其数学期望E(X)=(a1)(p1)+(a2)(p2)+…+(an)(pn)+…；
均匀分布的期望：均匀分布的期望是取值区间[a,b]的中点(a+b)/2。
均匀分布的方差：var(x)=E[X²]-(E[X])²。
扩展资料：
变量取值只能取离散型的自然数，就是离散型随机变量。例如，一次掷20个硬币，k个硬币正面朝上，k是随机变量。k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数，因而k是离散型随机变量。
如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量。例如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，x的取值范围是[0，15），它是一个区间，从理论上说在这个区间内可取任一实数3.5、无理数等，因而称这随机变量是连续型随机变量。
分布列是离散型随机变量的概率分布表。它列出了随机变量的所有可能取值和每个取值对应的概率。
数学期望是随机变量的平均值。如果X是离散型随机变量，它的全部可能取值是a1,a2,…，an,…,取这些值的相应概率是p1，p2，…，pn，…，则其数学期望E(X) = a1 * p1 + a2 * p2 + … + an * pn + … 。
分布列（Probability mass function, PMF）是概率论中用于描述离散随机变量的概率分布的函数。对于离散随机变量 X，其分布列给出了每个可能取值 x 发生的概率 P(X=x)。
数学期望（Expected value）是概率论中用于衡量随机变量平均值的一个指标。对于一个离散随机变量 X，其数学期望 E(X) 定义为按照概率分布加权平均下的值，计算公式为：
E(X) = Σ x P(X=x)
这里的 Σ 表示对所有可能取值 x 进行求和，P(X=x) 是对应取值发生的概率。
需要注意的是，数学期望可以用于描述随机变量的平均值，但不一定与随机变量的某个具体取值相等。它代表了随机变量在长期重复试验中的平均结果。
1、分布列：分布列用于描述离散型随机变量的取值及其对应的概率。对于一个离散型随机变量X，其分布列列出了所有可能的取值x和相应的概率P(X=x)。分布列通常以表格的形式呈现，方便计算和分析各个取值的概率。分布列的特点是概率非负且概率之和为1。
2、数学期望公式：数学期望是描述随机变量平均取值的一个指标，用E(X)表示。对于离散型随机变量X，其数学期望定义为E(X) = Σ(x*P(X=x))，即将随机变量所有取值乘以其对应的概率，并将结果相加。数学期望可以理解为随机变量的平均值。
分布列（Probability Mass Function，PMF）是概率论中用来描述离散型随机变量取值的概率分布的函数。对于离散型随机变量 X，其分布列可以表示为 P(X = x)，其中 x 表示随机变量可能取到的某个取值。分布列给出了随机变量取各个可能取值的概率。
数学期望（Mathematical Expectation），也称为平均值或期望值，是一个随机变量的预期值。对于离散型随机变量 X，其数学期望可以通过以下公式计算：
E(X) = ∑ (x * P(X = x))
其中，E(X) 表示随机变量 X 的数学期望，x 表示随机变量 X 可能取到的某个取值，P(X = x) 表示当 X 的取值为 x 时的概率，而 ∑ 表示对所有可能的取值进行求和。
数学期望反映了随机变量在各个取值下的平均值，可以理解为在大量重复试验中，随机变量的平均结果。它在概率论和统计学中有广泛的应用，可以用来描述随机变量的中心位置
绛旓細1銆佸彧瑕佹妸鍒嗗竷鍒琛ㄦ牸涓殑鏁板瓧锛屾瘡涓鍒楃浉涔樺啀鐩稿姞锛屽嵆鍙2銆佸鏋淴鏄鏁ｅ瀷闅忔満鍙橀噺锛屽畠鐨勫叏閮ㄥ彲鑳藉彇鍊兼槸a1,a2,鈥︼紝an,鈥,鍙栬繖浜涘肩殑鐩稿簲姒傜巼鏄痯1锛宲2锛屸︼紝pn锛屸︼紝鍒欏叾鏁板鏈熸湜E(X)=(a1)(p1)+(a2)(p2)+鈥+(an)(pn)+鈥︼紱鍧囧寑鍒嗗竷鐨勬湡鏈涳細鍧囧寑鍒嗗竷鐨勬湡鏈涙槸鍙栧煎尯闂碵a,b]鐨勪腑鐐(a+b)...
绛旓細鏁板鏈熸湜鍏紡鏄敤浜庤绠楅殢鏈哄彉閲忔暟瀛︽湡鏈涚殑鍏紡锛屽叾瀹氫箟涓 E(X) = 危 (xi * P(X=xi))锛屽叾涓 危 琛ㄧず姹傚拰绗﹀彿锛寈i 鏄殢鏈哄彉閲 X 鐨勫彇鍊硷紝P(X=xi) 鏄浉搴旂殑姒傜巼銆傛暟瀛︽湡鏈涘叕寮忓弽鏄犱簡闅忔満鍙橀噺鍙栧肩殑骞冲潎姘村钩锛屽浜庣悊瑙ｅ拰棰勬祴闅忔満鍙橀噺鐨勮涓洪潪甯搁噸瑕併傞氳繃鍒嗗竷鍒楀拰鏁板鏈熸湜鍏紡锛屾垜浠彲浠ユ洿娣卞叆鍦颁簡...
绛旓細鍒嗗竷鍒锛圥robability Mass Function锛孭MF锛夋槸姒傜巼璁轰腑鐢ㄦ潵鎻忚堪绂绘暎鍨嬮殢鏈哄彉閲忓彇鍊肩殑姒傜巼鍒嗗竷鐨勫嚱鏁般傚浜庣鏁ｅ瀷闅忔満鍙橀噺 X锛屽叾鍒嗗竷鍒楀彲浠ヨ〃绀轰负 P(X = x)锛屽叾涓 x 琛ㄧず闅忔満鍙橀噺鍙兘鍙栧埌鐨勬煇涓彇鍊笺傚垎甯冨垪缁欏嚭浜嗛殢鏈哄彉閲忓彇鍚勪釜鍙兘鍙栧肩殑姒傜巼銆鏁板鏈熸湜锛圡athematical Expectation锛夛紝涔熺О涓哄钩鍧囧兼垨鏈熸湜鍊...
绛旓細1銆鍒嗗竷鍒锛氬垎甯冨垪鐢ㄤ簬鎻忚堪绂绘暎鍨嬮殢鏈哄彉閲忕殑鍙栧煎強鍏跺搴旂殑姒傜巼銆傚浜庝竴涓鏁ｅ瀷闅忔満鍙橀噺X锛屽叾鍒嗗竷鍒楀垪鍑轰簡鎵鏈夊彲鑳界殑鍙栧紉鍜岀浉搴旂殑姒傜巼P(X=x)銆傚垎甯冨垪閫氬父浠ヨ〃鏍肩殑褰㈠紡鍛堢幇锛屾柟渚胯绠楀拰鍒嗘瀽鍚勪釜鍙栧肩殑姒傜巼銆傚垎甯冨垪鐨勭壒鐐规槸姒傜巼闈炶礋涓旀鐜囦箣鍜屼负1銆2銆鏁板鏈熸湜鍏紡锛氭暟瀛︽湡鏈涙槸鎻忚堪闅忔満鍙橀噺骞冲潎鍙栧肩殑涓...
绛旓細姝ｆ鍒嗗竷N锛埼硷紝蟽^2锛 EX=渭 Var=蟽^2 鍧囧寑鍒嗗竷U锛坅锛宐锛 EX=锛坅+b锛/2 Var=[锛坆-a锛塣2]/12 鏁板鏈熸湜E锛圶)鏄竴涓父鏁帮紝杩樻湁E锛坅+b)=E锛坅锛+E锛坆)鍙兘鏄鐭ラ亾杩欎釜:E[(X-E(X))^2]=E[X^2-2*E(X)*X+(E(X))^2]=E(X^2)-2*E(X)*E(X)+[E(...
绛旓細1銆佸彧瑕佹妸鍒嗗竷鍒琛ㄦ牸涓殑鏁板瓧锛屾瘡涓鍒楃浉涔樺啀鐩稿姞锛屽嵆鍙2銆佸鏋淴鏄鏁ｅ瀷闅忔満鍙橀噺锛屽畠鐨勫叏閮ㄥ彲鑳藉彇鍊兼槸a1,a2,鈥︼紝an,鈥,鍙栬繖浜涘肩殑鐩稿簲姒傜巼鏄痯1锛宲2锛屸︼紝pn锛屸︼紝鍒欏叾鏁板鏈熸湜E(X)=(a1)(p1)+(a2)(p2)+鈥+(an)(pn)+鈥︼紱鍧囧寑鍒嗗竷鐨勬湡鏈涳細鍧囧寑鍒嗗竷鐨勬湡鏈涙槸鍙栧煎尯闂碵a,b]鐨勪腑鐐(a+b)...
绛旓細鏁板鏈熸湜锛圗xpected value锛夋槸姒傜巼璁轰腑鐢ㄤ簬琛￠噺闅忔満鍙橀噺骞冲潎鍊肩殑涓涓寚鏍囥傚浜庝竴涓鏁ｉ殢鏈哄彉閲 X锛屽叾鏁板鏈熸湜 E(X) 瀹氫箟涓烘寜鐓ф鐜鍒嗗竷鍔犳潈骞冲潎涓嬬殑鍊硷紝璁＄畻鍏紡涓猴細E(X) = 危 x P(X=x)杩欓噷鐨 危 琛ㄧず瀵规墍鏈夊彲鑳藉彇鍊 x 杩涜姹傚拰锛孭(X=x) 鏄搴斿彇鍊煎彂鐢熺殑姒傜巼銆傞渶瑕佹敞鎰忕殑鏄紝鏁板鏈熸湜鍙互...
绛旓細a2锛屸︼紝an锛屸︼紝鍙栬繖浜涘肩殑鐩稿簲姒傜巼鏄痯1锛宲2锛屸︼紝pn锛屸︼紝鍒欏叾鏁板鏈熸湜E锛圶锛夛紳锛坅1锛夛紙p1锛夛紜锛坅2锛夛紙p2锛夛紜鈥︼紜锛坅n锛夛紙pn锛夛紜鈥︼紱鍧囧寑鍒嗗竷鐨勬湡鏈涳細鍧囧寑鍒嗗竷鐨勬湡鏈涙槸鍙栧煎尯闂达蓟a锛宐锛界殑涓偣锛坅锛媌锛夛紡2銆傚潎鍖鍒嗗竷鐨勬柟宸細var锛坸锛夛紳E锛籜²锛斤紞锛圗锛籜锛斤級²銆
绛旓細1. 鎵鏈夋鐜囬兘澶т簬绛変簬0銆2. 鎵鏈夋鐜囩殑鍜岀瓑浜1銆鍒嗗竷鍒鑳藉鎻愪緵鍏充簬闅忔満鍙橀噺鍦ㄥ悇涓彇鍊间笂鐨勬鐜囦俊鎭紝浣挎垜浠兘澶熸洿濂藉湴鐞嗚В鍜屽垎鏋愰殢鏈轰簨浠剁殑鍙戠敓姒傜巼銆傛暟瀛︽湡鏈涳紙Expectation锛夋槸姒傜巼璁轰腑鐢ㄦ潵琛￠噺闅忔満鍙橀噺骞冲潎鍙栧肩殑鎸囨爣銆傚浜庣鏁ｉ殢鏈哄彉閲忥紝鏁板鏈熸湜鏄鍏跺彲鑳藉彇鍊间笌瀵瑰簲姒傜巼鐨勪箻绉殑鎬诲拰銆傛暟瀛︽湡鏈涚殑鎰忎箟鍦ㄤ簬...
绛旓細鏁板鏈熸湜鍙互鐪嬩綔鏄袱涓嫭绔嬮殢鏈哄彉閲忕殑鏈熸湜鐨勭嚎鎬х粍鍚堬紝鍗矱(X) = 0.5E(X_姝ｉ潰) + 0.5E(X_鍙嶉潰)锛屽叾涓璄(X_姝ｉ潰)鍜孍(X_鍙嶉潰)鍒嗗埆琛ㄧず纭竵姝ｉ潰鏈濅笂鍜屽弽闈㈡湞涓婄殑鏈熸湜銆傛荤粨锛氾紝鍒嗗竷鍒楀拰鏁板鏈熸湜鏄姒傜巼璁轰腑闈炲父閲嶈鐨勬蹇碉紝瀹冧滑鍦ㄦ弿杩伴殢鏈哄彉閲忕殑姒傜巼鍒嗗竷鍜屾ц川鏂归潰鏈夌潃骞挎硾鐨勫簲鐢ㄣ
