一种方式分组的随机效应模型中方差分量的可容许估计

二项分布、数学期望与方差专题复习word有详解重点中学用

第十讲二项分布及应用随机变量的均值与方差 知识要点 1.事件的相互独立性(概率的乘法公式) 设A、B为两个事件，如果P(AB)＝P(A)P(B)，则称事件A与事件B相互独立． 2. 互斥事件概率的加法公式：如果事件A与事件B互斥，则P(A＋B)＝P(A)＋P(B)． 3.对立事件的概率：若事件A与事件B互为对立事件，则P(A)＝1－P(B)． 4.条件概率的加法公式：若B、C是两个互斥事件，则P(B∪C|A)＝P(B|A)＋P(C|A) 5.独立重复试验：在相同条件下重复做的n次试验称为n次独立重复试验，即若用A i(i＝1,2，…，n)表示第i次试验结果，则P(A1A2A3…A n)＝P(A1)P(A2)P(A3)…P(A n)． 注：判断某事件发生是否是独立重复试验，关键有两点 (1)在同样的条件下重复，相互独立进行；(2)试验结果要么发生，要么不发生． 6.二项分布：在n次独立重复试验中，设事件A发生的次数为X，在每次试验中事件A发生的概率为p，那么在n次独立重复试验中，事件A恰好发生k次的概率为P(X＝k)＝C k n p k·(1－p)n－k(k＝0,1,2，…，n)，此时称随机变量X服从二项分布，记作X～B(n，p)，并称p为成功概率． 注：判断一个随机变量是否服从二项分布，要看两点 (1)是否为n次独立重复试验．(2)随机变量是否为在这n次独立重复试验中某事件发生的次数． 7.离散型随机变量的均值与方差及其性质 定义：若离散型随机变量X的分布列为P(ξ＝x i)＝p i，i＝1,2，…，n. (1)均值：称E(X)＝x1p1＋x2p2＋…＋x i p i＋…＋x n p n为随机变量X的均值或数学期望． n (2)方差：D(X)＝∑ (x i－E(X))2p i为随机变量X的方差，其算术平方根D?X?为随机变量X的标准差．i＝1 (3)均值与方差的性质：(1)E(aX＋b)＝aE(X)＋b；(2)D(aX＋b)＝a2D(X)．(a，b为常数) 8.两点分布与二项分布的均值、方差 变量X服从两点分布：E(X)＝p，D(X)＝p(1－p)；X～B(n，p)： E(X)＝np ，D(X)＝np(1－p)典例精析 例1.【2015高考四川，理17】某市A,B两所中学的学生组队参加辩论赛，A中学推荐3名男生，2名女生，B中学推荐了3名男生，4名女生，两校推荐的学生一起参加集训，由于集训后队员的水平相当，从参加集训的男生中随机抽取3人，女生中随机抽取3人组成代表队 （1）求A中学至少有1名学生入选代表队的概率. （2）某场比赛前，从代表队的6名队员中随机抽取4人参赛，设X表示参赛的男生人数，求X得分布列和数学期望.

期望 方差公式的证明全集

期望与方差的相关公式的证明 -、数学期望的来由 早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目，题目是这样的：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。当比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？ 用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。 这个故事里出现了“期望”这个词，数学期望由此而来。 定义1 若离散型随机变量ξ可能取值为i a （i =1，2，3 ，…），其分布列为i p （i =1，2，3， …），则当i i i p a ∑ ∞ =1 <∞时， 则称ξ存在数学期望，并且数学期望为E ξ=∑∞ =1 i i i p a ， 如果i i i p a ∑ ∞ =1 =∞，则数学期望不存在。 [] 1 定义2 期望：若离散型随机变量ξ，当ξ=x i 的概率为P （ξ=x i ）=P i （i =1，2，…，n ，…），则称E ξ=∑x i p i 为ξ的数学期望，反映了ξ的平均值. 期望是算术平均值概念的推广，是概率意义下的平均.E ξ由ξ的分布列唯一确定. 二、数学期望的性质 （1）设C 是常数，则E(C )=C 。 （2）若k 是常数，则E (kX )=kE (X )。 （3）)E(X )E(X )X E(X 2121+=+。 三、 方差的定义 前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，是随机变量一个重要的数字特征。但是在一些场合下，仅仅知道随机变量取值的

数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布) 生存分析 贝叶斯概率公式 全概率公式讲解

数学期望：随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。它是简单算术平均的一种推广。例如某城市有10万个家庭，没有孩子的家庭有1000个，有一个孩子的家庭有9万个，有两个孩子的家庭有6000个，有3个孩子的家庭有3000个，则此城市中任一个家庭中孩子的数目是一个随机变量，记为X，它可取值0，1，2，3，其中取0的概率为0.01，取1的概率为0.9，取2的概率为0.06，取3的概率为0.03，它的数学期望为0×0.01＋1×0.9＋2×0.06＋3×0.03等于1.11，即此城市一个家庭平均有小孩1.11个，用数学式子表示为：E(X)=1.11。 也就是说，我们用数学的方法分析了这个概率性的问题，对于每一个家庭，最有可能它家的孩子为1.11个。 可以简单的理解为求一个概率性事件的平均状况。 各种数学分布的方差是： 1、一个完全符合分布的样本 2、这个样本的方差 概率密度的概念是：某种事物发生的概率占总概率(1)的比例,越大就说明密度越大。比如某地某次考试的成绩近似服从均值为80的正态分布，即平均分是80分，由正态分布的图形知x=80时的函数值最大，即随机变量在80附近取值最密集，也即考试成绩在80分左右的人最多。 下图为概率密度函数图(F(x)应为f(x)，表示概率密度)：

离散型分布：二项分布、泊松分布 连续型分布：指数分布、正态分布、X 2分布、t 分布、F 分布 抽样分布只与自由度，即样本含量（抽样样本含量）有关 二项分布（binomial distribution ）：例子抛硬币 1、 重复试验（n 个相同试验，每次试验两种结果，每种结果概率恒定————伯努利试验） 2、 抽样分布

二项分布期望和方差的推导过程

二项分布期望和方差推导 若随机变量),(~p n B X ，则np X E =)(，)1()(p np X D -= 二项分布数学期望的证明： 注意到11--=k n k n nC kC （证明：11)]! 1()1[()!1()!1()!()!1()!1()!(!!--=---?--?=-?--?=-??=k n k n nC k n k n n k n k n n k n k n k kC ） 所以n n p p C X E )1(0)(00-?=111)1(1--?+n n p p C Λ+-?+-222) 1(2n n p p C Λ+-?+-k n k k n p p C k )1( 111)1()1(p p C n n n n -?-+--0)1(p p C n n n n -?+ 1101)1(---?=n n p p C n Λ+-?+--2211)1(n n p p C n Λ+-+---k n k k n p p nC ) 1(11 1121)1(p p C n n n n -?+---011 )1(p p C n n n n -?+-- 101)1([---=n n p C np Λ+-+--2111)1(n n p p C Λ+-+----k n k k n p p C )1(1111221)1(p p C n n n -+---])1(0111p p C n n n -+--- np p p np n =+-=-1])1[(，故np p p C i X E n i i n i i n ∑=-=-?=0)1()(； 二项分布方差的证明：)1()(p np X D -= 证明：i n i i p X E x X D ?-= ∑-12)]([)(i n i i i p X E X E x x ∑-?+-=122)]()(2[∑-??+?-?=n i i i i i i p X E p X E x p x 122])()(2[ ∑∑∑-=-?+?-?=n i n i i n i i i i i p X E p X E x p x 11 212 )()(2)()(22X E X E -= 故任何离散随机变量的方差均满足式子：)()()(22X E X E X D -= 当随机变量),(~p n B X 时，=)(X D 20 2)()1(np p p C i i n i n i i n --?-=∑ i n i n i i n p p C i i -=-?-=∑)1()1(0 220)1(p n p p C i i n i n i i n --?+-=∑（注意np p p C i X E n i i n i i n ∑=-=-?=0)1()(） i n i n i i n p p iC i -=-?-=∑)1()1(222p n np -+i n i n i i n p p nC i -=---?-=∑)1()1(21122p n np -+ i n i n i i n p p C i n -=---?-?=∑)1()1(21122p n np -+i n i n i i n p p C n n --=---?-?=∑)1()1(22 2222p n np -+ i n i n i i n p p C n n -=---?-=∑)1()1(22222p n np -+i n i n i i n p p C p n n --=---?-=∑)1()1(22 22222p n np -+ （指数之后凑组合数下标2-n ，利用展开式i i n n i i n n b a C b a ---=--∑=+22022) (） i n i n i i n p p C p n n ---=--?-=∑22 022 )1()1(22p n np -+

二项分布中方差的计算

二项分布中方差的计算 假设ξ~B (n ,p ), 即k n k k n q p C k P -==}{ξ 考虑E [ξ(ξ-1)]=Eξ2-Eξ 而 ∑∑ ∑∑=----=-=-=--=-----?-?=--=-=-n k k n k k n n k k n k n k k n k n k k n k k n q p C p n n q p k n k n n n q p k n k n k k q p C k k E 2 222222 )1()]!2(2[)!2()!2()1()! (!! ) 1()1()]1([ξξ 令2-=k i 上式=222220 22 2 )1()1(np p n p n n q p C p n n n i i n i i n -=-=-∑-=--- 即2222np p n E E -=-ξξ, 再将E ξ=np 代入上式,得)1(222222p np p n np np p n E -+=+-=ξ 最后得npq np p np p n E E D =--+=-=22222)()1()(ξξξ 例1的分布图 例2的分布图 4.2 超几何分布 例1的图形：

例2的图形： 定义4.2 设N 个元素分为两类, 有N 1个属于第一类, N 2个属于第二类(N 1+N 2=N ). 从中不重复抽样取n 个, 令ξ表示这n 个中第一类元素的个数, 则ξ的分布称为超几何分布, ),....,1,0()(2 1n m C C C m P n N m n N m N == =-ξ 规定: 如n

二项分布的数学期望和方差

4EX np ∴== 100.40.6 2.4DX npq ==??= 222() 2.4418.4EX DX EX =+=+= 12. 解：8n =，0.2p = 根据二项分布的数学期望和方差的公式 1.6EX np == (1) 1.28DX npq np p ==-= 求解得 8n =，0.2p = 13. 解： ~(1,)B p ξ 2(1)9D p p ξ∴=-= 解方程2209 p p -+=，得23p =或13p = ξ∴的概率函数为 {}1(1)(0,1)k k p k p p k ξ-==-= 将13p =或23 p =代入，得ξ的概率函数为 {}121()()33 k k p k ξ-== 或 {}112()()(0,1)33k k p k k ξ-=== 14. 解：设ξ的概率密度为 1,()0, a x b f x b a ?≤≤?=-???其他 =3E ξ，1=3D ξ ∴得方程组2+=32()1 =12 3a b b a ????-???，解得24a b =??=?

1,24()=20x f x ?≤≤?∴???其他 ξ为连续型随机变量 {}=2=0p ξ∴ {}3312111<<3=()==22 p f x dx dx ξ?? 15. 解：设ξ表示直到取到废品为止所要取的产品个数，则ξ的概率函数 {}-1 ==0.050.95(=1,2,)k p k k ξ???? 当{}-1 ==(1)(=1,2,)k p k p p k ξ-???时，由幂级数 -12=1 1= (1)n n nx x ∞-∑ 2-13 =11=(1)n n x n x x ∞+-∑ 可计算 -1=11=(1)=k k E kp p p ξ∞-∑ 2-122=1 1=(1)()= k k p D k p p E p ξξ∞---∑ 本题中=0.05p 1==200.05 E ξ∴， 210.05==19.490.05 D ξ- 16. 解：8 22[()]DX EX E x =- 222[()]428EX DX E x ∴=+=+= 17. 解：由题意X 的分布律为 {}=(0)!k p X k e k λλλ-=>

二项分布、超几何分布数学期望与方差公式的推导

二项分布、超几何分布数学期望与方差公式的推导 高中教材中对二项分布和超几何分布数学期望与方差公式没有给出推导公式，现笔者给出一推导过程仅供参考。 预备公式一 11--=k n k n nC kC （1≥n ） ，利用组合数计算公式即可证明。 预备公式二 []2 2)()()(ξξξE E D -=，证明过程可见教材。 预备公式三 2 2)1()1(---=-k n k n C n n C k k （2,2≥≥k n ） ，利用组合数计算公式即可证明。 预备公式四 ),,,,(022110n k m k N k n m C C C C C C C C C k n m m k n k m n k m n k m n ≤≤∈=++++++--Λ，利用恒等 式m n n m x x x )1()1() 1(++=++的二项展开式中k x 的系数相等可证。 一、二项分布 在n 次独立重复试验中，每次试验中事件A 发生的概率为p （10<

方差概念及计算公式

方差概念及计算公式 一．方差的概念与计算公式 例1两人的5次测验成绩如下： X：50，100，100，60，50 E(X )=72；Y：73，70，75，72，70 E(Y )=72。 平均成绩相同，但X不稳定，对平均值的偏离大。方差描述随机变量对于数学期望的偏离程度。 单个偏离是 消除符号影响 方差即偏离平方的均值，记为D(X )： 直接计算公式分离散型和连续型，具体为： 这里是一个数。推导另一种计算公式 得到：“方差等于平方的均值减去均值的平方”，即 ， 其中

分别为离散型和连续型计算公式。称为标准差或均方差，方差描述波动程度。 二．方差的性质 1．设C为常数，则D(C) = 0（常数无波动）； 2．D(CX )=C2D(X ) （常数平方提取）； 证： 特别地D(-X ) = D(X ), D(-2X ) = 4D(X )（方差无负值） 3．若X、Y相互独立，则 证：记 则 前面两项恰为D(X )和D(Y )，第三项展开后为 当X、Y 相互独立时， ， 故第三项为零。 特别地 独立前提的逐项求和，可推广到有限项。 三．常用分布的方差 1．两点分布

2．二项分布 X ~ B( n, p ) 引入随机变量X i（第i次试验中A出现的次数，服从两点分布） ， 3．泊松分布（推导略） 4．均匀分布 另一计算过程为 5．指数分布（推导略） 6．正态分布（推导略） ~ 正态分布的后一参数反映它与均值的偏离程度，即波动程度（随机波动），这与图形的特征是相符的。 例2求上节例2的方差。 解根据上节例2给出的分布律，计算得到

求均方差。均方差的公式如下：（xi为第i个元素）。 S = ((x1-x的平均值)^2 + (x2-x的平均值)^2+(x3-x的平均值)^2+...+(xn-x的平均值)^2)/n)的平方根 大数定律表表明：事件发生的频率依概率收敛于事件的概率p，这个定理以严格的数学形式表达了频率的稳定性。就是说当n很大时，事件发生的频率于概率有较大偏差的可能性很小。由实际推断原理，在实际应用中，当试验次数很大时，便可以用事件发生的频率来代替事件的概率。 用matlab或c语言编写求导程序 已知电容电压uc,电容值 求电流i 公式为i=c(duc/dt) 怎样用matlab或c语言求解 函数的幂级数展开式

二项分布方差公式推导复习过程

二项分布方差公式推 导

精品文档 收集于网络，如有侵权请联系管理员删除 二项分布方差公式推导 若ξ～B(n,p)，q=1-p ，求证D ξ=npq ∵E ξ=np ， kC n k p k q n-k =n p 11 k n C --p k-1q n-k , kk C n k p k q n-k =np[(k-1)11 k n C --p k-1q n-k ＋11k n C --p k-1q n-k ] =np[(n －1)p 22k n C --p k-2q n-k ＋11k n C --p k-1q n-k ] 而D ξ=22()E E ξξ-， ∴D ξ=(1×1×C n 1p 1q n-1＋2×2 C n 2p 2q n-2＋…＋k ×k C n k p k q n-k ＋…＋n ×n C n n p n q 0)2() np - =np(1×C n-10p 0q n-1＋2C n-11p 1q n-2＋3C n-12p 2q n-2＋…＋k C n-1k-1p k-1q n-k ＋…＋n C n-1n-1p n-1q 0)－2np E ξ＋n 2p 2(p ＋q)n =np{[0×C n-10p 0q n-1＋1C n-11p 1q n-2＋2C n-12p 2q n-2＋…＋(k-1) C n-1k-1p k-1q n-k ＋…＋(n-1)C n-1n-1p n-1q 0]＋(C n-10p 0q n-1＋C n-11p 1q n-2＋ C n-12p 2q n-2＋…＋C n-1k-1p k-1q n-k ＋…＋C n-1n-1p n-1q 0)}2() np - =np[E η＋(p ＋q)n-1] 2() np - =np[(n －1)p ＋1] 2() np - =np(1－p) =npq .

二项分布方差公式推导

二项分布方差公式推导 若ξ～B(n,p)，q=1-p ，求证D ξ=npq ∵E ξ=np ， kC n k p k q n-k =n p 11 k n C --p k-1q n-k , kk C n k p k q n-k =np[(k-1)11 k n C --p k-1q n-k ＋11k n C --p k-1q n-k ] =np[(n －1)p 22k n C --p k-2q n-k ＋11k n C --p k-1q n-k ] 而D ξ=22()E E ξξ-， ∴D ξ=(1×1×C n 1p 1q n-1＋2×2 C n 2p 2q n-2＋…＋k ×k C n k p k q n-k ＋…＋n ×n C n n p n q 0)2() np - =np(1×C n-10p 0q n-1＋2C n-11p 1q n-2＋3C n-12p 2q n-2＋…＋ k C n-1k-1p k-1q n-k ＋…＋n C n-1n-1p n-1q 0)－2np E ξ＋n 2p 2(p ＋q)n =np{[0×C n-10p 0q n-1＋1C n-11p 1q n-2＋2C n-12p 2q n-2＋…＋ (k-1) C n-1k-1p k-1q n-k ＋…＋(n-1)C n-1n-1p n-1q 0]＋(C n-10p 0q n-1＋ C n-11p 1q n-2＋C n-12p 2q n-2＋…＋C n-1k-1p k-1q n-k ＋…＋ C n-1n-1p n-1q 0)}2()np - =np[E η＋(p ＋q)n-1] 2() np - =np[(n －1)p ＋1] 2() np - =np(1－p) =npq .

期望-方差公式

期望与方差的相关公式 -、数学期望的来由 早在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目，题目是这样的：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，赢家可以获得100法郎的奖励。当比赛进行到第三局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？ 用概率论的知识，不难得知，甲获胜的概率为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的概率为(1/2)*(1/2)＝1/4。因此由此引出了甲的期望所得值为100*3/4=75法郎，乙的期望所得值为25法郎。 这个故事里出现了“期望”这个词，数学期望由此而来。 定义1 若离散型随机变量ξ可能取值为i a （i =1，2，3 ，…），其分布列为i p （i =1，2，3， …），则当i i i p a ∑∞ =1 <∞时，则称ξ存在数学期望，并且数学期望为E ξ=∑∞ =1 i i i p a ， 如果i i i p a ∑∞ =1 =∞，则数学期望不存在。[]1 定义2 期望：若离散型随机变量ξ，当ξ=x i 的概率为P （ξ=x i ）=P i （i =1，2，…，n ，…），则称E ξ=∑x i p i 为ξ的数学期望，反映了ξ的平均值. 期望是算术平均值概念的推广，是概率意义下的平均.E ξ由ξ的分布列唯一确定. 二、数学期望的性质 （1）设C 是常数，则E(C )=C 。 （2）若k 是常数，则E (kX )=kE (X )。 （3）)E(X )E(X )X E(X 2121+=+。 三、 方差的定义 前面我们介绍了随机变量的数学期望，它体现了随机变量取值的平均水平，

方差公式

一．方差的概念与计算公式 例1 两人的5次测验成绩如下： X： 50，100，100，60，50 E(X )=72； Y： 73， 70， 75，72，70 E(Y )=72。 平均成绩相同，但X 不稳定，对平均值的偏离大。 方差描述随机变量对于数学期望的偏离程度。 单个偏离是 消除符号影响 方差即偏离平方的均值，记为D(X )： 直接计算公式分离散型和连续型，具体为： 这里是一个数。推导另一种计算公式 得到：方差等于平方的均值减去均值的平方。 其中，分别为离散型和连续型计算公式。称为标准差或均方差，方差描述波动 二．方差的性质 1．设C为常数，则D(C) = 0（常数无波动）； 2． D(CX )=C2 D(X ) （常数平方提取）； 证： 特别地 D(-X ) = D(X ), D(-2X ) = 4D(X )（方差无负值） 3．若X 、Y 相互独立，则 证：记 则 前面两项恰为 D(X )和D(Y )，第三项展开后为 当X、Y 相互独立时， ， 故第三项为零。 特别地 独立前提的逐项求和，可推广到有限项。 方差公式： 平均数：M=(x1+x2+x3++xn)/n （n表示这组数据个数，x1、x2、x3xn表示这组数据具体数值）方差公式：S=〈(M－x1)+(M－x2)+(M－x3)++(M－xn)〉╱n 三．常用分布的方差 1．两点分布 2．二项分布 X ~ B ( n, p ) 引入随机变量 Xi （第i次试验中A 出现的次数，服从两点分布） ， 3．泊松分布（推导略） 4．均匀分布 另一计算过程为 5．指数分布（推导略） 6．正态分布（推导略） 7.t分布 :其中X~T（n），E（X）=0；D（X）=n/(n-2); 8.F分布：其中X~F（m,n）,E(X)=n/(n-2); ~

二项分布的期望和方差的详细证明

二项分布的期望的方差的证明 山西大学附属中学 韩永权 hyq616@https://www.wendangku.net/doc/7c15244972.html, 离散型随机变量的二项分布: 在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是k n k k n n q p C k P -==)(ξ，（0,1,2k n = p q -=1） 于是得到随机变量ξ的概率分布如下： ξ 1 2 3 ... 1n - n P 0n n C q 11n n C pq - 222n n C p q - 333 n n C p q - ... 11 n n n C p q -- n n n C p 称这样的随机变量ξ服从二项分布，记作ξ～B(n ，p)，其中n ，p 为参数，并记k n k k n q p C -＝b(k ；n ，p)． 1 求证：服从二项分布的随机变量ξ的期望E np ξ=. 证明如下：预备公式： 1 1k k n n kc nc --= 100110220211(1)()11011111()(......)n n n n k k n n k n n n n n n n p q c p q c p q c p q c p q c p q ----------------+=++++++因为()(1),k k n k k k n k n n p k c p p c p q ξ--==-= 所以 001112220012......n n n k k n k n n n n n n n E c p q c p q c p q k c p q nc p q ξ---=?+?++?++?++ =00110220211(1)()11011111(......)n n n k k n n k n n n n n n n np c p q c p q c p q c p q c p q ---------------++++++ =1()n np p q np -+= 所以E np ξ= 方法二： 证明：若 ),(~p n B X ，则X 表示n 重贝努里试验中的“成功” 次数，现在我们来求X 的数学期望。

二项分布的期望与方差的证明

二项分布的期望与方差的证明 二项分布是概率统计里面常见的分布，是指相互独立事件n次试验发生x次的概率分布，比较常见的例子。种子萌发试验，有n颗种子，每颗种子萌发的概率是p，发芽了x颗的概率就服从二项分布。 如果还是迷茫，就听我说说故事，在古代，大概明末清初的时候，瑞士有个家族，叫伯努利家族，出了很多数学家，有一位叫詹姆斯·伯努利(James Bernoulli)的，比较喜欢做试验，他的试验有特点，是一系列的试验，没发生就是失败，而且每次的成功概率都是p，若果失败了就是q=(1-p)，只有这两种情况，后来人们给了这除了成功就是失败的性质一个比较抽象的名称，叫相互对立事件。在这些试验中，每次得出的结果与其他次试验都不发生关系，同样人们也给了这种不发生关系的性质一个比较抽象的名称，叫相互独立事件，同时把这种试验叫做伯努利试验。在n次伯努利试验中，发生x次的概率满足二项分布。 如果令q=(1-p)，那么很容易得出发生x次的概率为C{x，n}*p^x*q^(n-x)，因为决定该分布的只有n、p，所以为了简单起见，人们把x服从n，p的二项分布记做x～B(n，p)。 现在的目标是计算二项分布的期望和方差，在网上寻找二项分布的期望和方差大都给一个结果，np、npq，很难找到它是怎么来的。好不容易查到，还是花钱才能看的，就那几步过程，有必要藏着盖着吗？今天我把过程写出来，让大家都了解了解，都是原创，互相学习，希望支持。 首先，不厌其烦地说一下期望与方差的关系，以便清晰思路。期望用E表示，方差用D表示，一般把自变量记做ξ，如果对于结果为ξ的概率为Pξ那么，其期望为Eξ=∑ξ*Pξ，方差为Dξ=∑(ξ－Eξ)^2*Pξ，另外还有一个常见的量叫做标准差，一般用σ表示，σξ=√Dξ，根据方差的概念，可知： Dξ=∑(ξ－Eξ)^2*Pξ =∑(ξ^2＋Eξ^2－2*ξ*Eξ)*Pξ =∑(ξ^2*Pξ＋Eξ^2*Pξ－2*Pξ*ξ*Eξ) =∑ξ^2*Pξ＋Eξ^2*∑Pξ－2*Eξ*∑Pξ*ξ 因为∑Pξ=1而且Eξ=∑ξ*Pξ 所以Dξ=∑ξ^2*Pξ－Eξ^2 而∑ξ^2*Pξ，表示E(ξ^2) 所以Dξ=E(ξ^2)－Eξ^2

高考数学必考：方差公式

2019年高考数学必考：方差公式 一.方差的概念与计算公式 例1两人的5次测验成绩如下： X：50，100，100，60，50E(X)=72； Y：73，70，75，72，70E(Y)=72。 平均成绩相同，但X不稳定，对平均值的偏离大。 方差描述随机变量对于数学期望的偏离程度。 方差即偏离平方的均值，记为D(X)： 直接计算公式分离散型和连续型，具体为： 这里是一个数。推导另一种计算公式 得到：“方差等于平方的均值减去均值的平方”。 其中，分别为离散型和连续型计算公式。称为标准差或均方差，方差描述波动 二.方差的性质 1.设C为常数，则D(C)=0(常数无波动)； 2.D(CX)=C2D(X)(常数平方提取)； 特别地D(-X)=D(X)，D(-2X)=4D(X)(方差无负值) 方差公式： 平均数：M=(x1+x2+x3+…+xn)/n(n表示这组数据个数，x1、x2、x3……xn表示这组数据具体数值) 方差公式：S2=〈(M-x1)2+(M-x2)2+(M-x3)2+…+(M-xn)2〉╱n 三.常用分布的方差

1.两点分布 2.二项分布 X~B(n，p) 引入随机变量Xi(第i次试验中A出现的次数，服从两点分布) 3.泊松分布(推导略) 4.均匀分布 另一计算过程为 5.指数分布(推导略) 6.正态分布(推导略) 7.t分布:其中X~T(n)，E(X)=0；D(X)=n/(n-2)； 8.F分布：其中X~F(m，n)，E(X)=n/(n-2)； 正态分布的后一参数反映它与均值的偏离程度，即波动程度(随机波动)，这与图形的特征是相符的。 家庭是幼儿语言活动的重要环境，为了与家长配合做好幼儿阅读训练工作，孩子一入园就召开家长会，给家长提出早期抓好幼儿阅读的要求。我把幼儿在园里的阅读活动及阅读情况及时传递给家长，要求孩子回家向家长朗诵儿歌，表演故事。我和家长共同配合，一道训练，幼儿的阅读能力提高很快。方差的定义： 唐宋或更早之前，针对“经学”“律学”“算学”和“书学”各科目，其相应传授者称为“博士”，这与当今“博士”含义已经相去甚

二项分布的散点图与函数图方差及期望

二项分布的散点图与函数图-方差及期望

————————————————————————————————作者：————————————————————————————————日期： ?

2012—2013学年第２学期 合肥学院卓越工程师班 实验报告 课程名称: 概率论与数理统计 实验项目：二项、几何分布分布的性质研究 实验类别: 验证性 专业班级: １1级自动化卓越班 实验时间： 201３－6-１０ 组别: 第六组 指导教师:

一．小组成员(具体分工） 姓名学号具体分工 台路 11０50３１０0８实验内容、实验步骤 实验总结、实验程序与结果（分布图 像) 实验目的、实验程序与结果(期望与 方差） 二.实验目的 1．掌握一些matlａｂ中基本的绘图函数命令，并学会用maｔlab绘图。 ２.学会用matｌab软件绘制出在不同参数下二项分布律散点图。 3．学会用matｌab计算二项分布的数学期望及方差。 三. 实验内容 1.研究不同参数下二项分布的分布律的散点图，计算二项分布的数学期望及方差。 二项分布的概念: 考虑只有两种可能结果的随机试验,当成功的概率(π）是恒定的,且各次试验相互独立,这种试验在统计学上称为贝努里试验（Bernouｌli triaｌ)。如果进行n次贝努里试验，取得成功次数为X（Ｘ=０,1,…,ｎ）的概率可用下面的二项分布概率公式来描述：

四.实验步骤 1.对实验任务及实验内容进行分析。 2.上网查找用matlab软件绘制二项分布图像的资料。 3.尝试编写用matlab软件绘制二项分布图像的代码。 ３．分别改变不同的参数，分别用matｌab绘制出二项分布的散点图。４．计算二项分布的数学期望及方差。 ５.撰写实验报告。 五.实验程序(经调试后正确的源程序） 1．画出二项分布的分布律散点图（n=60，p=０.３） 源程序: ｎ=６0 p=0.3 ｆｏr k=1:1:n ｙ=biｎocdｆ（k,n,p) ｐlot(ｋ,y,'*＇)

二项分布的方差证明

服从二项分布的随机变量ξ的方差公式的推导 在独立重复实验中，某结果发生的概率均为p （不发生的概率为q ，有1p q +=），那么在 n 次实验中该结果发生的次数ξ的概率分布为 ξ 1 2 3 1n - n P 0n n C q 11n n C pq - 222n n C p q - 333 n n C p q - 11 n n n C p q -- n n n C p 服从二项分布的随机变量ξ的期望E np ξ=.证明从略. 预备公式1. 21 ()n i i i D x E p ξξ==-?∑ 2212 2 1 1 1 22222 [2()]2()2()()()n i i i i n n n i i i i i i i i x x E E p x p E x p E p E E E E E ξξξξξξξξξ=====-+?=-?+?=-+=-∑∑∑∑ 22()D E E ξξξ∴=- 预备公式2. 21 1k k n n k C knC --= 1 111111212 [(1)1](1)(1)k n k k n n k k n n n k C nC n k C nC n n C ----------=-+=+-=+- 212 12(1)k k k n n n k C nC n n C ----∴=+-

求证：D npq ξ= 证明：2 20n i i n i n i E i C p q ξ-== ∑ 11 121 222 1 1101 2 221 1 2 1 2 111221122(1)(1)()(1)()(1)n n n i i n i i i n i n n n i i n n n i i n i n i i n i n n n i i n n n n n n C pq nC p q n n C p q npq np C p q npC q n n p C p q npq np p q npq n n p p q npq np npq n n p np n p -------==-----------==------=++-=+-+-=++-+-+=+-+-=+∑∑∑∑222222 (1)np np p n p npq n p -=-+=+ 22()D E E ξξξ∴=- 222()npq n p np npq =+-=