1、二项分布数学期望Eξ=∑{ξ =0,n}ξ*C{ξ ,n}*p^ξ *q^(n-ξ) =∑{ξ =0,n}ξ*n!/ξ!/(n-ξ)!*p^ξ *q^(n-ξ) =∑{ξ =1,n}n!/(ξ-1)!/(n-ξ)!*p^ξ *q^(n-ξ) =n*p*∑{ξ =1,n}C{ξ-1,n-1}*p^(ξ-1)*q^(.

0-1分布,期望p方差p(1-p),二项分布期望np,方差np(1-p).方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量.概率论中方差用来度量随机变量和其.

X~b(n,p),其中n≥1,0<p<1.P{X=k}=C(n,k)*p^k*(1-p)^(n-k),k=0,1,.,n.EX=np,DX=np(1-p).最简单的证明方法是:X可以分解成n个相互独立的,都服从以p为参数的(0-1)分布的随机变量之和:X=X1+X2+.+Xn,Xi~b(1,p),i=1,2,.,n.P{Xi=0}=1-p,P(Xi=1)=p.EXi=0*(1-p)+1*p=p,E(Xi^2)=0^2*(1-p)+1^2*p=p,DXi=E(Xi^2)-(EXi)^2=p-p^2=p(1-p).EX=EX1+EX2+.+EXn=np,DX=DX1+DX2+.+DXn=np(1-p).

二项分布:进行一系列试验,如果:1.在每次试验中只有两种可能的结果,而且是互相对立的;2.每次实验是独立的,与其它各次试验结果无关;3.结果事件发生的概率在整个系列试验中保持不变,则这一系列试验称为伯努力试验.二项分布的形状取决于P和n的大小,高峰在m=nP处.当P接近0.5时,图形是对称的;P离0.5愈远,对称性愈差,但随着n的增大,分布趋于对称.当n→∞时,只要P不太靠近0或1,特别是当nP和n(1-P)都大于5时,二项分布近似于正态分布.

1、均匀分布,期望是(a+b)/2,方差是(b-a)的平方/12.2、二项分布,期望是np,方差是npq.3、泊松分布,期望是p,方差是p.4、指数分布,期望是1/p,方差是1/.

可以把n=r+k看作r个相互独立的xi的和,且xi~Ge(p),由相互独立的变量的和的期望和方差的性质+几何分布的期望和方差可以得到n的期望和方差

二项分布即重复n次独立的伯努利试验.在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立,并且相互独立,与其它各次试验结果无关,事件发生与否的.

(N,P) N是重复事件发生的次数 P是某件事发生的概率 像你这个分布列 Ex=1*0.5+2*0.3+3*0.2 这是期望 Dx=(1-Ex)平方*p+(2-Ex)平方*p+(3-Ex)平方*p 用那个公式是需要知道发生这件事的的概率的

1.X~N(a,b)正态分布,则E(X)=a,D(X)=b.2,X~U(a,b)均匀分布,则E(X)=(a+b)/2,D(X)=(b-a)^2/12.3.X~B(n,p)二项分布,则E(X)=np,D(X)=np(1-p).4.X服从参数为λ的指数分布,则E(X)=1/λ,D(X)=1/λ^2.5.X服从参数为λ的泊松分布,则E(X)=D(X)=λ.6.X服从参数为p的0-1分布,则E(X)=p,D(X)=p(1-p).7.X服从参数为p的几何分布,则E(X)=1/p,D(X)=(1-p)/p^2

先用最简单的两点分布(伯努利分布)给你解释再说二项分布 两点分布的意思就是譬如说你扔硬币 结果有两个 分别是正面和反面 发生正面的概率为p 反面就为q=1-p 如果.