指数分布的方差如何求
指数分布方差等于1/λ^2,方差DX=EX²-(EX)²
若随机变量x服从参数为λ的指数分布,则记为X~Exp(λ)。指数分布的图形表面上看与幂律分布很相似,实际两者有极大不同,指数分布的收敛速度远快过幂律分布。指数分布的参数为λ,则指数分布的期望为1/λ,方差为(1/λ)的平方。
指数分布的期望和方差公式
指数分布的期望:E(X)=1/λ。
指数分布的方差:D(X)=Var(X)=1/λ²。
指数分布与分布指数族的分类不同,后者是包含指数分布作为其成员之一的大类概率分布,也包括正态分布,二项分布,伽马分布,泊松分布等等。
六个常见分布的期望和方差:
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/(p的平方)。
5、正态分布,期望是u,方差是&的平方。
6、x服从参数为p的0-1分布,则e(x)=p,d(x)=p(1-p)。
gamma分布的均值和方差
Gamma分布密度函数
f ( x ; α , β ) = β α x α − 1 Γ ( α ) exp { − β x } f(x;\alpha, \beta) = \frac{\beta^{\alpha}x^{\alpha-1}}{\Gamma({\alpha})}\exp\{-\beta x\}f(x;α,β)=Γ(α)βαxα−1exp{−βx}
均值和方差
E ( x ) = α β E(x) = \frac{\alpha}{\beta}E(x)=βα
D ( x ) = α β 2 D(x) = \frac{\alpha}{\beta^2}D(x)=β2α
指数分布的数学期望
指数函数的一个重要特征是无记忆性(Memoryless Property,又称遗失记忆性)。
指数分布的参数为λ,则指数分布的期望为1/λ;方差为(1/λ)^2
E(X)==∫x*f(x)dx==∫λx*e^(-λx)dx=-(xe^(-λx)+1/λ*e^(-λx))|(正无穷到0)=1/λ
E(X^2)==∫x^2*f(x)dx=∫x^2*λ*e^(λx)dx=-(2/λ^2*e^(-λx)+2x*e^(-λx)+λx^2*e^(-λx))|(正无穷到0)=2/λ^2
DX=E(X^2)-(EX)^2=2/λ^2-(1/λ)^2=1/λ^2
指数分布概率公式
对于随机变量X,它的期望可以表示为EX,下面看看它的方差怎么表示:
DX = E(X-EX)2 = E(X2-2XEX +(EX)2) = EX2 - (EX)2
所以当 EX=0时,DX = EX2
当随机变量X与随机变量Y相互独立时,我们有这样的结论:
EXY = EX * EY
DXY = EX2EY2 –(EX)2(EY)2
D(X+Y) = DX + DY + 2[E(XY)-EXEY] = DX + DY
常见的概率分布:
均匀分布:U(a,b),它们对应的数学期望和方差分别是:
数学期望:E(x)=(a+b)/2
方差:D(x)=(b-a)²/12
评论列表(3条)
我是趣观号的签约作者“左丘梦”!本篇文章由我发布,与趣观号立场无关,如有问题请与我联系!
希望本篇文章《指数分布的方差 指数分布的方差如何求》能对你有所帮助!
点击进入我的主页查看更多我的作品:[左丘梦的主页]