【求数学期望和方差】在概率统计中，数学期望和方差是描述随机变量分布特征的两个重要指标。数学期望反映了随机变量的“平均值”，而方差则衡量了随机变量与其期望值之间的偏离程度。下面我们将通过具体例子来总结如何计算数学期望和方差。
一、基本概念
- 数学期望（Expected Value）：表示随机变量在大量重复试验中取值的平均趋势，记为 $ E(X) $。
- 方差（Variance）：表示随机变量与其数学期望之间差异的平方的平均值，记为 $ \text{Var}(X) $，也可以表示为 $ D(X) $。
二、计算公式
对于离散型随机变量 $ X $，其概率质量函数为 $ P(X = x_i) = p_i $，其中 $ i = 1, 2, ..., n $，则：
- 数学期望：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot p_i
$$
- 方差：
$$
\text{Var}(X) = E(X^2) - [E(X)]^2
$$
或者：
$$
\text{Var}(X) = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot p_i
$$
三、示例分析
假设一个随机变量 $ X $ 的概率分布如下表所示：
| $ x_i $ | 0 | 1 | 2 | 3 |
| $ p_i $ | 0.1 | 0.3 | 0.4 | 0.2 |
我们来计算该随机变量的数学期望和方差。
步骤1：计算数学期望
$$
E(X) = 0 \times 0.1 + 1 \times 0.3 + 2 \times 0.4 + 3 \times 0.2 = 0 + 0.3 + 0.8 + 0.6 = 1.7
$$
步骤2：计算 $ E(X^2) $
$$
E(X^2) = 0^2 \times 0.1 + 1^2 \times 0.3 + 2^2 \times 0.4 + 3^2 \times 0.2 = 0 + 0.3 + 1.6 + 1.8 = 3.7
$$
步骤3：计算方差
$$
\text{Var}(X) = E(X^2) - [E(X)]^2 = 3.7 - (1.7)^2 = 3.7 - 2.89 = 0.81
$$
四、结果汇总
| 指标 | 计算结果 |
| 数学期望 | 1.7 |
| 方差 | 0.81 |
五、总结
数学期望和方差是描述随机变量分布特性的两个核心参数。通过实际例子可以看出，数学期望反映了数据的集中趋势，而方差则展示了数据的离散程度。在实际应用中，这两个指标常用于风险评估、投资决策、质量控制等领域，具有重要的现实意义。
通过系统地学习和练习，可以更好地掌握这些统计量的计算方法，并灵活应用于各类问题中。