泊松分布的数学期望与方差

(完整word版)常见分布的期望和方差

常见分布的期望和方差 x n (0,1) N()

概率与数理统计重点摘要 1、正态分布的计算：()()( )X F x P X x μ σ -=≤=Φ。 2、随机变量函数的概率密度：X 是服从某种分布的随机变量，求()Y f X =的概率密度：()()[()]'()Y X f y f x h y h y =。（参见P66～72） 3、分布函数(,)(,)x y F x y f u v dudv -∞-∞ = ?? 具有以下基本性质： ⑴、是变量x ，y 的非降函数； ⑵、0(,)1F x y ≤≤，对于任意固定的x ，y 有：(,)(,)0F y F x -∞=-∞=； ⑶、(,)F x y 关于x 右连续，关于y 右连续； ⑷、对于任意的11221212(,),(,),,x y x y x x y y <<　 　，有下述不等式成立： 22122111(,)(,)(,)(,)0F x y F x y F x y F x y --+≥ 4、一个重要的分布函数：1(,)(arctan )(arctan )23 x y F x y πππ2=++22的概率密度为：2222 6(,)(,)(4)(9)f x y F x y x y x y π?==??++ 5、二维随机变量的边缘分布： 边缘概率密度： ()(,)()(,)X Y f x f x y dy f y f x y dx +∞ -∞+∞ -∞ ==?? 边缘分布函数： ()(,)[(,)]()(,)[(,)]x X y Y F x F x f u y dy du F y F y f x v dx dv +∞ -∞-∞+∞ -∞ -∞ =+∞==+∞=?? ?? 二维正态分布的边缘分布为一维正态分布。 6、随机变量的独立性：若(,)()()X Y F x y F x F y =则称随机变量X ，Y 相互独立。简称X 与Y 独立。

概率论与数理统计课程报告：泊松分布及其在实际中的应用

泊松分布及其在实际中的应用 摘要：本文从泊松分布的定义和基本性质出发，举例讨论了泊松分布在实际中的重要应用。 关键字：泊松分布；应用；运筹学；分子生物学；核衰变 泊松分布是法国数学家泊松于1837年引入的，是概率论中的几大重要分布之一。作为一种常见的离散型随机变量的分布，其在实际中有着非常广泛的应用。 1泊松分布的定义及基本知识 1.1定义： （1）若随机变量X 的分布列为 ）， ?=>= =-,2,1,0(0,! )(k k e k X P k λλλ 则称X 服从参数为λ的泊松分布，并用记号X~P(λ)表示。 （2）泊松流： 随机质点流：随机现象中源源不断出现的随机质点构成的序列。 若质点流具有平稳性、无后效性、普通性, 则称该质点流为泊松事件流(泊松流)。 例如某电话交换台收到的电话呼叫数; 到某机场降落的飞机数; 一个售货员接待的顾客数等这些事件都可以看作泊松流。 1.2有关泊松分布的一些性质 （1）满足分布列的两个性质：P(X=k)≥0(k=0,1,2,…）， 且有 1! ! )(0 =?====-∞ =-∞=∞ =-∑∑∑ λλλ λ λλe e k e k e k X P k k k o k k . （2）若随机变量X 服从参数为λ的泊松分布，则X 的期望和方差分别为：E （X)=λ; D(X)=λ. （3）以n ，p 为参数的二项分布，当n →∞，p →0时，使得np=λ保持为正常数，则 λλ--→ -e k p p C k k n k k n ! ) 1(对于k=0,1,2，…一致成立。 由如上定理的条件λ=np 知，当n 很大时，p 很小时，有下面的近似公式 λλ--→ -=e k p p C k P k k n k k n n ! ) 1()( 2泊松分布的应用 对于试验成功概率很小而试验次数很多的随机过程, 都可以很自然的应用于泊松分布的理论。在泊松分布中的概率表达式只含一个参数λ，减少了对参数的确定与修改工作量, 模型构建比较简单, 具有很重要的实际意义。 以下具体举例说明泊松分布在实际中的重要应用。 （1）泊松分布在经济生活中的应用： 泊松分布是经济生活中的一种非常重要的分布形式，尤其是经常被运用在运筹学研究中的一个分布模型。如物料订单的规划，道路交通信号灯的设计，生产计划的安排，海港发

随机变量的数学期望与方差

第9讲随机变量的数学期望与方差 教学目的：1.掌握随机变量的数学期望及方差的定义。 2.熟练能计算随机变量的数学期望与方差。 教学重点： 1．随机变量的数学期望 For personal use only in study and research; not for commercial use 2．随机变量函数的数学期望 3．数学期望的性质 4．方差的定义 For personal use only in study and research; not for commercial use 5．方差的性质 教学难点：数学期望与方差的统计意义。 教学学时：2学时。 For personal use only in study and research; not for commercial use 教学过程： 第三章随机变量的数字特征 §3.1 数学期望 For personal use only in study and research; not for commercial use 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了。然而，在实际问题中，概率分布一般是较难确定的，而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了。因此，在对随机变量的研究中，确定其某些数字特征是重要的，而在这些数字特征中，最常用的是随机变量的数学期望和方差。

1．离散随机变量的数学期望 我们来看一个问题： 某车间对工人的生产情况进行考察。车工小张每天生产的废品数X 是一个随机变 量，如何定义X 取值的平均值呢？ 若统计100天，32天没有出废品，30天每天出一件废品，17天每天出两件废品， 21天每天出三件废品。这样可以得到这100天中每天的平均废品数为 27.1100 213100172100301100320=?+?+?+? 这个数能作为X 取值的平均值吗？ 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的 天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是 1.27。 对于一个随机变量X ，若它全部可能取的值是 ,,21x x ， 相应的概率为 ,,21P P ， 则对X 作一系列观察(试验)所得X 的试验值的平均值是随机的。但是，如果试验次数 很大，出现k x 的频率会接近于K P ，于是试验值的平均值应接近 ∑∞=1k k k p x 由此引入离散随机变量数学期望的定义。 定义1 设X 是离散随机变量，它的概率函数是 ,2 ,1,)()(====k P x X P x p K K k 如果 ∑∞ =1||k k k p x 收敛，定义X 的数学期望为 ∑∞ ==1)(k k k p x X E 也就是说,离散随机变量的数学期望是一个绝对收敛的级数的和。 例1 某人的一串钥匙上有n 把钥匙，其中只有一把能打开自己的家门，他随意地 试用这串钥匙中的某一把去开门。若每把钥匙试开一次后除去，求打开门时试开次数 的数学期望。

常见分布的期望和方差

5

5 概率与数理统计重点摘要 1、正态分布的计算：()()( )X F x P X x μ σ -=≤=Φ。 2、随机变量函数的概率密度：X 是服从某种分布的随机变量，求()Y f X =的概率密度：()()[()]'()Y X f y f x h y h y =。（参见P66～72） 3、分布函数(,)(,)x y F x y f u v dudv -∞-∞ = ?? 具有以下基本性质： ⑴、是变量x ，y 的非降函数； ⑵、0(,)1F x y ≤≤，对于任意固定的x ，y 有：(,)(,)0F y F x -∞=-∞=； ⑶、(,)F x y 关于x 右连续，关于y 右连续； ⑷、对于任意的11221212(,),(,),,x y x y x x y y <<　 　，有下述不等式成立： 22122111(,)(,)(,)(,)0F x y F x y F x y F x y --+≥ 4、一个重要的分布函数：1(,)(arctan )(arctan )23 x y F x y πππ2=++22的概率密度为：2222 6(,)(,)(4)(9)f x y F x y x y x y π?==??++ 5、二维随机变量的边缘分布： 边缘概率密度： ()(,)()(,)X Y f x f x y dy f y f x y dx +∞ -∞+∞ -∞ ==?? 边缘分布函数： ()(,)[(,)]()(,)[(,)]x X y Y F x F x f u y dy du F y F y f x v dx dv +∞ -∞-∞+∞ -∞ -∞ =+∞==+∞=?? ?? 二维正态分布的边缘分布为一维正态分布。

泊松过程与泊松分布的基本知识

泊松过程与泊松分布的基本知识泊松过程是随机过程的一个经典模型，是一种累积随机事件的发生次数的独立增量过程。也就是说，每次事件的发生是相互独立的。那么泊松分布和泊松过程又什么关系呢？可以说泊松分布是描述稀有事件的统计规律，即可以描述一段时间内发生某个次数的概率。而泊松过程呢，就适合刻画“稀有事件流”的概率特性。 比较：泊松分布 泊松过程的主要公式： 其实没多少不一样对不对？不一样的是泊松过程是一个可以查看在时间t内发生次数的概率，这个t是可变的。泊松分布则是给定了时间。 泊松过程的关键在于，它的到达间隔序列Tn，即每两次发生的时间是服从的独立同指数分布的。如果每次发生的间隔时间不服从指数分布，那么这个随机过程就会更一般化，我们成为是更新过程，这也是随机过程的推广。 泊松过程分为齐次泊松过程和非齐次泊松过程，齐次的意思很简单，就是说过程并不依赖于初始时刻，强度函数是一个常数，从上面的公式也看得出来。而非齐次则是变成了,这意味着什么呢？这以为着随着与时间的改变，强度是会改变的，改变服从强度函数，说了这

么久，强度究竟是个什么概念？强度的意思就是泊松过程的该事件发生的频率，或者说快慢，泊松分布中我们知道期望就是,实际含义就是，在一段时间内，发生的次数平均水平是次。 复合泊松过程：泊松过程我们已经知道，用描述一段时间累积发生的次数，但是如果每次发生带来的后果都是不一样的，我们怎么描述这个过程呢？比如，火车站到达的乘客是服从泊松过程的，但是每个乘客携带有不同重量的行李，我们如何刻画在[0,t]时间内行李总重量呢，这个过程就是复合泊松过程。复合泊松过程的均值函数和方差函数一般可以用全期望和全方差公式进行计算，因为简单泊松过程的期望很容易求。 更新过程： 上文已经说到，更新过程作为泊松过程的推广，更具有一般性，那么在讨论更新过程时，我们更多地讨来更新函数，更新函数是更新过程的均值函数m(t)=E[N(t)]，怎么理解呢，就是说需要用t时刻的累积计数的期望特性来表达更新过程。有一条定理： 这个定理是可以证明的，Fn（t）是分布函数，就是说：在t时刻，更新函数值就是在这个时刻，n取遍所有值的分布之和。 那么是否可以这样理解，更新过程和泊松过程的区别就是更新间隔序列不同，那么如果已知了更新间隔序列的概率密度函数，就可以求解该过程的更新函数了，详细的推导就不写了。扔结论出来：对间隔序列概率密度函数做拉氏变换得到Lf(s),然后求 Lm(s)=Lf(s)/s(1-Lf(s)),再对Lm(s)进行逆变换，就得到了m(t),这就是更新函数。

正态分布的数学期望与方差

正态分布的数学期望与方差 正态分布： 密度函数为：分布函数为 的分布称为正态分布，记为N(a, σ2). 密度函数为： 或者 称为n元正态分布。其中B是n阶正定对称矩阵，a是任意实值行向量。 称N(0,1)的正态分布为标准正态分布。 （1）验证是概率函数（正值且积分为1） （2）基本性质： （3）二元正态分布： 其中， 二元正态分布的边际分布仍是正态分布： 二元正态分布的条件分布仍是正态分布：

即（其均值是x的线性函数） 其中r可证明是二元正态分布的相关系数。 （4）矩，对标准正态随机变量，有 （5）正态分布的特征函数 多元正态分布 （1）验证其符合概率函数要求（应用B为正定矩阵，L为非奇异阵，然后进行向量线性变换） （2）n元正态分布结论 a) 其特征函数为： b) 的任一子向量,m≤n 也服从正态分布，分布为其中，为保留B 的第，…行及列所得的m阶矩阵。 表明：多元正态分布的边际分布还是正态分布 c) a,B分别是随机向量的数学期望及协方差矩阵，即 表明：n元正态分布由它的前面二阶矩完全确定 d) 相互独立的充要条件是它们两两不相关 e) 若，为的子向量，其中是，的协方差矩阵，则是，相应分量的协方差构成的相互协方差矩阵。则相互独立的充要条件为＝0 f) 服从n元正态分布N(a,b)的充要条件是它的任何一个线性组合服

从一元正态分布 表明：可以通过一元分布来研究多元正态分布 g) 服从n元正态分布N(a,b),C为任意的m×n阶矩阵，则服从m元正态分布 表明：正态变量在线性变换下还是正态变量，这个性质简称正态变量的线性变换不变性 推论：服从n元正态分布N(a,b)，则存在一个正交变化U，使得是一个具有独立正态分布分量的随机向量，他的数学期望为Ua，而他的方差分量是B的特征值。 条件分布 若服从n元正态分布N(a,b)，，则在给定下，的分布还是正态分布，其条件数学期望： (称为关于的回归) 其条件方差为： （与无关）

泊松分布及其应用研究

泊松分布及其应用研究 Prepared on 22 November 2020

湖南科技大学 信息与电气工程学院 《课程论文》 题目：泊松分布及其应用研究 专业：通信工程 班级： 13级3班 姓名：黄夏妮 学号： 目录 一、摘要 (1) 二、泊松分布的概念 (2) 三、计数过程为广义的泊松过程 (4) 四、泊松分布及泊松分布增量 (5) 五、泊松分布的特征 (5) 六、泊松分布的应用 (6) 七、基于MATLAB的泊松过程仿真 (8) 八、参考文献 (12)

摘要 作为一种常见的离散型随机变量的分布,泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一。服从泊松分布的随机变量是常见的,它常与时间单位的计数过程相联系。 在现实生活中应用更为广泛,如数学建模、管理科学、运筹学及自然科学、概率论等等。并且在某些函数关系起着一种重要作用。例如线性的、指数的、三角函数的等等。同样, 在为观察现象构造确定性模型时, 某些概率分布也经常出现。泊松分布作为大量试验中稀有事件出现的频数的概率分布的数学模型, 它具有很多性质。为此本文讲述了泊松分布的一些性质, 并讨论了这些性质在实际生活中的重要作用。

二、泊松分布的概念： 定义1 设随机变量X 的可能取值为,,2,1,0 且 {}0,,2,1,0,! >===-λλ k e k x k X P k 为常数。 则称X 服从参数为λ的泊松分布,记作X ～ D(λ) 。 定义2 设ε是任意一个随机变量,称 )t (- e t)(it +∞<<∞=Φε是ε的特征函数。 主要结论： 定理1 如果X 是一个具有以λ为参数的泊松分布,则E( X) = λ且D ( X) =λ。 证明 设X 是一随机变量,若 ] X) E( - X [ E{2}存在,则称它为X 的方差,记作D( X) ,即 ] X) E( - X [ E{ X) D(2}=。设X 服从泊松分布D ( X) ,即有: 则()()λλλλλλλλ λ=?=-==- ∞ =--∞ =-∑∑ e e k e k e k X E k k k k 11 0!1! 从而()() () λλλλλλλ λ +=-+-==-∞ =-∞ =--∞ =∑ ∑ ∑2122 2 2 !1!2! e k e k e k k X E k k k k k k 故λλλλ - X) E( - ) X E( X) D(2222=+== 定理2 设随机变量) , ,2 1 n ( x n =服从二项分布,其分布律为 {}n k p p C k x P k n n k n k n n ,,2,1,0,)1( =-==-。 又设0>=λn np 是常数,则{}λλ-∞ →==e k k x P k n n ! lim 。 证明 由λ=n np 得: 显然,当k = 0 时,故λ-n e k} x P{→=。当k ≥1 且k → ∞时,有

数学期望(均值)、方差和协方差的定义与性质

均值、方差和协方差的定义和基本性质 1 数学期望（均值）的定义和性质 定义：设离散型随机变量X 的分布律为 {}, 1,2,k k P X x p k === 若级数 1k k k x p ∞=∑ 绝对收敛，则称级数1k k k x p ∞=∑的和为随机变量X 的数学期望，记为()E X 。即 ()1k k k E X x p ∞==∑。 设连续型随机变量X 的概率密度为()f x ，若积分 ()xf x dx ∞?∞? 绝对收敛，则称积分 ()xf x dx ∞?∞?的值为随机变量X 的数学期望，记为()E X 。即 ()()E X xf x dx ∞ ?∞=? 数学期望简称期望，又称为均值。 性质：下面给出数学期望的几个重要的性质 （1）设C 是常数，则有()E C C =； （2）设X 是一个随机变量，C 是常数，则有()()E CX CE X =； （3）设X 和Y 是两个随机变量，则有()()()E X Y E X E Y +=+，这一性质可以推 广至任意有限个随机变量之和的情况； （4）设X 和Y 是相互独立的随机变量，则有()()()E XY E X E Y =。 2 方差的定义和性质 定义：设X 是一个随机变量，若(){}2E X E X ?????存在，则称(){}2E X E X ?????为X

的方差，记为()D X 或()Var X ，即 性质：下面给出方差的几个重要性质 （1）设C 是常数，则有()0D C =； （2）设X 是一个随机变量，C 是常数，则有 ()()2D CX C D X =，()()D X C D X +=； （3）设X 和Y 是两个随机变量，则有 ()()()()()()(){}2D X Y D X D Y E X E X Y E Y +=++?? 特别地，若X 和Y 相互独立，则有()()()D X Y D X D Y +=+ （4）()0D X =的充分必要条件是以概率1取常数()E X ，即(){}1P X E X ==。 3 协方差的定义和性质 定义：量()(){} E X E X Y E Y ??????????称为随机变量X 与Y 的协方差。记为(),Cov X Y ，即 ()()(){},Cov X Y E X E X Y E Y =?????????? 性质：下面给出协方差的几个重要性质 （1）()(),,Cov X Y Cov Y X = （2）()(),Cov X X D X = （3）()()()(),Cov X Y E XY E X E Y =? （4）()(),,,,Cov aX bY abCov X Y a b =是常数 （5）()()()1212,,,Cov X X Y Cov X Y Cov X Y +=+ 参考文献 [1]概率论与数理统计（第四版），浙江大学

泊松分布的应用

泊松分布的应用

泊松分布的应用 摘要 泊松分布是指一个系统在运行中超负载造成的失效次数的分布形式。它是高等数学里的一个概念,属于概率论的范畴,是法国数学家泊松在推广伯努利形式下的大数定律时,研究得出的一种概率分布,因而命名为泊松分布。 作为一种常见的离散型随机变量的分布,泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一。服从泊松分布的随机变量是常见的,它常与时间单位的计数过程相联系。 在现实生活中应用更为广泛,如数学建模、管理科学、运筹学及自然科学、概率论等等。并且在某些函数关系起着一种重要作用。例如线性的、指数的、三角函数的等等。本文对泊松分布产生的过程、定义和性质做了简单的介绍，研究了泊松分布的一些性质, 并讨论了这些性质在实际生活中的重要作用。 关键词：泊松过程；泊松分布；定义；定理；应用；

一、 计数过程为广义的泊松过程 1．计数过程 设)} 0, [ T t , t)( {N X T ∞=∈=为一随机过程, 如果 t )( N 是取非负整数值的随机变量,且满足s < t 时, t)( s) ( N ≤,则称)} 0, [ T t , t)( {N X T ∞=∈=为计数过程。 将增量 t t 0 , t), t ( N ) t ( N - t)( N 000<≤?=,它表示时间间隔 t), t [ 0内出现的质点数。“在 t), t [ 0内出现k 个质点”,即k} t), t ( {N 0=是一随机事件,其概率记为 2 0,1, k , k} t), t ( P{N t), t ( P 00K ===总之,对某种随机事件的来到数都可以得到一个计数过程,而同一时刻只能至多发生一个来到的就是简单计数过程。 2．泊松过程 计数过程0} t , t)( {N ∈称为强度为λ的泊松过程,如果满足条件: (1)在不相重叠的区间上的增量具有独立性; (2)0 (0) N =; (3)对于充分小的, t)( O t 1} t) t t,( P{N t) t t,( P 1?+?==?+=?+λ其中常数 0>λ,称为过程)(t N 的强度。 (4)对于充分小的Δt (){}()t j t t t N P t t t P j j j ?==?+=?+∑∑∞ =∞=ο2 2 ,),( 亦即对于充分小的t ?,在()t t t ?+,或2个以上质点的概率与出现一个质点的概率相对可以忽略不计。了解泊松过程,就很容易去了解泊松分布的相关性质,其实泊松分布就是在泊松过程当中每单位的时间间隔内出现质点数目的计数。 二、 泊松分布的概念： 泊松分布常用于描述单位时间、单位平面或单位空间中罕见“质点”总数的随机分布规律。 定义1 设随机变量X 的可能取值为,,2,1,0 且 {}0,,2,1,0,! >===-λλ k e k x k X P k 为常数。

概率统计论 浅谈泊松分布

浅谈泊松分布 班级：XXX 姓名：XXX 学号：XXX

浅谈泊松分布当一个随机事件，以固定的平均瞬时速率λ

二项概率的泊松逼近 如果∞→n ，0→p 使得λ=np 保持为正常数，则 λλ--→-e k p p C k k n k k n !)1( 对k = 0,1,2,…一致地成立。

2.1泊松分布使用范围 泊松分布主要用于描述在单位时间(空间)中稀有事件的发生数. 即需满足以下四个条件： 1. 给定区域内的特定事件产生的次数，可以是根据时间，长度，面积来定义； 2. 各段相等区域内的特定事件产生的概率是一样的； 3. 各区域内，事件发生的概率是相互独立的；

4. 当给定区域变得非常小时，两次以上事件发生的概率趋向于0。 2.2泊松分布的性质 1. 泊松分布的均数与方差相等，即m =2σ 2．泊松分布的可加性 如果1x ，2x ，3x …k x 相互独立，且它们分别服从以1λ，2λ，3λ…k λ为参数的泊松分布，则k X X X X T ++++= 321也服从泊松分布，其参数为k λλλλ++++ 321。 3.泊松分布的应用 )0(P 是未产生二体的菌的存在概率，实际上其值的5%与采用2/05.0m J 照射时的大肠杆菌uvrA -株，recA -株（除去既不能修复又不能重组修复的二重突变）的生存率是一致的。由于该菌株每个基因

组有一个二体就是致死量，因此)1(P ，)2(P ……就意味着全部死亡的概率。 3.2泊松分布在医学统计上的应用 在遗传学上，计算遗传图距的基本方法是建立在重组率基础上的，根据重组率的大小作出有关基因间的距离，绘制线性基因图；可是当研究的两个基因间的距离相对较远，在它们之间可能发生双交换、三交换、四交换甚至更高数目的交换，而形成的配子总有一半是非重组型的。若简单的把重组率看作交换率，显然交换率降低了，图距也随之缩小。这里可以用泊松分布原理来描述减数分裂过程中染色体上某区段交换的分布。在图距计算中，x 表示交换数，m 表示对总样本来说每进行一次减数分裂两基因 间的平均交换数，而基因间不发生交换的概率为m m e e m P --==! 0)0(0 ，基因间至少发生一次交换的概率为m e P P --=-=1)0(1。由此可计算两基因间的交换率和重组率。进而可更科学的作出遗传图。 3.3 泊松分布在交通运输上的应用 道路是行驶各种车辆的通道。为了给编制交通建设规划提供可靠的依据和保证道路上的车能安全而有效地通行, 道路工作者必须对道路上的车流进行实地调查和统计分析以便掌握车流的变化规律。数理统计方法是对交通流分布进行研究的有效而实际可行的方法。通常把在单位时间内通过道路上某一地点的车辆叫做交通流。对于时间间隔极短,并非是高密度的交通流的分布状态, 它常常是服从“概率论” 中的“ 泊松分布” 规律的。 如用简单例子表示，取通过某一地点车辆的时间作为时间数轴, 在数轴上划出给定时间间隔和该时间间隔内通过的车辆数目,譬如, 以20秒的时间间隔的数轴为例, 在20~0秒内,一辆车也没有通过, 在40~20秒间隔内,有二辆车通过, 在60~40秒间隔内, 有一辆车通过, 等等。这样在实地进行大量观测就可以的到某一时间间隔内的随机来车数目和该时间间隔内出现该车辆数的次数, 从而按泊松分布公式求算在给定时间间隔内在某一地点通过γ辆车的概率)(γP 。 参考文献 1． 戴维 M. 莱文等.《以EXCEL 为决策工具的商务统计》.机械工业出版社，2009 2．庄军、林奇英《泊松分布在生物学中的应用》.激光生物学报.2007年第16卷第5期. 3．薛珊荣 《“泊松分布”在交通工程中的应用》.湖南大学学报.1995年第8卷第2期.

数学期望和方差的应用

２ＱＱ２±：箜！塑工 －学术－理论现代衾案一 数学期望和方差的应用 陈奕宏张鑫 （武警广州指挥学院广东广州５１０４４０） 摘要：本文主要讨论随机变量的数学期望和方差的性质，利用随机变量的对称性可简化求数学期望和方差的计算过程： 关键词：对称性数学期望方差 在教学过程中，由于很多同学对概牢论巾的定义和性质认识不深刻，冈此对概率论巾的问题存在许多认识误区，进一步影响了计算、证明能力。 性质ｌ对随机变量ｘ和ｙ，则有Ｅ（ｎｎ簟Ⅸ＋Ｅｙ①性质２设随机变量ｘ和ｙ相互独立，贝咿育层陇ｎ＝Ｅｘ?Ｅｙ②定义ｌ设Ｘ是一个随机变量，若ＥＩ肛删Ｉｚ存在，则称其为Ｘ的方差，记为Ｄｘ。即 Ｄｘ＝坦Ｉｘ—Ｅｘ】２③显然可得：们，－ＥｌＸ一以】２ ＝Ｅ瞄２—２ｘＥＸ＋（踊２］ ＝麟ｚ一（删）：④性质３设随机变量ｘ和ｙ相互独立，则有层孵ｙ：净Ｅ孵?Ｅｙ２⑤证明：设随机变量Ｘ和ｙ的联合分布密度为ｍ砂），｜ｊｌ《为ｘ和ｙ相互独立，有 “ｒ，ｙ）＝＾（掌）。，ｒ（ｙ） ．’．Ｅ（ｘ２ｙ２）＝Ｊ一。Ｊ一。工２ｙ２“ｒ，ｊ，）ｄ膏咖 ＝ｅｅｘ２ｙ２以（ｒ）厂ｒ（ｙ）如咖 ＝Ｃｘ２＾（工）如Ｃｙ２加）咖 ：Ｅｘ２Ｅ】，２⑥性质４设随机变量ｘ和ｌ，，ｎ和西为常数，则有Ｅ（口Ｘ２＋６ｙ２）＝ｎ露ｘ２＋６曰ｙ２（Ｄ证明：设随机变量ｘ和ｌ，的联合分布密度为厂（ｘ，ｊ，），则有 Ｅ似ｘ２＋６ｙ２）＝Ｊ＋。Ｊ一。（口工２＋６ｊ，２）“ｒ，ｊ，）ｄ＿咖 ＝ｅ仁ｎｘ２ｆｌｘ，，Ｍｘｄｙ＋ｅ仁ｂ矿ｆＩｘ，ｙⅪｘｄｙ ，＋∞，＋∞ｒ十ｏ，＋∞ ＝ｎ＼一。＼一亭２ｆＩｘ，如ｄｘｄ，＋ｂ１．。１一。旷ｆＩｘ，，Ⅺｘｄｙ ＝口ｆ）２【ｅ№ｊ，）ｄｙ】ｄｒ拍ｅｊ，２【Ｃ“础）ｄｘ协 ＝口仁量２【ｅ，（Ⅵ）ｄｙＪｄｘ柏ｅｊ，２【Ｃ，（础）ｄｘ坳 ＝ｎ尽２以（ｒ）ｄｙ拍Ｄ２加）ｄｙ ＝口ＥＸ２＋西Ｅｙ２ 掣狮，＝∥茗引ｍ，＝驴㈣’翟引 求Ｅ伍２＋ｙ２）。 解：Ｅ（ｘ２＋ｙ２）＝Ｅｘ２＋Ｅｙｚ（南公式⑦） ＝Ｉ：一４ｒ３出＋炒．１２ｙ２（１＋ｙ）咖《 性质５设随机变量ｘ和ｙ卡Ｈ互独立，则有 Ｄ（ｘ的＝Ｄｘ?Ｄｙ＋（Ｅ幻２?Ｄｌ，＋（层ｙ）２?Ｄｘ⑧ 证明：ＯＤⅨｙ）＝层（ｘｙ）２一ＩＥ（ｘｙ）Ｊ２ ＝Ｅ（Ｘ２ｙ２）一（ＥＸ）２（Ｅ】，）２ 南公式⑤，所以 Ｄ（Ｘｎ＝ＥＸ２Ｅｙ２一（ＥＸ）２（Ｅ”２ ＝曰ｘ２Ｅｌ，２一（Ｅ的２ＥＰ＋（Ｅ的２（Ｅｌ，）２一（Ｅ抑２僻ｙ）２ ＝【层ｘ２一（ＥＸ）２】ＥＰ＋（Ｅｘ）２【（Ｅ】，）２一（日ｙ）２】 矗剪陋妒＋（雕净汗钮曙（联）辚苦帮 ＝ｎ碰Ｉｙ＋（ＥＹ）２Ｄｙ＋（Ｅｙ）２蹦 显然，若随机变量ｘ和ｙ独立，则可得Ｄ（ｘｎ＞Ｄｘ?Ｄｙ⑨例设随机变量ｘ和ｌ，相互独立，均服从Ⅳ（Ｏ，１）分布，ｆ＝ｘ—ｙ，叩＝ｘｙ，试求１）Ｄ叩；２）ｐ￡。。 解：１）方法一 ＯＸ和ｙ相互独立 ．‘．Ｄ即＝Ｄ（ｘｙ）＝Ｅ（ｘｌ，）２一【层（ｘ聊】２ ＝Ｅ（ｒ—ｌ，）２一（以Ｅ的２ ＝Ｅ舻ＥＰ（由公式⑤） ＝【脚“（Ｅ的２】【Ｄｙ；（Ｅ玢２】＝１ 方法二 ０Ｘ和ｙ相互独立 ．?．Ｄｑ＝Ｄ（ｘ】，）＝似Ｄｙ＋（Ｅ柳２Ｄｙ＋（目】，）２Ｄｘ＝ｌ（由公式⑧）２）ｏｐ。：』业 ｑ厩丽 又ＯｃｏＶ（ｆ，＇７）＝层【（ｆ—Ｅｆ）（＇７一露７７）ｊ ＝层（ｘ２ｙ）一Ｅ（ｘＰ）（把ｆ＝ｘ—ｙ，’７＝ｘｙ代人） 曲（南ｘ与ｒ鹃对称性）综上所述，本文主要讨论连续型随机变量的数字特征的性质，结合对随机变量的对称性可解决存概率论巾一些常见的求数［字特征的问题。 参考文献： …盛骤等编概率论与数理统计高等教育出版社２００１．１２口 现代企业教育ＭＯＤＥＲＮＥＮＴＥＲＰＲＩＳＥＥＤＵＣＡＴＩＯＮ１１７　万方数据

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，

概率、期望与方差的计算和性质

概率与统计 知识点一：常见的概率类型与概率计算公式； 类型一：古典概型； 1、 古典概型的基本特点： （1） 基本事件数有限多个； （2） 每个基本事件之间互斥且等可能； 2、 概率计算公式： A 事件发生的概率()A P A = 事件所包含的基本事件数 总的基本事件数 ; 类型二：几何概型； 1、 几何概型的基本特点： （1） 基本事件数有无限多个； （2） 每个基本事件之间互斥且等可能； 2、 概率计算公式： A 事件发生的概率()A P A = 构成事件的区域长度（或面积或体积或角度） 总的区域长度（或面积或体积或角度） ； 注意： （1） 究竟是长度比还是面积比还是体积比，关键是看表达该概率问题需要几个变量，如 果需要一个变量，则应该是长度比或者角度比；若需要两个变量则应该是面积比；当然如果是必须要三个变量则必为体积比； （2） 如果是用一个变量，到底是角度问题还是长度问题，关键是看谁是变化的主体，哪 一个是等可能的； 例如：等腰ABC ?中，角C= 23 π ，则： （1） 若点M 是线段AB 上一点，求使得AM AC ≤的概率； （2） 若射线CA 绕着点C 向射线CB 旋转，且射线CA 与线段AB 始终相交且交点是M ，求 使得AM AC ≤的概率； 解析：第一问中明确M 为AB 上动点，即点M 是在AB 上均匀分布，所以这一问应该是长度 之比，所求概率： 13P =; 而第二问中真正变化的主体是射线的转动，所以角度的变化是均匀的，所以这一问应该是角度之比的问题，所以所求的概率：2755 = =1208 P ?； 知识点二：常见的概率计算性质； 类型一：事件间的关系与运算； A+B （和事件）：表示A 、B 两个事件至少有一个发生； A B ?（积事件） ：表示A 、B 两个事件同时发生； A （对立事件） ：表示事件A 的对立事件；

泊松流、指数分布、爱尔朗分布

三种常用的理论分布： （1） 泊松流与泊松分布 ｛N （t ）,t>0｝是计数过程，有 ,2,1,0,! )()(==-n e n t t P t n n λλ 且E[N （t ）]=λt ，Var[N(t)]=λt. (2) 指数分布 当输入过程是一个泊松过程｛N(t),t>0｝时，设T 是两位顾客相继到达的时间间隔，有 F T （t ）=P ｛T ≤t ｝=1－P ｛T ＞t ｝ =1－P 0（t ）=1－t e λ-， t>0, F T （t ）=0, t ≤0。 从 而 ?? ?≤>='=-.0, 00, )()(t t e t F t f t T T λλ（λ＞ 0）， 且 E （T ）=1/λ，

λ—单位时间到达的平均顾客数； 1/λ— 相继到达的平均间隔时间。 定理.输入过程｛N(t), t>0｝是参数为λ的泊松过程的充分必要条件是相继到达的时间间隔：T 1，T 2，…T n ,…相互独立，同服从参数为指数分布。 为一位顾客服务的时间V 一般也服从指数分布，有 ?? ?<>-=-.0,0,0, 1)(t t e t F t V μ, ???<>-=-.0, 0,0, )(t t e t f t V μμ 其中 μ— 平均服务率； E （V ）= 1/μ—一位顾客的平均服务时 间。 ρ=λ/μ—服务强度，刻画服务效率和服务机构利用程度的重要指标。 （3）爱尔朗（Erlang ）分布 设V 1，V 2，…，V k 相互独立，V i ～E(0 ，k μ)，则，T=V 1+V 2+…+V k 的概率密度为

?? ???<>-=-. 0,0, 0,)! 1()()(1t t k kt k t f k k μμ 称T 服从k 阶爱尔朗分布。 例：串列的k 个服务台，每个服务台的服务时间相互独立，服从相同的指数分布，则k 个服务台的总服务时间服从k 阶爱尔朗分布。 有：1）E （T ）=μμ1 1)(1=?=∑=k k V E k i i ； 2）k=1时，T ～E （0，μ）； 3）k ≥30时，T 近似服从正态分布； 4）.01 )(2lim lim ==∞→∞→μk T Var t k （化为确定型分布）。 （注：文档可能无法思考全面，请浏览后下载，供参考。可复制、编制，期待你的好评与关注）

Poisson过程教学目的了解计数过程的概念掌握泊松

第三章Poisson过程 教学目的：（1）了解计数过程的概念； （2）掌握泊松过程两种定义的等价性； （3）掌握泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布； （4）了解泊松过程的三种推广。 教学重点：（1）泊松过程两种定义的等价性； （2）泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布； （3）泊松过程的三种推广。 教学难点：（1）泊松过程两种定义的等价性的证明； （2）泊松过程来到时刻的条件分布； （3）泊松过程的推广。 3.1 Poisson过程 教学目的：掌握Poisson过程的定义及等价定义；会进行Poisson过程相关的概率的计算。 教学重点：Poisson过程的定义与其等价定义等价性的证明；Poisson过程相关的概率的计算。 教学难点：Poisson过程的定义与其等价定义等价性的证明。 Poisson过程是一类重要的计数过程，先给出计数过程的定义 定义3.1：{(),0} 表示从到时刻 N t t N t t≥ 随机过程称为计数过程，如果()0特定事件发生的次数，它具备以下两个特点： 某一A N t取值为整数； (1)() 内事件发生的次数。 (2)()()()-()(,] 时，且表示时间A s t N s N t N t N s s t <≤ 计数过程有着广泛的应用，如：某商店一段时间内购物的顾客数；某段时 间内电话转换台呼叫的次数；加油站一段时间内等候加油的人数等。 如果在不相交的时间区间中发生的事件个数是独立的，则称该计数过程

有独立增量。即当123,t t t <<2132()-()()-()X t X t X t X t 有与是独立的。 若在任一时间区间中的事件个数的分布只依赖于,时间区间的长度则计数 过程有平稳增量。即对一切12120(,]t t s t s t s <>++及，在中事件个数 21()()N t s N t s +-+12(,]t t 与区间中事件的个数21()()N t N t -有相同的分布。 Poission 过程是计数过程，而且是一类最重要、应用广泛的计数过程，它最早于1837年由法国数学家Poission 引入。 .独立增量和平稳增量是某些级数过程的主要性质Poisson 过程是具有独立 增量.和平稳增量的计数过程 定义3.2：{(),0}(0)N t t λλ≥>计数过程称为参数为Poisson 过程，如果 (1)(0)0N =； (2)过程具有独立增量； (3),0,s t ≥对任意的 (()-())P N t s N s n +=! n t t e n λλ-=（） 例3.1：3/h 设顾客到达商店依次人的平均速度到达，Poisson 且服从分布， 9:00,已知商店上午开门试求 (1)9:0010:005从到这一小时内最多有名顾客的概率？ (2)9:3011:30到时仅到一位顾客，而到时总计已达到5位顾客的概率？ (解：见板书。) 注：（1）Poisson 过程具有平稳增量。 （2）随机变量()N t 服从参数为t λ的Poisson 分布，故[()]E N t t λ=（显然，可以认为λ是单位时间内事件发生的平均次数，称λ是Poisson 过程的强度或速率或发生率。）

泊松流、指数分布、爱尔朗分布

三种常用的理论分布： （1） 泊松流与泊松分布 ｛N （t ）,t>0｝是计数过程，有 ,2,1,0,!) ()(==-n e n t t P t n n λλ 且E[N （t ）]=λt ，V ar[N(t)]=λt. (2) 指数分布 当输入过程是一个泊松过程｛N(t),t>0｝时，设T 是两位顾客相继到达的时间间隔，有 F T （t ）=P ｛T ≤t ｝=1－P ｛T ＞t ｝ =1－P 0（t ）=1－t e λ-， t>0, F T （t ）=0, t ≤0。 从而 ???≤>='=-.0, 00,)()(t t e t F t f t T T λλ（λ＞0）， 且 E （T ）=1/λ， λ—单位时间到达的平均顾客数；

1/λ— 相继到达的平均间隔时间。 定理.输入过程｛N(t), t>0｝是参数为λ的泊松过程的充分必要条件是相继到达的时间间隔：T 1，T 2，…T n ,…相互独立，同服从参数为指数分布。 为一位顾客服务的时间V 一般也服从指数分布，有 ? ??<>-=-.0,0,0,1)(t t e t F t V μ, ???<>-=-.0,0,0,)(t t e t f t V μμ 其中 μ— 平均服务率； E （V ）= 1/μ—一位顾客的平均服务时间。 ρ=λ/μ—服务强度，刻画服务效率和服务机构利用程度的重要指标。 （3）爱尔朗（Erlang ）分布 设V 1，V 2，…，V k 相互独立，V i ～E(0 ，k μ)，则，T=V 1+V 2+…+V k 的概率密度为

?????<>-=-. 0,0,0,)!1()()(1 t t k kt k t f k k μμ 称T 服从k 阶爱尔朗分布。 例：串列的k 个服务台，每个服务台的服务时间相互独立，服从相同的指数分布，则k 个服务台的总服务时间服从k 阶爱尔朗分布。 有：1）E （T ）=μμ11)(1=?=∑=k k V E k i i ； 2）k=1时，T ～E （0，μ）； 3）k ≥30时，T 近似服从正态分布； 4）.01)(2lim lim ==∞→∞→μ k T Var t k （化为确定型分布）。

二项分布及超几何分布期望与方差

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 ≤≤∈=++++++-- ，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<