统计学24:二项分布的期望值

统计学•目录 统计学•类别 math


二项分布的期望值

假设随机变量X表示n次实验的次数,其中每次成功的概率是P.

$$E(X) = np$$

在二项分布中,期望值可以看成是最可能得到的那个结果.

假设投篮的命中概率为40%,投10次.
那么$E(X) = np = 10 \times 40\% =4$

可以理解为命中概率为40%,那么投10次,可能4次命中.

回顾二项式概率的公式:

$$P(X=k) = (_k^n)p^k(1-P)^{n-k}$$

期望值公式:

$$E(X) = \sum_{k=0}^nkP(X=k)=\sum_{k=0}^n(_k^n)kP^k(1-P)^{n-k}$$
$  E(X) =0(_0^n)p^0(1-P)^{n-0}+1(_1^n)p^1(1-P)^{n-1}+…+n(_n^n)p^n(1-P)^{n-n}\\
     =1(_1^n)p^1(1-P)^{n-1}+…+n(_n^n)p^n(1-P)^{n-n} \\
     =\sum _{k=1}^n(_k^n)P^k(1-P)^{n-K}
$

代入二项式系数公式
$$二项式系数   (_k^n)=\frac{n!}{k!(n-k)!}$$
         $E(X) =\sum _{k=1}^n \frac{n!}{k!(n-k)!} k P^k(1-P)^{n-K}\\
   =\sum _{k=1}^n \frac{n!}{k(k-1)!(n-k)!} k P^k(1-P)^{n-K}\\
   =\sum _{k=1}^n \frac{n!}{(k-1)!(n-k)!} P^k(1-P)^{n-K}\\
   =\sum _{k=1}^n \frac{n(n-1)!}{(k-1)!(n-k)!} PP^{k-1}(1-P)^{n-K}\\
   =np\sum _{k=1}^n \frac{(n-1)!}{(k-1)!(n-k)!} P^{k-1}(1-P)^{n-K}\\
$

令$a=k-1,b=n-1$,则$n-k=b-a$
         $E(X) =np\sum _{a=0}^b \frac{(b)!}{a!(b-a)!} P^{a}(1-P)^{b-a}\\
   =np\sum _{a=0}^b (_a^b) P^{a}(1-P)^{b-a}\\
   = np
$

$\sum _{a=0}^b (_a^b) P^{a}(1-P)^{b-a}$表示一个二项分布的概率和,和应该为1


博主个人能力有限,错误在所难免.
如发现错误请不要吝啬,发邮件给博主更正内容,在此提前鸣谢.
Email: JentChang@163.com (来信请注明文章标题,如果附带链接就更方便了)
你也可以在下方的留言板留下你宝贵的意见.


上一篇
统计学25:泊松过程1 统计学25:泊松过程1
统计学•目录 统计学•类别 math 泊松过程确定交通道路上任意时刻通过车的数量.先定义一个相关随机变量X(表示一个小时内通过的车辆数). 假设条件:任意时刻的情况没有差异(没有高峰期之类的,每分每秒都一样),每一时刻是独立(不会受其
2019-01-01
下一篇
统计学23:期望值E(X) 统计学23:期望值E(X)
统计学•目录 统计学•类别 math 期望值 如果你是在B站上看的,这一节课可能会没有字幕,这里介绍的稍微详细一点. 介绍集中趋势的时候,用均值描述是一种常用的方法.给出一个总体,一组数: 3, 3, 3, 4, 5它的平均数是: $
2019-01-01
目录