几何分布及其期望计算
几何分布
以抛硬币为例:抛到正面则继续抛,抛到不是正面为止,记录这时抛硬币的次数X。假设出现正面的概率为ppp,那么非正面概率为1−p1-p1−p。发生抛k次事件的概率为:P{X=k}=pk−1(1−p)P\{X=k\}=p^{k-1}(1-p)P{X=k}=pk−1(1−p)
求几何分布的期望
根据离散概率分布的期望公式计算E[X]=∑ζP{X=ζ}E[X]=\sum \zeta P\{X=\zeta\}E[X]=∑ζP{X=ζ}得到几何分布的期望为E[X]=∑k=1∞kP{X=k}=∑k=1∞kpk−1(1−p)=1−pp∑k=1∞kpkE[X]=\sum_{k=1}^{\infty} kP\{X=k\}=\sum_{k=1}^{\infty} kp^{k-1}(1-p)=\frac{1-p}{p}\sum_{k=1}^{\infty} kp^kE[X]=k=1∑∞kP{X=k}=k=1∑∞kpk−1(1−p)=p1−pk=1∑∞kpk下面来计算后面求和部分,先来计算有限次求和,再对其求极限A=∑k=1nkpkA=\sum_{k=1}^{n} kp^kA=k=1∑nkpk构造错位项pA=∑k=1nkpk+1pA=\sum_{k=1}^{n} kp^{k+1}pA=k=1∑nkpk+1两式相减得(1−p)A=∑k=1npk−npn+1=p(1−pn)1−p−npn+1(1-p)A=\sum_{k=1}^{n} p^{k}-np^{n+1}=\frac{p(1-p^n)}{1-p}-np^{n+1}(1−p)A=k=1∑npk−npn+1=1−pp(1−pn)−npn+1所以得到A=p(1−pn)(1−p)2−npn+11−pA=\frac{p(1-p^n)}{(1-p)^2}-\frac{np^{n+1}}{1-p}A=(1−p)2p(1−pn)−1−pnpn+1对有限求和取极限∑k=1∞kpk=limn→∞p(1−pn)(1−p)2−npn+11−p=p(1−p)2\sum_{k=1}^{\infty} kp^k=\lim_{n\to \infty}\frac{p(1-p^n)}{(1-p)^2}-\frac{np^{n+1}}{1-p}=\frac{p}{(1-p)^2}k=1∑∞kpk=n→∞lim(1−p)2p(1−pn)−1−pnpn+1=(1−p)2p计算得到几何分布的期望E[X]=1−ppp(1−p)2=11−pE[X]=\frac{1-p}{p} \frac{p}{(1-p)^2}=\frac{1}{1-p}E[X]=p1−p(1−p)2p=1−p1
几何分布及其期望计算相关推荐
- 几何分布的期望与方差
几何分布的期望与方差 高中数学教科书新版第三册(选修II)比原来的修订本新增加随机变量的几何分布,但书中只给出了结论:(1),(2),而未加以证明.本文给出证明,并用于解题. (1)由,知 下面用倍差 ...
- 离散型最值的期望计算
离散型最值的期望计算 @(概率论) 不同于连续型,可以将问题归结为E|X-Y|的计算.离散型的期望值计算可以通过离散的划分来求解. 比如: 设X,Y相互独立同分布,均服从几何分布P(X=k)=qk−1 ...
- 【期望】几何分布的期望
先给出一个几何分布的分布列: 其中, x表示第x次抽中 p表示第中的概率 对于每一次抽奖:中奖概率p为3/4,不中奖概率(1-p)为1/4: 1.什么是几何分布 简言之,几何分布就是前n次都没有抽中, ...
- 几何分布的期望公式的推导
随机变量服从几何分布 概率分布 期望 现在先求等差比数列和 ②-③, 并运用等比数列求和公式,可得 将④代入①得
- 三国杀 中的概率计算 几何分布的期望和方差分析
1仁王盾和八卦盾选哪个比较好 被闪电劈中的概率有多少 当手上有杀有闪的时候应该留什么牌比较容易不掉血 各个人物的特色分析 甄姬与周瑜 一般情况下手牌的效用函数u关于手牌张数x是单调递增的凸函数 黄月英 ...
- 数学期望及常见分布的期望计算与推导
文章目录 1. 数据期望定义 2. 随机变量函数的数学期望 3. 二维随机变量函数的期望 4. 数学期望性质 5. 常见随机变量分布的期望 5.1 (0−1)(0-1)(0−1)分布 5.2 二项分布 ...
- 几何分布的期望_超几何分布与二项分布的数学期望
引入 故事要从这周数学课上的一次考试说起: ❝ 口袋中有黑球.白球共7个.从中任取两个球,若抽到白球的数学期望为,则白球有____个. ❞ 我遇到了这样一道题,题目很简单,所以我很快就想出解法,算出答 ...
- 几何分布的期望和方差公式推导_数学期望、方差、协方差
概论: 一维随机变量期望与方差 二维随机变量期望与方差 协方差 1.一维随机变量期望与方差: 公式: 离散型: E(X)=∑i=1->nXiPi Y=g(x) E(Y)=∑i=1->ng( ...
- 几何分布的期望和方差公式推导_算法数学基础-统计学最基础之均值、方差、协方差、矩...
我们天天都可以接触很多随机现象,比如每天的天气不一样气温是我们最直接的感受,我们很难预测明天的精确问题,但是这些随机现象又体现出了一定的规律性.比如上海7月份平均35度左右,冬天的平均温度在5度左右. ...
最新文章
- 关于HA-MIR镜像双机虚拟IP与周立功CANET-200T采用UDP模式通讯技巧
- 红米note3android驱动,红米note3 mtp驱动
- 放弃 PowerPoint,改用 reveal.js
- 九度oj 题目1078:二叉树遍历
- 【PAT乙级】1001 害死人不偿命的(3n+1)猜想 (15 分)
- 从零开始,跟我一起做jblog项目(三)从Maven到Gradle
- 拦截聊天记录--Hook技巧简介【原创】
- [学习笔记] 如果你愿意学那么你是可以看的懂的 —— 群论与 burnside 引理和 polya 定理
- laravel中的ORM模型修改created_at,updated_at,deleted_at三个时间字段类型
- rabbitmq实战指南_太香了这份架构解密:从分布式到微服务(第二版),神仙进阶指南...
- shell 构建脚本基础
- istringstream字符串流对象
- STM32F1下载程序方法
- linux运行关关采集器,杰奇小说2.3-自动采集-关关采集器高级版
- JSP注册验证功能的实现
- 视频教程.VB6.0+ACCESS开发数据管理软件
- dubbo接口调试工具
- html横向滚动字幕代码,js文字横向滚动特效
- Javascript ES6集合(SET)类型✪ ω ✪
- 类和对象11:描述符方法