二项分布的期望值 E(n)=np 推导

二项分布的期望值 E(n)=np，这个公式是如何推导来的呢？

n表示n次试验，p表示单次试验的成功概率。

E(n)表示n次试验的成功次数的数学期望。

这里还需要依赖一个求数学期望的公式，所有概率相加=1。

所有概率相加=1，即

∑k=0,n C(n,k) * p^k * (1-p)^(n-k) = 1

对于试验n次的情况，有n+1种结果，0次成功系数为0，所以k=1开始即可。

∑k=0,n k * P(k)

∑k=1,n k * P(k)

E(n)=np这个公式是如何推导来的呢？

首选要知道所有的可能性，例如n次试验，可能成功0次，1次，2次，。。。n次。即有n+1种可能。

假设做6次试验，0表示成功，1表是失败。

可能性如下：

000000

100000

010000

001000

000100

000010

000001

......

成功0次的可能性有1种，成功1次的可能性有6种，这是n选k的问题。

n次试验，成功k次的可能性有多少种=C(n,k)=n! / (k!(n-k)!)

n次试验，成功k次的概率=C(n,k) * p^k * (1-p)^(n-k)

所有概率相加=1，即

∑k=0,n C(n,k) * p^k * (1-p)^(n-k) = 1

数学期望E(n)，表示做n次试验，最可能成功多少次：

将成功次数乘以对应的概率，求相加即可得到它的数学期望。

∑k=1,n k * C(n,k) * p^k * (1-p)^(n-k)

∑k=1,n k * (n! / (k!(n-k)!)) * p^k * (1-p)^(n-k)

∑k=1,n k * (n! / (k(k-1)!(n-k)!)) * p^k * (1-p)^(n-k)

∑k=1,n (n! / ((k-1)!(n-k)!)) * p^k * (1-p)^(n-k)

∑k=1,n (n(n-1)! / ((k-1)!(n-k)!)) * p * p^(k-1) * (1-p)^(n-k)

np∑k=1,n ((n-1)! / ((k-1)!(n-k)!)) * p^(k-1) * (1-p)^(n-k)

对n-1,k-1进行换元：

a=k-1

b=n-1

n-k = (a+1) - (b+1) = b-a

求和的下标k=1怎么换呢？k=1时，根据a=k-1，得出当k=1时a=0。

求和式中，当k=n时，a = k-1 = n-1

而换元中b=n-1，所以n-1=b

换元后，

np∑a=0,b ((b)! / ((a)!(b-a)!)) * p^(a) * (1-p)^(b-a)

注意这个求和表达式∑a=0,b ((b)! / ((a)!(b-a)!)) * p^(a) * (1-p)^(b-a)

其实就是二项式的所有可能的概率之和，必然等于1.

∑k=0,n C(n,k) * p^k * (1-p)^(n-k) = 1

因此最后推导出来

二项分布的期望值 E(n)=np*1=np

[参考]

1. 可汗学院公开课：统计学24-二项分布的期望值

http://v.ku6.com/special/show_6598382/L6rDnRd-Ra0eamhycyU8ag...html

二项分布的期望值 E(n)=np 推导相关推荐

[第24课] 二项分布的期望值
– Start 观看可汗视频二项分布的期望值E(X)=np,其中n为随机试验次数,p为某一次的成功概率.这一节证明了这个公式. – 更多参见:<可汗学院: 统计学>学习笔记 – 声明: ...
二项分布均值和方差的简单推导
前一篇文章<二项分布>中说过,伯努利分布(也称为两点分布或0-1分布)是二项分布在n=1时的特例.我们先看伯努利分布的均值和方差的推导. 根据离散型随机变量均值和方差的定义,若离散型随机变 ...
再谈线性回归函数分析，从概率论与数理统计角度看线性回归参数估计
1. 随机变量的数字特征 0x1:为什么我们需要统计随机变量的数字特征随机变量的分布函数(或概率函数,或密度函数)已经非常全面了,精确地描述了这个随机变量取值的统计规律性,那为什么我们还需要研究随机 ...
统计学相关（网易公开课笔记）
机器学习算法要学习数据挖掘十大算法抽时间学习一下Hadoop集群性能测试,测试一下集群性能决策树模型逻辑斯蒂回归采用了极大似然估计估计模型参数最大熵模型使用连续变量的最大熵模型的公式会简 ...
UA MATH564 概率分布1 二项分布下
UA MATH564 概率分布1 二项分布下 de Moivre-Laplace定理 Poisson分布近似二项分布这一篇考虑二项分布的一些近似计算问题,考虑X∼Binom(n,p)X \sim B ...
二项分布、泊松分布，正态分布（高斯分布）之间的联系与区别
基础知识二项分布有两个参数,一个 n 表示试验次数,一个 p 表示一次试验成功概率.现在考虑一列二项分布,其中试验次数 n 无限增加,而 p 是 n 的函数. 1.如果 np 存在有限极限 λ,则这 ...
【程序员眼中的统计学（6）】几何分布、二项分布及泊松分布：坚持离散
几何分布.二项分布及泊松分布:坚持离散作者白宁超 2015年8月4日13:08:28 摘要:程序员眼中的统计学系列是作者和团队共同学习笔记的整理.首先提到统计学,很多人认为是经济学或者数学的专利, ...
二项分布的泊松逼近matlab,二项分布和泊松概率分布2018-04-17
说起二项分布(binomial distribution),不得不提的前提是伯努利试验(Bernoulli experiment),也即n次独立重复试验.伯努利试验是在同样的条件下重复.相互独立进行的 ...
大数据分析工具作业task01:np.random总结及几种常见概率分布图形的绘制
numpy.random在生成大型样本时比纯python方式快了一个数量级写这篇文章的原因是小米菲一直对于numpy中的伪随机数们傻傻分不清楚,再加上我的大数据分析工具老师让我们画出六种分布的图形( ...

二项分布的期望值 E(n)=np 推导

二项分布的期望值 E(n)=np 推导相关推荐

最新文章

热门文章