求期望和方差公式 掌握统计核心计算
导读 期望和方差是概率论与数理统计中最基础的两个数字特征，期望衡量随机变量的平均水平，方差衡量随机变量取值与其期望的偏离程度。离散型随机变量的期望公式为E(X)=∑x_i p_i，连续型随机变量的期望公式为E(X)=∫x f(x)dx。方差公式为D(X)=E[(X-E(X))^2]=E(X^2)-[E(X)]^2，该公式适用于所有随机变量类型。
期望和方差是概率论与数理统计中最基础的两个数字特征，期望衡量随机变量的平均水平，方差衡量随机变量取值与其期望的偏离程度。离散型随机变量的期望公式为E(X)=∑x_i p_i，连续型随机变量的期望公式为E(X)=∫x f(x)dx。方差公式为D(X)=E[(X-E(X))^2]=E(X^2)-[E(X)]^2，该公式适用于所有随机变量类型。
在实际应用中，期望用于预测平均收益或平均结果，方差则用于评估风险或波动性。例如，投资组合的期望回报率可帮助决策，而方差则反映回报的不确定性。对于样本数据，样本期望即样本均值，样本方差需使用无偏估计公式s²=Σ(x_i-x̄)²/(n-1)。理解这两个公式是掌握统计推断、回归分析及机器学习模型的基础，也是SEO优化中核心关键词的自然呈现方式，建议在相关内容中多次穿插“期望”“方差”以增强主题相关性。
【常见问题】
问题1：期望和方差公式在金融风险管理中如何应用？
回答1：期望用于计算投资组合的平均预期收益率，方差则衡量收益率的波动风险，两者结合可通过均值-方差模型优化资产配置，帮助投资者在期望收益与风险之间取得平衡。
问题2：样本方差公式与总体方差公式有何区别？
回答2：样本方差公式使用n-1作为分母（s²=Σ(x_i-x̄)²/(n-1)），而总体方差公式使用n（σ²=Σ(x_i-μ)²/n），前者是无偏估计，后者在样本量较大时近似相等，但计算期望和方差时需注意区分。
问题3：如何利用期望和方差公式验证数据分布特征？
回答3：通过计算期望和方差可以判断数据是否对称（期望与中位数关系）以及离散程度，例如正态分布的期望和方差决定其形状，而切比雪夫不等式则利用方差估计数据落在期望附近的比例。