二项分布期望和方差推导

若随机变量\(X\)服从二项分布,即\(X\sim B(n,p)\), 则有\(P(X=k)=C_n^kp^k(1-p)^{n-k}\),其均值和方差分别是
\(E(X)=np\)
\(D(X)=np(1-p)\)

之前学二项分布的时候看到它的期望和方差觉得形式很简单,就没怎么细看推导过程。但是自己去推导的时候发现也没那么简单。。。本文做个总结

二项分布期望

整个推导过程如下

\[\begin{align} E(k) &=\sum_{k=0}^{n} k p(k) \\ &=\sum_{k=0}^{n} k\left(\begin{array}{l} n \\ k \end{array}\right) p^{k}(1-p)^{n-k} \\ &=\sum_{k=1}^{n} k\left(\begin{array}{l} n \\ k \end{array}\right) p^{k}(1-p)^{n-k} \\ &=\sum_{k=1}^{n} k \frac{n !}{k !(n-k) !} p^{k}(1-p)^{n-k} \\ &=\sum_{k=1}^{n} k \frac{n !}{k !(n-k) !} p^{k} q^{n-k} \\ &=n p \sum_{k=1}^{n} \frac{(n-1) !}{(k-1) !(n-k) !} p^{k-1} q^{\frac{(\mathrm{n}-1)-(\mathrm{k}-1)}{}=(n-k)} \\ &=n p \end{align} \]

  • 第1到第3行应该很好理解,不过需要注意的是第3行的下标从 \(k=1\)开始了,因为\(k=0\)时值为0所以省略了。
  • 第4行:把排列组合展开了
  • 第5行:令\(q=1-p\)
  • 第6行:这是整个推导过程magic所在。为更加方便理解,对于式(6)右边那一坨 \(\sum_{k=1}^n\frac{(n-1)!}{(k-1)!(n-k)!}p^{k-1}q^{(n-1)-(k-1)}\),我们可以做一下换元,即令\(z=k-1,m=n-1\),注意原式的k取值范围是\(k\in[1,n]\),那么z的取值范围应该就是\(z\in[0,n-1]\),所以换元后式(6)变形得到\(\sum_{z=0}^{m}\frac{m!}{z!(m-z)!}p^zq^{m-z}\),这就是二项分布概率累加,其结果为1。

二项分布方差

\(D(X)=E[X-EX]^2=E[X^2-2XEX+(EX^2)]\)

注意\(EX\)可视为一个常数,所以\(E[2XEX]=2EX E[X]=2(EX)^2\),同理\(E[(EX)^2]=(EX)^2\),综上 \(D(X)=EX^2-(EX)^2\)

下面我们只需要在计算\(EX^2\)即可,推导过程如下:

\[\begin{align} E\left(k^{2}\right) &=\sum_{k=0}^{n} k^{2} p(k) \\ &=\sum_{k=1}^{n} k^{2}\left(\begin{array}{l} n \\ k \end{array}\right) p^{k} q^{n-k} \\ &=\sum_{k=1}^{n}[\mathrm{k}(\mathrm{k}-1)+\mathrm{k}]\left(\begin{array}{c} n \\ k \end{array}\right) p^{k} q^{n-k} \\ &=\sum_{k=1}^{n} k(k-1)\left(\begin{array}{c} n \\ k \end{array}\right) p^{k} q^{n-k}+\sum_{k=1}^{n} k\left(\begin{array}{c} n \\ k \end{array}\right) p^{k} q^{n-k} \\ &=\sum_{k=1}^{n} k(k-1) \frac{n !}{k !(n-k) !} p^{k} q^{n-k}+n p \\ &=n(n-1) p^{2} \sum_{k=1}^{n} \frac{(n-2) !}{(k-2) !(n-k) !} p^{k-2} q^{(n-2)-(k-2)}+n p \\ &=n(n-1) p^{2}+n p \end{align} \]

所以\(DX=EX^2-(EX)^2=n(n-1) p^{2}+np-(np)^2=np(1-p)\)

参考

微信公众号:AutoML机器学习
MARSGGBO原创
如有意合作或学术讨论欢迎私戳联系~
邮箱:marsggbo@foxmail.com

2022-04-20 20:00:20

posted @ 2022-04-20 21:21  marsggbo  阅读(559)  评论(0编辑  收藏  举报