期望与方差
期望： 离散型 连续性
方差：表示数据集的离散程度 被理解成一种特殊的期望。
离散型随机变量及其分布：
首先了解随机变量， 百度的解释：表示随机试验各种结果的实值单值函数。
离散型随机变量的常见分布：
伯努利分布 --> 二项分布 --> 多项分布 --> 几何分布 --> 超几何分布
一、伯努利分布
1.1 最简单的伯努利实验 ： 抛一次硬币。
1.2 伯努利实验特征 : 含有两种实验结果，概率固定。抛硬币正反两面的概率均为0.5。
1.3 伯努利实验期望与方差： E= P D= E(x^2)-E(x)^2= 1^2*p-P^2=p(1-p)=p*q
二、二项分布
2.1 多次伯努利实验结果。
2.2 二项分布的特征：含有两种互斥实验结果，概率固定。多次实验间相互独立。
2.3 二项分布的期望与方差： E = np D=npq
三、几何分布
3.1 n次伯努利实验，第k次才成功的概率
3.2 集合分布的期望：E= 1*P + 2*P*(1-P)+3*p*(1-p)^2+……+n*p*(1-p)^(n-1)=1/p
D= (1-p)/p^2
四、超几何分布
4.1 n 此伯努利实验，但是无放回。 n> 0.05 N 为了更精确计算概率问题，引入超几何分布。
4.2 超几何分布期望：E = n M/N (变量解释： n：实验次数， M：不合格产品数 N ： 样本总量
五、 泊松分布
5.1 泊松分布适合于描述单位时间（或空间）内随机事件发生的次数
5.2 时间或空间发生次数与其他时间空间发生次数独立
5.3 E=D =
λ