通过MCP连接 →

输入计算

取值与概率的个数必须相同,且所有概率之和应等于 1。

数学公式

广告

结果

均值(期望值)μ
3
μ = Σ xᵢ·pᵢ
方差(σ²) 1
标准差(σ) 1
概率之和 1
结果个数 4

有效的概率分布,其所有概率之和应等于 1。如果上方的总和不是 1,请检查你的输入。

这个计算器能做什么

离散概率分布会列出某个随机变量所有可能的取值,以及每个取值对应的概率。本计算器接收这样一张表格——一组数值(x)和与之对应的概率(p)——并立即算出概括整个分布的三个关键数字:均值(期望值)、方差标准差

使用方法

在第一个输入框中填入各个取值,用英文逗号隔开(例如 1, 2, 3, 4)。在第二个输入框中按相同顺序填入对应的概率(例如 0.1, 0.2, 0.3, 0.4)。请确保两组数据的个数一致,并且所有概率之和等于 1。点击"计算"即可查看结果。工具还会显示概率的总和,方便你验证这个分布是否有效。

公式详解

均值记作 \(\mu\),是按概率加权的平均值:

$$\mu = \sum_{i} x_i \cdot p_i$$

把每个取值与它的概率相乘,再将所有乘积相加。方差记作 \(\sigma^{2}\),用来衡量各结果围绕均值的离散程度:

$$\sigma^{2} = \sum_{i} \left(x_i - \mu\right)^{2} \cdot p_i$$

标准差 \(\sigma\) 就是方差的平方根,它用与取值相同的单位来表示离散程度。

$$\sigma = \sqrt{\sigma^{2}}$$
Advertisement
展示各结果到均值距离以说明方差的示意图
方差 \(\sigma^{2}\) 衡量结果偏离均值 \(\mu\) 的程度。
离散概率分布的柱状图,用虚线标出均值
每根柱表示结果 \(x\) 的概率 \(p\);均值 \(\mu\) 是平衡点。

实例演算

假设 x = 1, 2, 3, 4,对应概率为 0.1, 0.2, 0.3, 0.4。均值为

$$1(0.1) + 2(0.2) + 3(0.3) + 4(0.4) = 0.1 + 0.4 + 0.9 + 1.6 = 3.0$$

方差为

$$(1-3)^{2}(0.1) + (2-3)^{2}(0.2) + (3-3)^{2}(0.3) + (4-3)^{2}(0.4) = 0.4 + 0.2 + 0 + 0.4 = 1.0$$

因此标准差为 \(\sqrt{1.0} = 1.0\)。

常见问题

概率之和一定要等于 1 吗?是的,只有这样才是有效的分布。计算器会显示总和供你核对;如果总和不是 1,得到的结果就没有实际意义。

方差和标准差有什么区别?方差是各结果偏离均值的平方的平均值;标准差是方差的平方根,能把度量结果还原到原始单位上。

可以使用负数吗?可以。取值可以是任意实数;只有概率必须介于 0 和 1 之间。

最后更新: