指数分布随机变量的方差求解及相关概率问题咨询

问题背景 #

假设类型为(n)的灯泡寿命服从指数分布，均值为(n)年，其中(n = 1, 2, 3, 4, 5)。从这五种类型的灯泡中随机等概率选取一个。

(a) 问题

求选中的灯泡至少能使用3年的概率。

(b) 问题

求选中灯泡寿命的方差。

用户的尝试与疑问 #

• 对于(a)，我分五种情况计算，用(1-P(X<3))（之前笔误写成了2），得到(e^{{-3/n})，然后计算(\sum_{i=1}}{5}0.2 * e^{-3/i})。
• 对于(b)，我不确定该怎么开始，是不是应该用(Var(X) = 0.2Var(X_1) + 0.2Var(X_2) + ... + 0.2Var(X_5))，因为它们的寿命是独立的？

解答与分析 #

关于(a)的小修正

先纠正下你可能的笔误：题目要求的是至少存活3年，所以确实是(P(X \geq 3) = 1 - P(X < 3))。对于均值为(n)的指数分布，参数(\lambda = 1/n)，其CDF是(P(X < x) = 1 - e^{-\lambda x})，因此(P(X \geq 3) = e^{{-3/n})。你的整体思路完全正确，最终计算式就是(0.2*(e}{-3/1} + e^{-3/2} + e^{-3/3} + e^{-3/4} + e^{{-3/5}))，之前写的(e}{2/i})应该是手滑写错啦~

关于(b)的详细解答

你的初始思路存在一个小误区：这里的(X)是混合随机变量，不是独立随机变量的线性组合——我们是先以0.2的概率选中某类灯泡，再取该类灯泡的寿命，所以不能直接用各类型方差的加权平均来计算总方差。

正确的做法可以用方差分解公式：(Var(X) = E[Var(X|N)] + Var(E[X|N]))，其中(N)表示选中的灯泡类型（取值1到5，每个概率0.2）。我们一步步拆解：

1. 计算条件方差的期望(E[Var(X|N)])：
   指数分布的方差等于均值的平方，所以当选中类型(n)时，(Var(X|N=n) = n^2)。因此：
   [
   E[Var(X|N)] = 0.2*(1^2 + 2^2 + 3^2 + 4^2 + 5^2) = 0.2*55 = 11
   ]
2. 计算条件期望的方差(Var(E[X|N]))：
   条件期望(E[X|N=n] = n)，所以(E[X|N])其实就是随机变量(N)。先算(N)的期望和二阶矩：
   [
   E[N] = 0.2*(1+2+3+4+5) = 3
   ]
   [
   E[N^2] = 0.2*(1+4+9+16+25) = 11
   ]
   因此(Var(N) = E[N^2] - (E[N])^2 = 11 - 3^2 = 2)，也就是(Var(E[X|N]) = 2)。
3. 合并两部分得到总方差：
   [
   Var(X) = 11 + 2 = 13
   ]

你也可以用方差的定义直接验证：

• 先算(E[X] = 0.2*(1+2+3+4+5) = 3)
• 指数分布的二阶矩(E[X^2] = Var(X) + (E[X])^2 = n^2 + n^2 = 2n^2)，所以：
  [
  E[X^2] = 0.2*(21^2 + 22^2 + ... + 25^2) = 0.455 = 22
  ]
• 最终(Var(X) = E[X^2] - (E[X])^2 = 22 - 9 = 13)，和之前的结果一致。

简单来说，直接加权各类型方差会漏掉“选中不同类型灯泡本身带来的方差”，也就是条件期望的方差这一项，这是混合随机变量方差计算的关键哦。

备注：内容来源于stack exchange，提问作者Catt