深度学习先决条件1.2-计算期望值

什么是实验

想了解预期值，首先要解释一下什么是实验。

实验：一个或多个试验的集合。

试验：观察事件发生并记录结果。

如果我们抛掷一枚硬币20次并记录下20次的结果，每一次抛掷并记录，都叫一次试验。

当完成20次试验并记录时，整个过程被称为一个实验。

如果我们想计算硬币朝上的概率，理论上每次试验硬币朝上的概率，都是一半一半，即P(A)=0.5，这个就叫理论概率。

反之，根据试验的记录，真实计算每次朝上的概率，就叫实验概率。

什么是预期值

事件A的预期值，用E(A)表示，它表示我们在进行实验时，预期发生的结果。

预期值可以是数值、布尔值、分类值或其他，这取决于我们感兴趣的事件类型。

例如，试验的预期值将是两种结果中更有可能的那个，而实验的预期值将是在20次试验后我们预计得到正面或反面的次数。

它的计算公式有两种：分类变量的预期值，数值变量的预期值。

分类变量

n代表理论概率，p代表试验次数。

如果我们想知道20次试验硬币朝上的预期值，计算如下：E(x)=0.5*20=10。

也就是说，硬币投掷 20 次，面朝上的预期值是10次。

但是，我们不可能保证朝上的次数为10，它有可能是3次，5次，甚至15次，因此它只是预期值。

数值变量

上述公式为求和公式。先看例子。

如果我们尝试投掷飞镖，靶子有三圈，从里圈到外圈分别是100分，20分，10分，而击中的概率分别为0.1，0.4，0.5。

因此，我们投出一次飞镖期望得到的分数为：

E(X)=0.1100+0.420+0.5*10=23。

所以我们可以总结数值变量预期值的计算公式：

E(X)=每个数值的概率*数值

为什么要计算预期值

如果说计算硬币面朝上的预期值为10次，还算合理。

但是计算投掷一次飞镖能得到23分，就有些勉强了。

因为我们投掷飞镖只可能得到100分，20分，10分，不可能得到23分。

所以预期值的作用是什么？

我们可以利用预期值，对未来的情况做出预测，它有助于我们理解和解释随机事件的趋势。

例如，在一个生产线上，产品的缺陷率是一个随机变量。

管理团队想要了解平均每1000个产品中有多少个是有缺陷的。

通过计算缺陷率的预期值，管理团队可以对未来的生产情况做出预测，了解平均每1000个产品中的缺陷数量。

这有助于他们理解生产线的整体质量趋势，而不仅仅是单次实验的结果。