AI笔记: 数学基础之数字特征-期望与方差

最新推荐文章于 2024-02-25 15:35:33 发布
最新推荐文章于 2024-02-25 15:35:33 发布
阅读量689 收藏 1
点赞数
分类专栏： AI Mathematics 文章标签： AI 数学 数字特征 期望和方差
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Tyro_java/article/details/107365784
版权
本文介绍了数学在AI中的基础知识，重点讲解了期望（均值）和方差的概念及其计算方法。通过3σ法则理解异常值，分别解释了连续型和离散型随机变量的期望计算，并给出了多个实际例子，如赌博问题和射击水平比较，来展示期望的应用。同时，文章阐述了方差作为衡量数据离散程度的指标，以及方差的计算公式和性质，并通过对比甲乙两人射击成绩的方差，展示了方差在评估稳定性上的作用。
摘要由CSDN通过智能技术生成

关于 3 σ 3\sigma 3σ法则


备注：图片托管于github，请确保网络的可访问性

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Wang's Blog
关注
专栏目录
订阅专栏
AI笔记: 数学基础之数字特征-标准差、协方差、相关系数、中心矩、原点矩、峰度、偏度
Wang的专栏
07-15 1724
标准差 标准差(Standard Deviation)是离均值平方的算术平均数的平方根，用符号σ\sigmaσ 表示，其实标准差就是方差的算术平方根 标准差和方差都是测量离散趋势的最重要、最常见的指标。 标准差和方差的不同点自傲与，标准差和变量的计算单位是相同的，比方差清楚，因此在很多分析的时候使用的是标准差 σ=D(X)=∑(X−μ)2N\sigma = \sqrt{D(X)} = \sqrt{\frac{\sum (X-\mu)^2}{N}}σ=D(X)​=N∑(X−μ)2​​ 标准差的计算 有这
L4-数字特征：期望、方差、协方差、相关系数等
聚集机器学习、信息安全
04-25 1217
数字特征是指能够刻画随机变量某些方面的性质特征的量，包括期望、方差、协方差、相关系数等。
011 数学期望、方差及方差性质
段智华的博客
11-29 1万+
011 数学期望、方差及方差性质
概率统计笔记之 “数学期望和方差”
米莱虾
09-26 373
PT@数字特征@数学期望@方差@标准差
xuchaoxin1375的博客
10-29 778
设随机变量X的分布律为P(X=xi)=pi,i=1,2,⋯P(X=x_i)=p_i,i=1,2,\cdotsP(X=xi​)=pi​,i=1,2,⋯级数E(X)=∑i=1+∞xkpk绝对收敛级数E(X)=\sum\limits_{i=1}^{+\infin}x_kp_k绝对收敛级数E(X)=i=1∑+∞​xk​pk​绝对收敛可以看出,当X可能取有限个值时,那么数学期望一定存在对于无穷中取值可能,绝对收敛就体现出作用设f(x)为概率密度,如果设f(x)为概率密度,如果设f(x)为概率密度,如果E(X)=∫−∞
Lecture5_1&5_2.随机变量的数字特征（数学期望、方差、协方差）
weixin_30853329的博客
04-13 1122
一、数学期望 1.离散型随机变量的数学期望 设X为离散随机变量，其概率分布为：P(X=xk)=pk 若无穷级数$\sum_{k=1}^{+\infty}x_kp_k$绝对收敛 （即满足$\sum_{k=1}^{+\infty}|x_kp_k|$收敛） 则称其为X的数学期望，记作$E(X)=\sum_{k=1}^{+\infty}x_kp_k$ 二项分布,X~B(n,p),E(X)=np...
AI笔记: 数学基础之相关大数定理与参数估计方法-点估计、矩估计
Wang的专栏
07-15 1108
切比雪夫不等式(切比雪夫定理) 设随机变量X的期望为μ\muμ, 方差为：σ2\sigma^2σ2, 对于任意的正数ε\varepsilonε, 有 P{∣X−μ∣≥ε}≤σ2ε2P\{ |X - \mu| \geq \varepsilon \} \leq \frac{\sigma^2}{\varepsilon^2}P{∣X−μ∣≥ε}≤ε2σ2​ 切比雪夫不等式的含义：DX(方差)越小，时间{X−μ}<ε\{ X - \mu \} < \varepsilon{X−μ}<ε 发生的
AI笔记: 数学基础之概率与统计
Wang的专栏
06-26 437
概率 1 ）概率与频率 概率是一个稳定的数值,也就是某件事发生或不发生的概率是多少. 频率是在一定数量的某件事情上面,发生的数与总数的比值. 假设事件A的概率是0.3,在100次中发生28次,那么它的频率是 28/100=0.28 频率是有限次数的试验所得的结果, 概率是频数无限大时对应的频率 频率的稳定值是概率, 频率随试验次数的不同是变化的,是一个统计规律,但它都在概率附近摆动,而一个事件的概率是不变的 2 ） 随机事件及其概率 事件：试验的每一种可能的结果，用大写英文字母表示 种类：必然事件、不
AI笔记: 数学基础之随机变量及其分布
Wang的专栏
06-26 1409
随机变量及其分布 1 ） 知识图谱 备注：图片托管于github，请确保网络的可访问性 2 ） 相关概念 随机变量：如果随机试验的结果可以用一个变量来标识，那么这样的变量叫做随机变量。随机变量常用字母 X,Y,ξ,ηX, Y, \xi, \etaX,Y,ξ,η 等表示 离散型随机变量：对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量. 连续型随机变量：对于随机变量可能取的值，可以取某一区间内的一切值，这样的变量叫做连续型随机变量.
基本特征数——期望，方差
qq_35912930的博客
05-28 362
目录期望计算性质方差计算性质 期望 加权平均数 计算 离散型 -连续型 性质 方差 计算 离散型 连续型 性质 a. b. c. d. e. 切比雪夫不等式
AI中的数学思想
计算机视觉大讲堂
07-25 432
AI在医疗领域应用
数字特征（期望与方差）
qq_54423921的博客
05-31 197
常见分布的期望与方差
4.1 数学期望
universe_1207的博客
03-05 1311
文章目录离散型场合1、定义2、重要离散分布的期望伯努利分布二项分布泊松几何分布3、例子保险验血连续型场合1、定义2、重要连续型分布的期望正态分布N(μ,σ2)N(\mu,\sigma^2)N(μ,σ2)指数分布柯西分布一般场合1、定义2、斯蒂尔切斯积分随机变量函数的期望 离散型场合 1、定义 ξ\xiξ:离散型随机变量 取值xix_ixi​对应概率为pip_ipi​ 若级数∑i=1∞xipi\s...
深度学习基础 - 数学期望、方差、标准差、协方差、协方差矩阵
flyfish
03-10 4546
TensorFlow - 协方差矩阵 flyfish 笔记 解释 协方差矩阵之前 先解释其他名词 数学期望（均值） 数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和。是最基本的数学特征之一。它反映随机变量平均取值的大小 E(X)=∑∞k=1xk×pkE(X)=∑k=1∞xk×pkE(X)=\sum_{k=1}^{\infty}x_k \times p_...
概率论基础 —— 8.数学期望、方差、协方差
老程的技术笔记
07-24 4万+
我们在学习了离散型和连续型随机概率事件，以及它们的分布函数和密度概率函数之后。接下来我们要学习对概率事件进行评判的技术——期望、方差、协方差。 这些概念有什么用呢，举例来说，对于一次期末考试，如何评估同一个年级的不同班级的学生的学习状况差异，如何找出年级最优班级和最差班级呢，以及在两个班级整体状况都相差不大时，如何比较一个班级学生成绩情况比另一个班级更好呢？ 如果还记得我们前面提到过的概率分布函数，那么就可以知道这一类样本的比较，其实属于对样本的分布规律的分析。 文章目录期望 (Expectation).
方差、标准差、协方差、相关系数概念描述
最新发布
lglrkx的博客
02-25 3096
协方差与相关系数密切相关，相关系数是协方差的标准化版本，范围在 -1 到 1 之间，可以更好地表示两个变量之间的线性关系的强度和方向。与方差不同，标准差的值具有与原始数据相同的单位，这使得标准差更容易与数据的实际范围进行比较和解释。它的值介于 -1 和 1 之间，可以帮助我们了解两个变量之间的关联程度以及关联的方向。在计算相关系数时，与协方差不同，相关系数是无量纲的，因此不受变量单位的影响。在统计学和数据分析中，标准差是一个常见的工具，用于描述数据的变异程度，以便更好地理解和分析数据的特征。
异常值分析：3σ法则/箱型图法
weixin_44507435的博客
03-27 1万+
文章目录1.3σ原则(分析所得的异常值较少)2.箱型图分析法(一般采用此方法分析异常值) 异常值是指样本中的个别值，其数值明显偏离其余的观测值。 异常值也称离群点，异常值的分析也称为离群点的分析 异常值分析 → 3σ原则 / 箱型图分析 异常值处理方法 → 删除 / 修正填补（参考缺失值的处理方法） 1.3σ原则(分析所得的异常值较少) 3σ原则：如果数据服从正态分布，异常值被定义为一组测定值中与...
如何计算数学期望
热门推荐
seasongirl的博客
05-05 9万+
数学期望的定义数学期望的计算公式例题1.数学期望的定义 在概率论和统计学中，数学期望（或均值）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。 随机变量包括离散型和连续型，数学期望的计算也分离散型和连续型。（1）离散型 如果随机变量只取得有限个值或无穷能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样...
"机器学习数学基础笔记（V2）：CS229课程复习材料
机器学习的数学基础在于线性代数和概率统计两个领域。在线性代数中，我们需要掌握基本概念和符号，如向量、矩阵、行列式、特征值和特征向量等。此外，矩阵乘法也是一个重要的概念，我们需要了解如何进行矩阵乘法并...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wang's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值