均值:
定义:
实验结果得出了
x
1
,
x
2
,
x
3
,
…
,
x
n
x_1,x_2,x_3,\dots,x_n
x1,x2,x3,…,xn,这n个样本的均值:
x
ˉ
=
∑
i
=
1
n
x
i
\bar{x}=\sum_{i=1}^{n}x_i
xˉ=i=1∑nxi实验观察到的样本而言,是一个 统计学 的概念。
期望:
定义:
1.离散随机变量
X
X
X的分布律为
P
(
X
=
x
k
)
=
p
k
,
k
=
1
,
2
,
…
P(X=x_k)=p_k,k=1,2,\dots
P(X=xk)=pk,k=1,2,…如果级数
∑
k
=
1
∞
x
k
p
k
\sum_{k=1}^{\infty}x_kp_k
∑k=1∞xkpk绝对收敛,则离散随机变量
X
X
X期望:
E
(
X
)
=
∑
k
=
1
∞
x
k
p
k
E(X)=\sum_{k=1}^{\infty}x_kp_k
E(X)=k=1∑∞xkpk2.连续性随机变量
X
X
X的概率密度函数为
f
(
x
)
f(x)
f(x)若积分
∫
−
∞
+
∞
x
f
(
x
)
d
x
\int_{-\infty}^{+\infty}xf(x)dx
∫−∞+∞xf(x)dx绝对收敛,则连续性随机变量
X
X
X数学期望:
E
(
X
)
=
∫
−
∞
+
∞
x
f
(
x
)
d
x
E(X)=\int_{-\infty}^{+\infty}xf(x)dx
E(X)=∫−∞+∞xf(x)dx
以上可以看出,期望是针对于 随机变量 而言的一个量,是从 概率论 角度出发的。
期望就是平均数随 样本趋于无穷 的极限。所以,期望是针对 总体 而言的,研究总体是 上帝 的事情。
大数定理:
定义:
设
X
1
,
X
2
,
…
,
X
n
X_1,X_2, \dots,X_n
X1,X2,…,Xn是独立同分布的随机变量,数学期望分别是
E
(
X
k
)
E(X_k)
E(Xk),则对于任意小的正数
ϵ
\epsilon
ϵ有:
lim
n
→
∞
P
(
∣
1
n
∑
k
=
1
n
X
k
−
1
n
∑
k
=
1
n
E
(
X
k
)
∣
<
ϵ
)
=
1
\lim_{n\rightarrow \infty}P(\mid\frac{1}{n}\sum_{k=1}^{n}X_{k}-\frac{1}{n}\sum_{k=1}^{n}E(X_k)\mid<\epsilon)=1
n→∞limP(∣n1k=1∑nXk−n1k=1∑nE(Xk)∣<ϵ)=1记
μ
=
1
n
∑
k
=
1
n
X
k
,
X
ˉ
n
=
1
n
∑
k
=
1
n
E
(
X
k
)
\mu=\frac{1}{n}\sum_{k=1}^{n}X_{k}, \bar{X}_n= \frac{1}{n}\sum_{k=1}^{n}E(X_k)
μ=n1∑k=1nXk,Xˉn=n1∑k=1nE(Xk),这样在概率论中叫做 “
X
ˉ
n
\bar{X}_n
Xˉn依概率收敛于
μ
\mu
μ”。
随机事件的大量重复出现中,往往呈现几乎必然的规律。在试验不变的条件下,重复试验多次,随机事件的概率 近似于 它出现的频率。
也就是说,随机事件的大量重复出现(
n
→
∞
n\rightarrow \infty
n→∞),均值具有稳定性!
这样,均值和期望的联系依靠大数定理联系起来。