7.4 期望值和方差

本文详细探讨了期望值的计算及其线性性质,通过实例解释了如何计算两个骰子点数之和的期望值。同时,介绍了几何分布的期望值,并讨论了独立随机变量的期望值乘积性质。此外,还简述了方差的概念及其与期望值的关系,包括比安梅公式和切比雪夫不等式的应用。
摘要由CSDN通过智能技术生成

7.4 期望值和方差

期望值

E ( X ) = ∑ s ∈ S p ( s ) X ( s ) E(X)=\sum_{s \in S}p(s)X(s) E(X)=sSp(s)X(s)

例如一个点数从1到6的骰子,其投掷一次的期望值是
E ( X ) = 1 ⋅ 1 6 + 2 ⋅ 1 6 + 3 ⋅ 1 6 + 4 ⋅ 1 6 + 5 ⋅ 1 6 + 6 ⋅ 1 6 E(X)=1 \cdot \frac{1}{6}+2 \cdot \frac{1}{6}+3 \cdot \frac{1}{6}+4 \cdot \frac{1}{6}+5 \cdot \frac{1}{6}+6 \cdot \frac{1}{6} E(X)=161+261+361+461+561+661
不用神话期望值,其本质就是对应的值乘以概率的和,所有的值要布满样本空间。


随机变量与期望值

随机变量这个词比较迷惑性,可能是英译中的时候搞出来的,所以这里可以将其理解为函数。

将原本的样本空间中的字集经过函数处理后所得到的值,比如掷两个骰子,两个骰子的和。原本的样本空间和其所对应的函数处理结果如下所示,函数使用X表示:

X((1,1))=2
X((1,2))=X((2,1))=3
X((1,3))=X((3,1))=X((2,2))=4
X((1,4))=X((4,1))=X((2,3))=X((3,2))=5
X((1,5))=X((5,1))=X((2,4))=X((4,2))=X((3,3))=6
X((1,6))=X((6,1))=X((2,5))=X((5,2))=X((3,4))=X((4,3))=7
X((2,6))=X((6,2))=X((3,5))=X((5,3))=X((4,4))=8
X((3,6))=X((6,3))=X((4,5))=X((5,4))=9
X((4,6))=X((6,4))=X((5,5))=10
X((5,6))=X((6,5))=11
X((6,6))=12

其中原本的样本空间(1,1),(1,2),(2,1)经过函数处理后,构成了X的样本空间X(S)
( r , p ( X = r ) ) , 代 表 r ∈ X ( S ) , p ( X = r ) 代 表 X = r 的 概 率 。 (r,p(X=r)),代表r \in X(S),p(X=r)代表X=r的概率。 (r,p(X=r))rX(S)p(X=r)X=r

在上面的基础上,问投出的值的概率各是多少?

p(X=2)=p(X=12)=1/36
p(X=3)=p(X=11)=2/36
p(X=4)=p(X=10)=3/36
p(X=5)=p(X=9)=4/36
p(X=6)=p(x=8)=5/36
p(X=7)=6/36

这里的p(X=2)代表上面两个骰子的和为2的情况,看到只有1种,X((1,1))p(X=12)同理,X((6,6))

随机变量其实本质就是在之前所有样本空间的基础上,使用函数,修改p(X=r)时,r的值。

投出的值的期望值的计算就按照期望值的定义走就行了:
E ( X ) = 2 ⋅ 1 36 + 3 ⋅ 2 36 + 4 ⋅ 3 36 + 5 ⋅ 4 36 + 6 ⋅ 5 36 + 7 ⋅ 6 36 + 12 ⋅ 1 36 + 11 ⋅ 2 36 + 10 ⋅ 3 36 + 9 ⋅ 4 36 + 8 ⋅ 5 36 = 7 E(X)=2 \cdot \frac{1}{36}+3 \cdot \frac{2}{36}+ 4 \cdot \frac{3}{36}+ 5 \cdot \frac{4}{36}+6 \cdot \frac{5}{36}+7 \cdot \frac{6}{36}\\ +12 \cdot \frac{1}{36}+11 \cdot \frac{2}{36}+ 10 \cdot \frac{3}{36}+ 9 \cdot \frac{4}{36}+8 \cdot \frac{5}{36} \\ =7 E(X)=2361+3362+4363+5364+6365+7366+12361+11362+10363+9364+8365=7

期望值的线性性质

在确定结果的情况下,可不可以试试单独计算两个骰子的期望值,然后相加呢?
E ( X 1 ) = 1 ⋅ 1 6 + 2 ⋅ 1 6 + 3 ⋅ 1 6 + 4 ⋅ 1 6 + 5 ⋅ 1 6 + 6 ⋅ 1 6 = 7 2 E ( X 2 ) = 1 ⋅ 1 6 + 2 ⋅ 1 6 + 3 ⋅ 1 6 + 4 ⋅ 1 6 + 5 ⋅ 1 6 + 6 ⋅ 1 6 = 7 2 E ( X 1 ) + E ( X 2 ) = 7 2 + 7 2 = 7 E(X_1)=1 \cdot \frac{1}{6}+2 \cdot \frac{1}{6}+3 \cdot \frac{1}{6}+4 \cdot \frac{1}{6}+5 \cdot \frac{1}{6}+6 \cdot \frac{1}{6}=\frac{7}{2}\\ E(X_2)=1 \cdot \frac{1}{6}+2 \cdot \frac{1}{6}+3 \cdot \frac{1}{6}+4 \cdot \frac{1}{6}+5 \cdot \frac{1}{6}+6 \cdot \frac{1}{6}=\frac{7}{2}\\ E(X_1)+E(X_2)=\frac{7}{2}+\frac{7}{2}=7 E(X1)=161+261+361+461+561+661=27E(X2)=161+261+361+461+561+

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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