除了上文提到的概率分布外,还可以用数值特征来描述随机变量。常用的数值特征有
文章目录
期望 Expectation
函数 f ( x ) f(x) f(x)关于某分布 P ( x ) P(x) P(x) 的期望,指的是当 x x x 由 P P P 产生, f f f 作用于 x x x 时, f ( x ) f(x) f(x)的平均值。
对于离散型随机变量, 这个可以通过求和来得到 E x ∼ P [ f ( x ) ] = ∑ x P ( x ) f ( x ) \mathbb E_{\text x \sim P}[f(x)] = \sum _x P(x)f(x) Ex∼P[f(x)]=x∑P(x)f(x). 对于连续型随机变量, 可以通过积分得到 E x ∼ P [ f ( x ) ] = ∫ P ( x ) f ( x ) d x \mathbb E_{\text x \sim P}[f(x)] = \int P(x)f(x)dx Ex∼P[f(x)]=∫P(x)f(x)dx
当上下文语义明确的时候,可以简写为