概率论——随机变量的数字特征

数学期望

期望：

离散型：

E(X) = X1*p(X1） + X2*p(X2） + …… + Xn*p(Xn) = X1*f1(X1） + X2*f2(X2） + …… + Xn*fn(Xn)

连续型:

补充概念：绝对收敛和条件收敛

级数 series（英文翻译）：

将数列un的项
u1,u2,…,un,…依次用加号连接起来的函数.数项级数的简称.如：u1+u2+…+un+…,简写为∑un,un称为级数的通项,记Sn=∑un称之为级数的部分和.如果当n→∞时
,数列Sn有极限S,则说级数收敛,并以S为其和,记为∑un=S；否则就说级数发散.

3个常见离散型随机变量的期望

3个常见连续型随机变量的期望

方差：

方差是衡量源数据和期望值相差的度量值。
性质:

离散型：

连续型：

协方差（知乎）：

可以通俗的理解为：两个变量在变化过程中是同方向变化？还是反方向变化？同向或反向程度如何？
你变大，同时我也变大，说明两个变量是同向变化的，这时协方差就是正的。
你变大，同时我变小，说明两个变量是反向变化的，这时协方差就是负的。
从数值来看，协方差的数值越大，两个变量同向程度也就越大。反之亦然。

相关系数：

公式： 就是用X、Y的协方差除以X的标准差和Y的标准差。
可以说，相关系数也可以看成标准化后的协方差：一种剔除了两个变量量纲影响、标准化后的特殊协方差。

例子：

协方差矩阵（浅谈协方差矩阵）

n维的数据集就需要计算多个协方差，那自然而然我们会想到使用矩阵来组织这些数据。协方差也只能处理二维问题，协方差矩阵是一个对称的矩阵，而且对角线是各个维度的方差。
数学期望是一阶原点矩。
方差是二阶中心矩。