一.数学期望
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。在这了我们自己考虑智能驾驶领域基于快速原型开发，所以我们浅谈离散型数学期望
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，这样的随机变量称为离散型随机变量。
2.数学期望的计算公式
离散型
3.例题
假设我们来玩一个游戏，一共52张牌，其中有4个A。我们一元钱赌一把，如果你抽中了A，那么我给你10元钱，否则你的一元钱就输给我了，求你赢钱的数学期望。
解：P（抽中A）= 4/52 =1/13
P（抽不中A）= （52-4）/ 52 = 12/13
E（赢钱）= 1/13 * 10 + 12/13 * (-1) = -2/13
即你玩了很多把之后，会发现自己输钱的概率比较高。
二.方差
方差的代数意义很简单，两个数的方差就是两个数差值的平方，作为衡量实际问题的数字特征，方差有代表了问题的波动性。
1.方差的意义
甲、乙二人是射击队最优秀的两名选手，教练组用每一枪的得分作为成绩，根据历史数据计算出二人的平均成绩，也就是数学期望，结果是二人的实力相当，平均成绩都是9.5。比赛的日子快要到了，但是本次比赛只有一个名额，派谁出战呢？
2.例题
一个简单的方法是让二人比赛一次，谁赢了选谁。但是二者实力相当，一场比赛无法评判孰强孰弱，这样做充满了随机性，丧失了考量的综合性，因此教练组不考虑这种方法。
本次比赛夺金的政治意义重大，需要慎重考虑，稳定性成了教练组判断的另一指标。成绩稳定性是通过另一个数字特征判断的，这个特数字特征就是方差。
下表示甲、乙二人在一次比赛中的成绩：
甲是发挥型选手，成绩波动较大，可以打出“超级环”，也会打出大失水准的“低级环”；相反，乙的发挥比较稳定，总是与平均成绩接近。
二者的平均成绩是已经提前计算出来的9.5，这个成绩已经与随机性无关，我们在这里也不去追究9.5是怎么算出来的，只需要借助这个数字特征给出一个供教练组参考指标，该指标描述了谁的波动大，谁更稳定。
每一次射击的成绩均会产生波动，用每一次射击的得分减去平均成绩表示本次波动，得到了下面的数据：
现在可以计算出二人的总体波动了：
可以看出，乙的波动远远小于甲的波动，说明乙的稳定性更高。
三.均方差（标准差）
由于方差是数据的平方，与检测值本身相差太大，人们难以直观地衡量，所以常用均方差代替方差判断数据的波动。
所有样本的方差之和除以样本的个数，再把所得值开根号，所得之数就是这组数据的均方差，也叫标准差，常见的离散型公式：
其中r就是随机变量的数学期望，也就是加权平均值，N是样本空间中的一部分数据。
四.协方差
当舞台转向了多维随机变量时，方差就变成了协方差，这里的“协”是指几个变量的协同相关性。
如果(X, Y)是二维随机变量，且D(X)>0, D(Y)>0，则X,Y的协方差的定义是：
和方差类似，E(X)E(Y)是确定的数学期望，对于某一组确定的变量x=X, y=Y来说，X和Y也是定值，因此协方差可进一步转换为：
由于E(X)E(Y)是定值，因此可以根据数学期望的性质进一步计算：
从直观上来看，协方差表示的是两个变量总体误差的期望。
如果两个变量的变化趋势一致，也就是说如果两个变量都大于自身的期望值，那么两个变量之间的协方差就是正值；如果两个变量的变化趋势相反，即其中一个变量大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
当两个变量完全一致时，协方差就变成了方差：
这相当于同一个变量的协方差等于方差，自己与自己一定同步，无所谓协同。
协方差的性质：
1149
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
