复杂特征数——条件数学期望与条件方差

最新推荐文章于 2023-07-03 16:10:39 发布
最新推荐文章于 2023-07-03 16:10:39 发布
阅读量3.2k 收藏 15
点赞数 2
文章标签： 概率论
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35912930/article/details/105699049
版权

目录

条件密度函数：
条件分布函数：

一、条件数学期望

1. 随机变量的条件数学期望

** 定义：**
在这里插入图片描述
E（ξ | y）为随机变量 ξ 在条件η = y的条件下的条件数学期望。

得到的结果是关于y的一个函数，仍是一个随机变量。

（1）离散型

在这里插入图片描述

（2）连续型

在这里插入图片描述

2. 随机变量的函数的条件数学期望

定义：
在这里插入图片描述

（1）离散型

在这里插入图片描述

（2）连续性

在这里插入图片描述

3. 性质

在这里插入图片描述

二、条件方差

1. 定义

在这里插入图片描述

2. 性质

在这里插入图片描述

一只小汤姆
关注
专栏目录
如何在数学建模比赛中稳拿奖——个人100%获奖经验分享
Talk is cheap, show me the code!
11-09 11万+
1. 和谁组队： 2. 负责算法的赛前准备： 3. 负责数据分析的赛前准备： 4. 负责论文的赛前准备： 1. 评委的评分方式 2.优秀论文特点：
数据挖掘：特征工程——特征提取与选择
AvenueCyy的博客
02-25 1万+
数据挖掘：特征工程——特征降维与选择 特征的处理和构建已经在上一篇特征处理和构建文章中有所总结。接来下对特征降维和选择进行说明。 一、什么是特征降维与特征选择？ 一般经过特征处理和生成后，会产生大量的特征，而这些特征中有的特征是很重要的，但不是每一项特征都对模型有用，因此，要将这类没用的特征剔除掉。所以，特征降维与特征选择的主要目的就是为了剔除无用的特征。 之前一直有个疑惑，既然特征降维与特征选择...
条件期望和条件方差
qq_43221336的博客
12-25 3万+
1. 条件期望 1.1 定义 设XXX和YYY是离散随机变量，则XXX在给定事件Y=y{\displaystyle Y=y}Y=y条件时的条件期望是xxx的在YYY的值域的函数E⁡(X∣Y=y)=∑x∈Xx P⁡(X=x∣Y=y)=∑x∈Xx P⁡(X=x,Y=y)P⁡(Y=y)\operatorname {E}(X|Y=y)=\sum _{{x\in {\mathcal {X}}}}x\ \operatorname {P}(X=x|Y=y)=\sum _{{x\in {\mathca
通俗理解条件概率、条件期望、条件方差
m0_59015819的博客
07-03 4178
举例理解条件期望、条件方差。条件期望等于部分条件期望的期望。条件方差=组间方差+组内方差
条件数学期望
热门推荐
左超
04-28 6万+
中秋之际，得留下点东西纪念一下才行。主要说一下条件数学期望（Conditional Expectation）吧。以前本科的时候学过这玩意儿，但是当时理解太肤浅。今天看了一遍别的书，颇有心得。理科生讲究定义明确，概念清晰，下面就从定义开始。Definition：    The conditional expectation of X given Y=y is:    ①E(X|Y=y) = ∑x
概率论 —— 条件数学期望
想做一只猫的博客
11-22 7301
文章目录条件数学期望离散型随机变量连续型随机变量性质 条件数学期望 离散型随机变量 二维离散型随机变量 (X,Y)(X,Y)(X,Y)，其概率分布为 P{X=xi,Y=yi}=pij,i,j=1,2,...P\{X=x_i,Y=y_i\}=p_{ij},i,j=1,2,...P{X=xi​,Y=yi​}=pij​,i,j=1,2,... 边缘概率分布 pi⋅=P{X=xi}=∑j=1∞pijp_{i\cdot}=P\{X=x_i\}=\sum_{j=1}^{\infty}p_{ij}pi⋅​=P{X=xi
概率论-条件数学期望（复习笔记自用）
m0_72673931的博客
01-30 5820
概率论-条件期望，仅复习自用，如有问题欢迎指教
数学建模算法模型——数据的统计处理.zip
最新发布
10-10
2. **数据的统计描述**：这部分内容主要讲解如何用统计量来概括和描绘数据的特征，如均值、中位数、众数（集中趋势度量）、标准差和方差（离散程度度量），以及四分位数、偏度和峰度（数据分布形状的度量）。...
2012年高考数学 考点50 离散型随机变量及其分布列、离散型随机变量的均值与方差
08-19
解答题4同样涉及到随机变量的分布列和期望值，不过这次是在更复杂的情境下——电视观众调查。随机抽取的样本提供了关于观众收视习惯的信息，可以通过构建随机变量来分析这些数据，如观看体育节目的观众比例等。 总...
概率论笔记4.1.4数学期望的性质/条件期望
随缘写随缘更新
04-02 5055
4.1.4数学期望的性质 常数的期望就是常数 E(X + C) == E(X) + C E(cx) == cE(x) E(kX+ b) == kE(X) + b E(X±Y) = E(X) + E(Y)在任何时候都成立 X,Y独立 E(XY) = EX*EY
漫步数理统计十七——条件分布与期望
蜗牛
04-16 3295
前面我们介绍了一对随机变量的联合概率分布，也说明了如何从联合分布中恢复出单个随机变量(边缘)的分布。现在我们讨论条件分布，即其他随机变量假设为特定值，求一个随机变量的分布，首先讨论离散情况。令X1,X2X_1,X_2表示离散随机变量，联合pmf为pX1,X2(x1,x2)p_{X_1,X_2}(x_1,x_2)，其在支撑集S\textbf{S}上是正的，其他地方为零。令pX1(x1),pX2(x2)
关于条件方差的一个性质
天天向上的专栏
12-29 5405
今天看到关于条件方差的一条性质，记录下来： Var(Y)=E(Var(Y∣X))+Var(E(Y∣X)) \text{Var} (Y) = \text{E}(\text{Var}(Y|X))+\text{Var}(\text{E}(Y|X)) Var(Y)=E(Var(Y∣X))+Var(E(Y∣X)) 而条件均值的性质为： E(Y)=E(E(Y∣X)) \text{E}(Y)=\text{E}(\text{E}(Y|X)) E(Y)=E(E(Y∣X)) ...
随机过程（1.2）—— 数学期望与条件期望
佚失的诗篇
11-08 1万+
本科阶段，对离散型随机变量和连续型随机变量单独定义了数学期望和条件数学期望。 注意到有很多随机变量的分布函数既不是离散的也不是连续的，下面考虑如何对这类一般的分布函数定义数学期望 需要用到 Riemann-Stieltjes 积分，参考：随机过程（1.1）—— 概率空间、分布函数、Riemann-Stieltjes 积分 文章目录1. 数学期望1.1 本质定义1.2 随机变量的函数的期望1.3 期望的性质2. 关于事件的数学期望2.1 条件期望2.2 一些重要公式2.2.1 全概率公式2.2.2 全分.
【概率论】3-6:条件分布(Conditional Distributions Part II）
weixin_30826761的博客
09-22 299
title: 【概率论】3-6:条件分布(Conditional Distributions Part II） categories: Mathematic Probability keywords: Multiplication Rule for Distributions 乘法法则 Bayes’ Theorem 贝叶斯理论 Law of To...
【概率论】4-7:条件期望(Conditional Expectation)
Tony的博客
09-22 2万+
title: 【概率论】4-7:条件期望(Conditional Expectation) categories: - Mathematic - Probability keywords: - Expectation - Prediction - Law of total Probability toc: true date: 2018-03-27 10:53:24 Abstract: 本文介绍...
均匀分布的期望和方差
ZnZnA的博客
05-10 4万+
均匀分布的期望和方差
迭代期望和方差（iterated expectation,variance)
莲君
03-25 8852
1.期望 2.方差：可看成是Yconditional universal内X的方差和conditional universal间X的方差两部分组成（类似于样本内和样本间的方差，或者种内和种间的方差（参看统计学F分布））。 相关课程链接：https://www.bilibili.com/video/av6182731/?p=44 ...
matlab预测ARMA-GARCH 条件均值和方差模型
weixin_34320724的博客
07-26 2841
此示例显示MATLAB如何从复合条件均值和方差模型预测 和条件差异。 步骤1加载数据并拟合模型 加载工具箱附带的纳斯达克数据。将条件均值和方差模型拟合到数据中。 nasdaq = DataTable.NASDAQ; r = price2ret(nasdaq); N = length(r); ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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