第四章——随机变量的数字特征

最新推荐文章于 2023-04-11 18:24:41 发布
最新推荐文章于 2023-04-11 18:24:41 发布
阅读量704 收藏 1
点赞数
分类专栏： # CDA Level I 修炼之旅 概率论与数理统计 文章标签： 概率论 算法
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_43146264/article/details/128960395
版权

文章目录

1、数字特征的定义

实际或理论问题中，人们感兴趣的是某些能描述随机变量某一种特征的常数，例如，一个篮球队上场比赛的运动员的身高是一个随机变量，人们常关心的是上场运动员的平均身高；一个城市一户家庭拥有汽车的数是一个随机变量，在考察城市的交通情况时，人们关心的是每户平均拥有汽车的数量；评价棉花的质量时，既需要注意纤维的平均长度，有需要注意纤维长度与平均长度的偏离程度，平均长度较大，偏离程度较小，质量就较好。

由随机变量的分布所确定的，能够刻画随机变量某一方面的特征的常数统称为数字特征。几个重要的数字特征：数学期望，方差，相关系数和矩。

2、数学期望（均值）

2.1、数学期望的定义及性质

2.1.1、定义

在这里插入图片描述

在这里插入图片描述

2.1.2、性质

在这里插入图片描述
在这里插入图片描述

2.2、数学期望相关例题

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.3、Y=g(X)的数学期望

在这里插入图片描述

2.4、Z=g(X,Y)的数学期望

在这里插入图片描述

2.5、随机变量函数的数学期望例题

在这里插入图片描述
在这里插入图片描述

3、方差

3.1、方差的定义与性质

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.2、相关例题

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.3、切比雪夫不等式

在这里插入图片描述

4、协方差与相关系数

4.1、协方差与相关系数的定义

在这里插入图片描述

4.2、协方差与相关系数的性质

在这里插入图片描述
在这里插入图片描述

4.3、二维正态分布的相关系数

在这里插入图片描述
在这里插入图片描述

5、矩、协方差矩阵

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

两个猫崽子和你
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
数字信号处理——理论、算法与实现（胡广书）
02-15
第10至第13章是本书的第四部分。第10章主要讨论了平稳随机信号的定义、性质、描述及通过线性系统的行为。第11章主要讨论经典功率谱估计问题，包括了自相关函数的估计，谱估计的周期图法与自相关法，讨论了估计的性能...
概率论 —— 随机变量的数字特征
佚失的诗篇
02-11 9158
文章目录一、一维随机变量的数字特征1. 数学期望（1）概念定义（2）说明（3）性质2. 方差、标准差（1）概念（2）性质3. 切比雪夫不等式二、二维随机变量的数字特征1. 数学期望2. 协方差与相关系数（1）概念（2） 性质三、独立性与相关性的判定 一、一维随机变量的数字特征 1. 数学期望 （1）概念定义 如果 XXX 是离散型随机变量，其分布列为 pi=P{X=xi}(i=1,2,...)p_i = P\{X=x_i\}(i=1,2,...)pi​=P{X=xi​}(i=1,2,...)，YYY 是
随机变量的数字特征5
chichi_magic的博客
09-15 765
随机变量的数字特征
概率论总结(三):随机变量的数字特征
JacksonKim的博客
05-31 4059
一、期望与方差 1.期望 (1)期望的计算： 设Y=g(X) 对于离散型： 对于连续型： (2)期望的性质 i. ii. iii. vi. 当且仅当X，Y相互独立时 2.方差 (1)方差的计算： (2)方差的性质 i. ii. iii. vi. 当X，Y相互独立时，由数学期望的性质4可知上式为0，于是 3.推论 (1)独立...
随机变量的数字特征
m0_63823490的博客
04-11 208
简述了随机变量的数字特征，随后补充
Java语言程序设计的课程设计项目——利用Java实现地球系动画完整实现实例(第3部分).pdf
05-29
杨教授工作室 精心创作的优秀程序员 职业提升必读系列资料 杨教授工作室，版权所有，盗版必究， 1/15 页 1 1.1 利用 Java 实现地球系动画完整实现实例（第 3 部分） 1.1.1 进一步扩展程序加载图像文件 1、GUI 中显示...
C程序设计 第四版 谭浩强 高清扫描版 带完整书签目录 加 学习辅导
04-06
第1部分是《C程序设计(第四版)》一书的习题和参考解答，包括了该书各章的全部习题，对全部编程习题都给出了参考解答，共计132个程序； 第2部分是深入学习C程序设计，包括预处理指令、位运算和C程序案例； 第3部分是...
谭浩强C语言设计第三版.pdf
12-16
第4章 模块化程序设计 　4.1 函数 　4.1.1 设计C语言程序就是设计函数 　4.1.2 函数结构 　4.1.3 函数定义与函数声明 　4.1.4 虚实结合与传值调用 　4.1.5 递归函数 　4.2 变量的存储属性 　4.2.1 变量的作用域与...
qt开发的有界面的简易对战游戏——斗罗大PK（可用作c,c++课程设计）
06-09
第四步：如果总次数则跳回第一步，否则本场游戏结束，跳到第五步； 第五步：统计我方和对方胜利场数。 游戏特点： 1.一局结束后可重新开局； 2.将每场游戏双方英雄的出招情况记录在文件中； 3.要有玩家注册功能，需...
随机变量的数字特征（概率论常用知识）
热门推荐
zhulf0804的博客
09-05 2万+
随机变量的数字特征 第一部分 数学期望 一、随机变量的数学期望 定义 1 设离散型随机变量的分布律为 若，则称 为随机变量的数学期望或均值。   定义 2 设连续型随机变量的概率密度为，若，则称 为随机变量的数学期望或均值。   二、随机变量的函数的数学期望 定理 1 设是随机变量的函数（是连续函数）。 （1）若是离散型随机变量，其分布律为 如果绝对收
概率论-随机变量的数字特征
weixin_58083998的博客
05-04 1345
1. 数学期望 1.1 定义 数学期望就是 加权平均！！离散型随机变量的数学期望很简单，就是各个可能的值乘以相应的概率。而连续性数学期望也是。其中的x为可能的取值，f(x)就是对应的密度函数，也就是概率。还是“可能值✖概率”。值得一提的是，表示一个“加和”的过程，因为你要考虑期望肯定是对全部数据而言，所以要进行一个加和。 1.2 随机变量函数的数学期望 通常考虑的是一维变量和二维变量。 对于一维变量而言：设一个函数g(x)作用于它，数学期望=加权平均=可能的值✖相应的概率。所以这里的可能取值就变.
【概率论】随机变量的数字特征
一些笔记
11-14 2395
有关随机变量的数字特征：包括期望、方差、协方差、相关系数以及切比雪夫不等式、二维正态分布（概率密度、边缘概率密度、相关系数）、n维正态分布的概率密度等
Math：随机变量的数字特征
江南好
03-25 733
数学期望 定义：设离散型随机变量XXX的分布律为 P{X=xk}=pk,k=1,2,...P\{X=x_k\}=p_k,k=1,2,...P{X=xk​}=pk​,k=1,2,... 若级数 ∑k=1∞xkpk\sum_{k=1}^{\infty }x_kp_kk=1∑∞​xk​pk​ 绝对收敛，则称级数∑k=1∞xkpk\sum_{k=1}^{\infty }x_kp_k∑k=1∞​xk​pk​...
对于概率论数字特征的理解
课桌
04-07 2万+
数字特征概述 随机变量 常见数字特征 数学期望均值 方差 标准差 协方差 相关系数 协方差矩阵 参考数字特征概述　　在我们学习概率论的时候，很多时候我们不能深刻理解概率论中的数字特征所具有的含义，本文章尝试去帮助读者理解一些术语、概念。 　　 　　什么是数字特征？要回答这个问题，先得弄清楚什么是特征。特征是一个客体或一组客体特性的抽象结果。特征是用来描述概念的。任一客体或一组客体都具有众多特性，
Python统计学03——随机变量的概率分布
最新发布
08-29
在Python中，可以使用概率论中的随机变量分布来进行统计计算。常见的离散型分布包括二项分布和泊松分布，连续性分布包括正态分布、均匀分布和指数分布等。这些分布可以用来计算概率、期望和方差等统计量。 对于正态分布，可以使用scipy.stats库中的norm模块进行计算。例如，可以使用norm.cdf函数计算小于某个值的概率，使用norm.ppf函数计算给定累积概率时的反函数值。代码示例如下： ``` from scipy.stats import norm # 计算小于40的概率 p1 = norm.cdf(40, loc=50, scale=10) # 计算30到40之间的概率 p2 = norm.cdf(40, loc=50, scale=10) - norm.cdf(30, loc=50, scale=10) # 计算小于2.5的概率 p3 = norm.cdf(2.5, 0, 1) # 计算-1.5到2之间的概率 p4 = norm.cdf(2) - norm.cdf(-1.5) # 计算累计概率为0.025时的反函数值 q1 = norm.ppf(0.025, loc=0, scale=1) # 计算累计概率为0.975时的反函数值 q2 = norm.ppf(0.975, 0, 1) print(p1, p2, p3, p4, q1, q2) ``` 对于计算随机变量的概率分布的均值和方差，可以使用numpy库进行计算。代码示例如下： ``` import numpy as np # 假设有一个数据框df，其中包含了不合格品数和概率 mymean = sum(df['不合格品数'] * df['概率']) # 计算均值 myvar = sum((df['不合格品数'] - mymean) ** 2 * df['概率']) # 计算方差 mystd = np.sqrt(myvar) # 计算标准差 print(mymean, myvar, mystd) ``` 以上是关于Python统计学中随机变量的概率分布的一些基本操作和计算方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Python统计学03——随机变量的概率分布](https://blog.csdn.net/weixin_46277779/article/details/126673517)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

两个猫崽子和你

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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