概率统计·随机变量的数字特征【数学期望、方差】

已于 2022-12-19 13:06:51 修改
阅读量1.5k 收藏 12
点赞数 1
文章标签： 概率论 人工智能
于 2022-11-05 10:32:55 首次发布
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_61786525/article/details/127583727
版权

from now on 我要开始做一些改变，概率的日常回顾我会比较简洁高效，更加追求效率和速度（因为之前回顾繁琐地写了一大堆，期中复习的时候也是大致看看，而且很多现在看来很简单没必要，所以决定从一开始就做好简洁）

一些随机变量的数学期望

离散型

在这里插入图片描述

简而言之——取值*其相应的概率
要求绝对收敛（希望你还会🥚🥚🥚）——给期望加上绝对值，观察是否仍然收敛
不满足绝对收敛的话，说明期望不存在

泊松分布

在这里插入图片描述

直接记结论—— 期望是λ
泊松分布是离散型的

二项分布

在这里插入图片描述
中学时学过

连续型

在这里插入图片描述
同样要求绝对收敛
取值 * 相应的概率

均匀分布

在这里插入图片描述
均匀分布的期望是区间中点
其实，这些特殊的分布的期望没记住也没什么关系，因为可以根据连续（离散）型分布的期望计算公式推导出来，最多就是做题稍微慢一点（但毕竟大学不似高中有那么多刷题时间，这还不是专业课）

随机变量函数的数学期望

在这里插入图片描述

将Y换成带x的函数代入——before:xf(x)，present:g(x)f(x)

二维

在这里插入图片描述

二维同理
当然以上，都有一个premise：绝对收敛

性质

在这里插入图片描述

第4条是充分条件（不是必要）

方差

在这里插入图片描述

注意划线部分，不要会公式之后，就不记得原式的表达
表示偏移程度，每个x-E(x)的平方，再求期望

计算

在这里插入图片描述

利用公式计算用得很少
用得多是用公式计算—— 平方的期望-期望的平方

特殊的

在这里插入图片描述

性质

在这里插入图片描述

  • 没有乘法的
  • 看看第3点
  • 第4点不是第1点的逆—— 因为在连续型中，单个常数的概率是1。也好理解，当D(x)=0时，每个x相对期望的偏移=0，consequently，a=E(x)
  • E(x)是常数—— E(x)得到的结果与x无关

在这里插入图片描述

正态分布的性质

在这里插入图片描述
相互之间：加法

切比雪夫不等式

在这里插入图片描述

如果知道确切的分布，就不必这样估算概率了

当概率分布未知，已知期望和方差，可以用切比雪夫不等式来估计取值随机点与期望的偏差 即距离 超过的概率

练习

一维乘以二维，求期望

在这里插入图片描述
在这里插入图片描述

这道题主要是注意随机变量函数是二维，但是所求期望是一维时，也是直接将一维*二维

求方差

在这里插入图片描述
在这里插入图片描述
这道题，求方差处，不应该用D(X+Y)=D(X)+D(Y)+2E……的方法（这样会多算几个方差，更难写）个人认为：应该要题目中给出相互独立的条件，才会用到D(X+Y)=D(X)+D(Y)的性质，不然基本上都会让算式更加复杂

call me by ur name
关注
  • 1
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【概率论基础进阶】随机变量的数字特征-随机变量的数学期望和方差
liu20020918zz的博客
09-17 791
设随机变量XXX的概率分布为 P{X=xk}=pk,k=1,2,⋯ P \left\{X=x_{k}\right\}=p_{k},k=1,2,\cdots P{X=xk​}=pk​,k=1,2,⋯ 如果级数∑k=1+∞xkpk\sum\limits_{k=1}^{+\infty}x_{k}p_{k}k=1∑+∞​xk​pk​绝对收敛，则称为级数随机变量XXX的数学期望或均值，记作E(X)E(X)E(X)，即 E(X)=∑k=1+∞xkpk E(X)=\sum\limits_{k=1}^{+\infty}x
求两个随机变量的差的绝对值的期望
weixin_34406086的博客
02-02 1244
问题1：给定离散随机变量 x 均匀分布在区间 [a, b] 的整点上，y 均匀分布在区间 [c, d] 的整点上，求期望 E(|x-y|)。 问题很简单，显然最直接的办法就是枚举 x 和 y 然后进行统计即可。如果再稍稍思考一下，那么可以发现其实只用枚举其中一个变量就行了，因为若固定 x = i，那么求 E(|i-y|) 只需要对i <=y 和i > y 两种情况分别进行讨论...
数字特征：方差
aks23529的博客
03-19 274
【引入】 有一批灯泡，知其平均寿命是 $E(X)=1000$ （小时）。仅由这一指标我们还不能判定这批灯泡的质量好坏。 事实上，有可能其中绝大部分灯泡的寿命都在950~1050小时； 也有可能其中约有一半是高质量的，它们的寿命大约有1300小时，另一半却是质量很差的，其寿命大约只有700小时， 为要评定这批灯泡质量的好坏，还需进一步考察灯泡的寿命 $X$ 与其平均值 $E(X)=...
14 随机变量的数字特征-方差
m0_48362854的博客
07-11 39
1.方差的定义 2.计算公式 3.性质
随机变量的期望和方差
不二的博客
10-15 1万+
X服从两点分布，则  X服从超几何分布，即  ，则  X服从二项分布，即  ，则 X服从泊松分布，即  ，则 连续型 X服从均匀分布，即  ，则  ， X服从指数分布，即  ， 则  X 服从正态分布，即  ， 则  X 服从标准正态分布，即  ， 则    求正态分布的数学期望&amp;&amp;方差 设  ，求E（X），D（X）. 令  ，由于  ，所以  ，已知E...
数学知识——概率统计（11）：变量之间的关系描述
01-07
之前提到过描述单个随机变量的一些工具，比如正针对整体总体细节的“分布”、针对总体概述的各种统计量（期望、方差等），也提到过针多元随机变量的描述量：协方差和相关系数，现在此总结下多个变量之间关系的研究。...
概率论与数理统计数学期望与方差专项PPT课件.pptx
10-08
数学期望是概率论与数理统计中一个非常重要的概念，它是随机变量的一个特征，可以用来描述随机变量的平均值。 在概率论与数理统计中，数学期望是指随机变量的平均值，它可以用来描述随机变量的中心趋势。数学期望...
高三数学离散型随机变量均值与方差PPT课件.pptx
10-10
离散型随机变量的均值是指随机变量的数学期望，它反映了随机变量取值的平均水平。设随机变量X的分布列为： X x1 x2 … xi … xn P p1 p2 … Pi … pn 则X的均值E(X)＝x1p1＋x2p2＋…＋xipi＋…＋xnpn。 二、离散...
概率论与数理统计：4_2方差及常见分布的期望方差.ppt
09-17
"概率论与数理统计：4_2方差及常见分布的期望方差" 概率论与数理统计是数学-statistical 学科的基础，探讨随机事件的可能性和规律性。方差是一种重要的数学特征，反应了随机变量的离散程度和稳定性。本节将详细介绍...
六个常用分布的数学期望和方差PPT课件.pptx
10-11
六个常用分布的数学期望和方差 在概率论和统计学中，分布是一个非常重要的概念。不同类型的分布有其特定的数学期望和方差。...在实际应用中，了解这些分布的数学期望和方差对于数据分析和统计推断非常重要。
正态分布下含绝对值的期望求解 -- 待验证
Bing's Blog
11-18 4万+
正态分布下含绝对值的期望求解@(概率论)首先用伽马函数来证明一个小结论。设X∼N(0,1),求E|X|X\sim N(0,1),求E|X|分析：我们知道EX=0，那是因为根据表达式： f(x)=12π√σe−(x−μ)22σ2=12π√e−x22f(x) = \frac{1}{\sqrt {2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}} = \frac{1
概率论 各种分布及其期望、方差、分布函数
热门推荐
Starr
12-29 8万+
概率论 各种分布及其期望、方差、分布函数 （0-1）分布 二项分布 X~b(n,p) 泊松分布 X~π(λ)π(λ)\pi(\lambda) 均匀分布 X~U(a,b) 指数分布 正态/高斯分布 X~N(μ,σ2μ,σ2\mu,\sigma^2) ——————————————————– χ2χ2\chi ^2分布 χ2∼χ2(n)χ2∼χ2(n)\chi ^2\sim\chi ^2(n) t分...
正态分布下含绝对值的期望求解
lrt366的博客
11-22 6万+
转自：https://blog.csdn.net/u011240016/article/details/53214966?utm_source=blogxgwz2   @(概率论) 首先用伽马函数来证明一个小结论。 设X∼N(0,1),求E|X| 分析：我们知道EX=0，那是因为根据表达式： 有了这个结论，并且知道该怎么证明，可以解决下面的这个小题。 可参考： ht...
概率论习题之标准正态绝对值的期望
最新发布
xiaoyalian的博客
03-06 2172
E∣X∣Π2​​计算E∣X∣∫−∞∞​∣X∣fxdxEZE∣x−μ∣。
概率论与数理统计——随机变量的数字特征
LateNight_LL的博客
09-12 680
文章目录数学期望收敛（复习）离散型随机变量的数学期望连续型随机变量的数学期望离散型随机变量函数的数学期望连续型随机变量函数的数学期望数学期望的性质方差方差的统一定义和简化公式方差的性质常见离散型分布的数字特征常见连续型分布的数字特征协方差与相关系数协方差相关系数二维正态分布的参数意义矩协方差矩阵 数学期望 收敛（复习） （1）收敛数列 令{ana_nan​}为一个数列，且A为一个固定的实数，如果对于任意给出的b>0,存在一个正整数N，使得对于任意n>N,有|ana_nan​-A|<b恒
概论_第4章__期望的定义和性质
华工的专栏
12-13 5318
定义2：设连续型随机变量 X的概率密度为f(x), 若积分。绝对收敛， 称其为X的数学期望。1. 离散型随机变量的期望。2. 连续型随机变量的期望。被积函数是： xf(x)
概率论中常见分布的数学期望、方差及特征函数推导（二）连续型随机变量
weixin_44602958的博客
04-08 2万+
目录1.正态分布2.均匀分布3.指数分布4.伽玛分布5.贝塔分布6.卡方分布 1.正态分布 XXX 2.均匀分布 $$ 3.指数分布 $$ 4.伽玛分布 $$ 5.贝塔分布 $$ 6.卡方分布 $$ ...
概率论与数理统计学习：数字特征（一）——知识总结与C语言实现案例
weixin_62917800的博客
10-26 752
有关期望的详细知识点总结，和C语言实现简单例题~
【matlab】MarkDown Letex 编码 之 随机过程及应用（三） - 高斯分布/正态分布的期望和方差
Trey_CSDN 的CSDN博客
09-18 2538
**Provement of Gaussian Distribution：** 设正态分布概率密度函数是 $$f(x)=\frac{1}{\sqrt{2π}\sigma}*e^{\frac{-(x-u)^2}{2\sigma^2}} $$ 于是： $$\int^{+\infty}_{-\infty} \frac{e^{-(x-u)^2}}{2\sigma^2}dx=(\sqrt
设各零件的重量都是随机变量,它们相互独立,且服从相同的分布,其数学期望为kg ,均方差为kg ,问5000只零件的总重量超过kg 的概率约为多少?(结果用标准正态分布函数表示)
05-26
设每个零件的重量为 $X$，则 $X\sim N(\mu,\sigma^2)$，其中 $\mu$ 为数学期望，$\sigma$ 为标准差。由中心极限定理可知，5000只零件的总重量 $Y=\sum_{i=1}^{5000}X_i$ 近似服从 $N(5000\mu,5000\sigma^2)$ 分布。 因此，我们需要计算 $Y$ 超过 $5000\mu+\Delta$ 的概率，其中 $\Delta$ 是一个正数。根据标准化取值的方法，我们可以将 $Y$ 标准化为： $$Z=\frac{Y-5000\mu}{\sqrt{5000}\sigma}\sim N(0,1)$$ 于是，题目所求的概率可以表示为： $$P(Y>5000\mu+\Delta)=P(Z>\frac{\Delta}{\sqrt{5000}\sigma})=1-\Phi(\frac{\Delta}{\sqrt{5000}\sigma})$$ 其中 $\Phi(x)$ 表示标准正态分布的累积分布函数。将 $\mu$ 和 $\sigma$ 带入上式，即可得到答案。 注意，这里假设每个零件的重量都是正态分布，但实际情况可能并非如此。如果数据不符合正态分布，可以考虑使用其他的统计方法来计算概率。

“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
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