本文详细介绍了随机变量的核心概念——期望、方差和标准差。期望作为预测随机事件平均情况的指标，分为离散和连续两种情况。方差衡量数据的离散程度，包括统计学方差和样本方差。标准差是方差的算术平方根，提供了与均值单位一致的离散度度量。同时，文章还提及了协方差，用于分析多维数据中变量的相关性，并介绍了相关系数的概念。
#期望， 方差， 协方差，标准差
期望
概率论中描述一个随机事件中的随机变量的平均值的大小可以用数学期望这个概念，数学期望的定义是实验中可能的结果的概率乘以其结果的总和。
定义
设P(x) 是一个离散概率分布，自变量的取值范围为{
x 1 , x 2 , . . . , x n x_1, x_2,..., x_n x1,x2,...,xn}。其期望被定义为：
E ( x ) = ∑ k = 1 n x k P ( x k ) E(x) = \sum_{k=1}^{n}{x_kP(x_k)} E(x)=k=1∑nxkP(xk)
设P(x) 是一个连续概率密度函数，其期望为：
E ( x ) = ∫ − ∞ + ∞ x p ( x ) d x E(x) = \int_{-\infty}^{+\infty}{xp(x) \,{\rm d}x} E(x)=∫−∞+∞xp(x)dx
###性质
期望服从线性性质，因此线性运算的期望等于期望的线性运算。
E ( a x + b y + c ) = a E ( x ) + b E ( y ) + c E(ax + by +c) = aE(x) + bE(y) + c E(ax+by+c)=aE(x)+bE(y)+c
这个性质可以推广：
E ( ∑ k = 1 n a i x i + c ) = ∑ k = 1 n a i E ( x i ) + c E(\sum_{k=1}^{n}{a_ix_i +c})= \sum_{k=1}^n{a_iE(x_i)}+c E(k=1∑naixi+c)=
最低0.47元/天 解锁文章
扫一扫
8811
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
