期望
离散型
E(x)=∑ixipi
连续型
E(x)=∫+∞−∞xf(x)dx
意思就是概率下的加权值,加和和积分在本质上可以看成一样的。
意义
在概率论和统计学中,一个离散性随机变量的期望值(或数学期望、或均值,亦简称期望,物理学中称为期待值)是试验中每次可能结果的概率乘以其结果的总和。换句话说,期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。——维基百科
性质
无条件成立
E(kX)=kE(X)
E(X+X)=E(X)+E(X)
X
和Y 相互独立
E(XY)=E(X)E(Y)
这个性质,反之不成立,若 E(XY)=E(X)E(Y) 只能说明 X 和
例题
从1,2,3…98,99,2015这100个数中选择若干个数求异或,试求异或的期望值
异或:即不带进位的加法,奇数个1位为1,偶数个1为0,跟0的个数没有关系
我们首先考虑最大的数2015,写成二进制2015=(11111011111),共11位
针对每一位分别进行计算,考虑第
i
位
E(P{Xi=1})=2m⋅∑k∈oddCkn2m+n=∑k∈oddCkn2n=12
odd 表示奇数
则11位二进制数中,每个位取1的期望都是 0.5
E(x)=E(∑i=010(Xi⋅P{Xi}))
E(x)=E(∑i=010(2i⋅P{Xi=1}+0⋅P{Xi=0}))
E(x)=E(∑i=010(2i⋅P{Xi=1}))
E(x)=∑i=010E(2i⋅P{Xi=1})=∑i=0102i⋅E(P{Xi=1})
E(x)=∑i=0102i⋅12=(11111111111)22=1023.5
方差
定义
Var(x)=E{[X−E(X)]2}=E(X2)−E2(X)
意义
在概率论和统计学中,一个随机变量的方差描述的是它的离散程度,也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二阶中心动差,恰巧也是它的二阶累积量。方差的算术平方根称为该随机变量的标准差。—维基百科
性质
无条件成立
Var(c)=0
Var(x+c)=Var(X)
Var(kx)=k2Var(X)
X
和Y 相互独立
Var(X+Y)=Var(X)+Var(Y)