笔者在研究室内定位算法的过程中,有一些论文出现了条件均值。比如 x ∼ f ( x ) x\sim f(x) x∼f(x),那么该变量的均值为
E [ X ] = ∫ − ∞ + ∞ x f ( x ) d x \mathbb{E}[X]=\int_{-\infty }^{+\infty }{xf(x)dx} E[X]=∫−∞+∞xf(x)dx
现在需要求解 E [ X ∣ x > a ] \mathbb{E}\left[ X|x>a \right] E[X∣x>a]。我们将条件均值进行展开
E [ X ∣ x > a ] = ∫ − ∞ + ∞ x f ( x ∣ x > a ) d x \mathbb{E}\left[ X|x>a \right]=\int_{-\infty }^{+\infty }{xf(x|x>a)dx} E[X∣x>a]=∫−∞+∞xf(x∣x>a)dx
从公式中可以看出,欲求条件均值,需要先得到条件概率密度。笔者翻阅本科概率论的书,发现没有条件概率的求法。那么如何求条件均值呢?如何求条件概率密度呢?条件概率密度 f ( x ∣ x > a ) f(x|x>a) f(x∣x>a)表示,在 x > a x>a x>a的条件下, x x x的概率密度。下面通过一个例子进行详细推导。
假设随机变量 X ∼ E ( λ ) X\sim E(\lambda ) X∼E(λ),即
f ( x ) = { λ e