总体均值&样本均值

总体均值

离散型随机变量

设离散型随机变量$X$的分布律是$p(x_i)$，$i=1,2,\dots$，若

$$\sum _i|x_i|p(x_i)<+\infty$$

则称

$$E(X)=\sum _i{x}_{i}p(x_i)$$

为离散型随机变量$X$的数学期望，简称期望或均值。

• 分布律$p(x_i)$：表示随机变量$X$取各个可能值$x_i$的概率。
• 条件：如果${\sum }_i|x_i|p(x_i)<+\infty$，即所有可能值的绝对值与对应概率的乘积之和是有界的，则可以计算数学期望。
• 数学期望$E(X)$：通过以下公式计算：
  $$E(X)=\sum _i{x}_{i}p(x_i).$$

离散型随机变量的期望值是所有可能值与其对应概率的乘积之和。

连续型随机变量

设连续型随机变量$X$的概率密度是$f(x)$，若
$${\int }_{-\infty }^{+\infty }|x|f(x)\mathrm{d}x<+\infty ,$$
则称
$$E(X)={\int }_{-\infty }^{+\infty }xf(x)\mathrm{d}x$$
为连续型随机变量$X$的数学期望，简称期望或均值。

这个定义说明了如何计算连续型随机变量的期望值。具体来说：

• 首先，要求积分${\int }_{-\infty }^{+\infty }|x|f(x)dx$是有限的。
• 然后，通过计算${\int }_{-\infty }^{+\infty }xf(x)dx$来得到连续型随机变量$X$的期望值$E(X)$。

这种定义方式与离散型随机变量的期望值计算类似，但使用的是积分而不是求和。

样本均值

设$x_1,x_2,\dots ,x_n$为取自某总体的样本，其算术平均值称为样本均值，一般用$\bar{x}$表示，即

$$\bar{x}=\frac{x_1+x_2+\cdots +x_n}{n}=\frac{1}{n}\sum _{i=1}^n{x}_i.$$

-$x_1,x_2,\dots ,x_n$是从总体中抽取的样本值。
-$n$是样本的数量。

• 样本均值 ($\bar{x}$)：是一组数据的算术平均值。
• 公式：样本均值通过将所有样本值相加后除以样本数量$n$来计算。