概率论基础（7）数学期望、方差、协方差、切比雪夫不等式

最新推荐文章于 2023-04-15 11:25:17 发布
最新推荐文章于 2023-04-15 11:25:17 发布
阅读量1w 收藏 166
点赞数 32
分类专栏： 基础科学 文章标签： 概率论 数学期望 方差 协方差 切比雪夫不等式
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/wangqingbang/article/details/92852456
版权

概率论对于学习 NLP 方向的人，重要性不言而喻。于是我打算从概率论基础篇开始复习，也顺便巩固巩固基础。
这是基础篇的第七篇知识点总结

基础：下面前六篇的链接地址：
概率论基础（1）古典和几何概型及事件运算
概率论基础（2）条件概率、全概率公式和贝叶斯公式
概率论基础（3）一维随机变量（离散型和连续型）
概率论基础（4）五种重要的分布（二项、泊松、均匀、指数、正态分布）
概率论基础（5）离散型二维随机变量
概率论基础（6）连续型二维随机变量

知识点

  • 一维随机变量期望与方差
  • 二维随机变量期望与方差
  • 协方差
  • 切比雪夫不等式

放个常用列表：在这里插入图片描述

一维随机变量期望与方差

常用公式
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
理解：注意E（X2）时，直接平方乘以概率即可
在这里插入图片描述
理解：要求什么就把什么代入进去。

常用计算性质：
在这里插入图片描述
例题：
在这里插入图片描述
理解：利用性质一即可。
在这里插入图片描述
理解：掌握常用的二项分布的数学期望np和方差即np（1-p）可。
在这里插入图片描述
理解：掌握均匀分布的数学期望（a+b）/2和方差(b-2)^2/12
在这里插入图片描述
理解：掌握正态分布数学期望μ和方差σ，和泊松分布的数学期望和方差λ。

二维随机变量期望与方差

在这里插入图片描述
理解：注意一种遍历的思想。
在这里插入图片描述
理解：对于连续型随机变量，求什么带什么到被积函数里面去。

协方差

性质
在这里插入图片描述
例题
在这里插入图片描述
理解：这道题是对相关系数公式的一个巩固
在这里插入图片描述
理解：这道题使用方差变形的公式以及反向运用相关系数公式，不要忘记协方差提取系数的方法
在这里插入图片描述
理解：这个选择是对公式的综合运用。注意独立可以推出后者，但反向推则不行。

在这里插入图片描述

理解：对于离散型的随机变量，应该熟练掌握其方差和数学期望的变化，以及计算方法。

在这里插入图片描述
理解：第一问重点在找到区间范围
在这里插入图片描述
理解：主要是求解过程，求什么带什么到被积函数去

切比雪夫不等式

公式
在这里插入图片描述
主要是套公式
在这里插入图片描述
在这里插入图片描述
理解：注意切比雪夫不等式两种形式的灵活运用。

额外加一点练习题巩固：
在这里插入图片描述

崩坏的芝麻
关注
  • 32
    点赞
  • 踩
  • 166
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
统计学笔记(二)
randy_01的博客
11-29 2149
前言：本篇博客包括了随机变量和图模型推理之间的所有内容。学好《统计学》需要《微积分》，《线性代数》，《矩阵论》和《实变函数与泛函数分析》作为基础，另外再增加《凸优化》。如果只是应用的话，这些知识吸收60%就足够了，但是要搞研究的话，不仅要吸收80%以上，另外还要研究《神经生物学从神经元到大脑》和物理学，从中吸收灵感，为研究下一代AI打下好的基础，用几何问题解决代数问题是不可避免的。下一代AI的突破...
一维随机变量的常见分布、期望、方差及其性质与推导过程
风吹乱了我的秀发
05-17 5882
文章目录必须知道的概率论知识一维变量离散随机变量def常见分布几何分布期望方差二项分布——b(n,p)期望方差泊松分布—— P(λ)P(\lambda)P(λ)期望方差超几何分布——h(n,N,M)期望方差连续型随机变量def常见分布均匀分布——U(a,b)密度函数分布函数期望方差指数分布—— Exp(λ)Exp(\lambda)Exp(λ)密度函数分布函数期望方差柯西分布密度函数正态分布——N(μ,σ2)N(\mu, \sigma ^ 2)N(μ,σ2)密度函数分布函数期望方差标准正态分布——N(0,1）
关于期望的不等式
qq_52698974的博客
09-07 3583
Cr不等式 Holder不等式 E|X|^p<\infty,E|Y|^q<\infty,p>1,1/p+1/q=1 E|XY|\leq (E|X|^p)^{1/p} (E|Y|^q)^{1/q} Jensen不等式
论文研究 - 协方差的广义不等式及其应用
05-25
本文的研究旨在激发何哲飞和王明津的工作（与应用相关的协方差，2015）。 更准确地说，在这项研究中，我们首先提供协方差的广义不等式。 然后，我们提出其应用程序来解决有关概率分布的一些问题。 最后，我们陈述结论并提及将来的相关工作。
概率论基础 —— 10. 切比雪夫不等式、大数定理、中心极限定理
老程的技术笔记
07-28 6255
尽管统计学本身是门科学，我们也在纯数学的角度上研究了很多概率的性质。但是也不能否认统计学中依然有相当多经验总结。而且相当多的经验是行之有效的。在《概率论与数理统计》这本教材中，也列举了一些经验性的东西，因此我们也需要来学习一下。 文章目录切比雪夫不等式 (Chebyshev's Inequality)大数定理中心极限定理 切比雪夫不等式 (Chebyshev’s Inequality) 我们来看一看切比雪夫不等式，有两个： P{∣X−E(X)∣≤ε}≥1−D(X)ε2P \{ |X - E(X)| \.
琴生Jensen不等式，条件期望
天天向上的专栏
12-20 1万+
1. Jensen 不等式Jensen 不等式的意义是：函数的期望大于等于期望的函数，即 E(f(x))≥f(E(x))E(f(x))\geq f(E(x))或者写成凸函数条件表达式的形式，在这个表达式式中，tt 相当于 x1x_1 的概率， (1−t)(1-t) 相当于 x2x_2 的概率： tf(x1)+(1−t)f(x2)≥f(tx1+(1−t)x2)t∈{0,1}tf(x_1)+(1-t
机器学习要求概率论基础知识，包含全面，讲解深刻。
07-28
大数定理是指随机变量的平均值将趋近于数学期望的定理。中心极限定理是指随机变量的分布将趋近于正态分布的定理。 马尔科夫不等式和切比雪夫不等式 马尔科夫不等式是指随机变量的概率分布满足一定条件时的不等式。...
4.2.1 方差，协方差.ppt
09-19
切比雪夫不等式是概率论中一个重要的不等式，表明： $$P(|\xi - E(\xi)| \geq \epsilon) \leq \frac{D(\xi)}{\epsilon^2}$$ 其中，$P$是概率测度，$\epsilon$是正实数。 标准化是将随机变量的方差变换为1的过程。...
东北大学概率论慕课答案
03-14
- **切比雪夫不等式**：用于估计随机变量偏离其期望值的程度。 6. **第六章：大数定律与中心极限定理** - **大数定律**：描述独立同分布随机变量序列的平均值趋向于其期望值的定律。 - **中心极限定理**：大量...
常见分布的期望和方差.doc
10-10
概率论与数理统计是数学的一个分支，研究随机事件和随机变量的数学描述和分析。以下是概率论和数理统计的一些重要知识点： 概率密度 概率密度是描述随机变量的概率分布的函数。对于一个随机变量X，概率密度函数f(x...
考研数学概率论浙大内部课件（盛骤）
10-04
9. **极限定理的应用**：在概率论的高级部分，课件可能还会涉及弱大数定律、切比雪夫不等式等，这些理论在统计推断和风险分析中有广泛应用。 10. **实际问题的解决**：除了理论知识，盛骤老师的课件也会结合实际...
4.1 随机变量的数学期望
最新发布
tang7mj的博客
04-15 4363
掌握概率论基础知识：在学习随机变量的期望之前，我需要了解概率论的基本概念，例如概率、随机变量、概率密度函数等。学习数学期望的定义和性质：数学期望是描述随机变量取值分布的一个重要指标，我需要了解其定义和基本性质，例如线性性、单调性和刻画随机变量分布的期望公式等。通过例题和实践练习加深理解：我会寻找一些相关的例题和实践练习来加深理解，例如掷骰子的概率分布、生日悖论等。学习期望的计算方法：计算随机变量的数学期望需要掌握一些数学方法，例如积分法、期望公式、矩母函数等。
施瓦茨不等式（协方差和方差的关系）
weixin_43558910的博客
09-30 4600
证明施瓦茨不等式（协方差和方差的关系） 定理： 对于任意二维随机变量（X,Y），若X与Y的方差都存在，且记σx2=Var(X)\sigma^2_x=Var(X)σx2​=Var(X)，σY2=Var(Y)\sigma^2_Y=Var(Y)σY2​=Var(Y)，则有 [Cov(X,Y)]2≤σx2σY2 [Cov(X,Y)]^2 \leq \sigma^2_x \sigma^2_Y [Cov(X,Y)]2≤σx2​σY2​ 证明： ∀t∈R\forall t \in R∀t∈R，考虑二次函数： g(t)=
概率论基础 - 6 - 切比雪夫不等式
zywvvd的博客
08-13 8910
切比雪夫不等式可以使人们在随机变量X的分布未知的情况下，对事件$|X-\mu|<\varepsilon $ 概率作出估计。 定义 假设随机变量XXX具有期望E(X)=μE(X)=\muE(X)=μ， 方差 Var(X)=σ2Var(X)=\sigma^2Var(X)=σ2，则对于任意正数ε\varepsilonε ，有不等式成立： P{∣X−μ∣≥ε}≤σ2ε2 \mathbb P\{|X-\mu| \geq \varepsilon\} \leq \frac{\sigma^{2}}{\var.
概率论之 一维随机变量的期望，方差，协方差
qq_41035283的博客
11-02 3056
概率论之 一维随机变量的期望，方差，协方差前言一维系统期望公式性质方差公式性质协方差公式性质相关系数相关性与独立性后记 前言 随机变量的期望、方差、协方差性质非常重要，但又比较容易忘，记录一下加深记忆。首先是一维 一维系统 假设系统状态是由单成分构成，将其表示为一维随机变量XXX 期望 公式 如果变量XXX的概率密度为p(x)p(x)p(x)，则期望可表示为： E(X)=∫−inf⁡+infxp(x)dx E(X)=\int_{-\inf}^{+inf} xp(x)dx E(X)=∫−inf+inf​xp(
切比雪夫（Chebyshev）不等式
热门推荐
不会代码的码农的博客
03-18 9万+
标准化 设随机变量x具有数学期望E(x)=μE(x) = \muE(x)=μ，方差D(x)=σ2D(x) = \sigma^{2}D(x)=σ2。记X∗=X−μσX^{* } =\frac{X-\mu }{\sigma }X∗=σX−μ​, 则X*的期望和方差为：E(X∗)=1σE(X−μ)=1σ[E(X)−μ]=0E(X^{*})= \frac{1}{\sigma} E(X-\mu)=\frac{1}{\sigma }[E(X)-\mu]=0 E(X∗)=σ1​E(X−μ)=σ1​[E(X)−μ]=0D(
数理统计--随机变量的数字特征（期望、方差、协方差）
weixin_43055698的博客
04-20 3297
1. 期望 随机变量X的期望（expectation）或均值EX是它的全部平均值，也是分布律或密度函数的中心位置。因此，也称期望为位置参数（location parameter）。 数学期望主要有以下几个重要性质（所涉及到的期望都存在）： 1.1 线性性 这里不要求n个随机变量之间相互独立。 1.2 可乘性 注意：这里要求各随机变量之间相互独立 2. 方差 方差（variance）DX刻画了随机...
【应用统计学】随机变量的概率分布，数学期望和方差及协方差
Robin Hu的专栏
09-15 2163
概率分布函数的导数称为概率密度函数
数学基础之概率论1
bailian的博客
08-21 421
概率论1

“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 2
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