均值:
统计学概念,根据实际试验结果计算得出的平均值
X
ˉ
=
1
N
(
x
1
+
x
2
+
⋯
+
x
n
)
\bar X=\frac{1}{N}(x_1+x_2+\dots+x_n)
Xˉ=N1(x1+x2+⋯+xn)
期望:
概率论概念,是一个数学特征
E
(
X
)
=
X
1
∗
p
(
X
1
)
+
X
2
∗
p
(
X
2
)
+
⋯
+
X
n
∗
p
(
X
n
)
E(X)=X_1*p(X_1)+X_2*p(X_2)+\dots+X_n*p(X_n)
E(X)=X1∗p(X1)+X2∗p(X2)+⋯+Xn∗p(Xn)
E
(
X
)
=
∑
k
=
1
n
x
k
p
k
E(X)=\displaystyle\sum_{k=1}^{n}x_kp_k
E(X)=k=1∑nxkpk
如果说概率是频率随样本趋于无穷的极限 ,期望就是平均数随样本趋于无穷的极限
可以看出均值和期望是大数定理联系起来的。
方差:
在概率论与数理统计中,方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。
方差是各个数据与平均数之差的平方和的平均数
s
2
=
∑
i
=
1
n
(
X
i
−
X
ˉ
)
2
n
−
1
s^2=\frac{\displaystyle\sum_{i=1}^{n}(X_i-\bar X)^2}{n-1}
s2=n−1i=1∑n(Xi−Xˉ)2
标准差:
方差的平方根
s
=
∑
i
=
1
n
(
X
i
−
X
ˉ
)
2
n
−
1
s=\sqrt{\frac{\displaystyle\sum_{i=1}^{n}(X_i-\bar X)^2}{n-1}}
s=n−1i=1∑n(Xi−Xˉ)2
协方差:
度二维数据(两个变量)之间的相关性
方差和标准差是度量一维数据的
协
方
差
:
c
o
v
=
∑
i
=
1
n
(
X
i
−
X
ˉ
)
(
Y
i
−
Y
ˉ
)
n
−
1
协方差:cov=\frac{\displaystyle\sum_{i=1}^{n}(X_i-\bar X)(Y_i-\bar Y)}{n-1}
协方差:cov=n−1i=1∑n(Xi−Xˉ)(Yi−Yˉ)
方
差
:
c
o
v
=
∑
i
=
1
n
(
X
i
−
X
ˉ
)
(
X
i
−
X
ˉ
)
n
−
1
=
∑
i
=
1
n
(
X
i
−
X
ˉ
)
2
n
−
1
方差:cov=\frac{\displaystyle\sum_{i=1}^{n}(X_i-\bar X)(X_i-\bar X)}{n-1}=\frac{\displaystyle\sum_{i=1}^{n}(X_i-\bar X)^2}{n-1}
方差:cov=n−1i=1∑n(Xi−Xˉ)(Xi−Xˉ)=n−1i=1∑n(Xi−Xˉ)2