方差、协方差、期望E(XY)

最新推荐文章于 2024-07-24 10:39:16 发布
最新推荐文章于 2024-07-24 10:39:16 发布
阅读量248 收藏
点赞数
文章标签： 人工智能 算法 机器学习
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/wwmmhh123/article/details/133025509
版权

 方差

D(X) = E([X-E(X)]^{2}) = E(X^{2}-2\ast X\ast E(X)+E(X)^{2}))

D(X) = E(X^{2})-E(X)^{2}

 协方差：

Cov(X,Y) = E([X-E(X)]*[Y-E(Y)])=E(XY)-E(X)E(Y)

方差与协方差：

D(X+Y)=D(X)+D(Y)+2Cov(X,Y)

D(X-Y)=D(X)+D(Y)-2Cov(X,Y)

 

mike2mike
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
数学期望与方差E(X) D（X）
深海沧澜的博客
11-25 7万+
数学期望 ：  1.设X是随机变量，A,B是常数，则E（AX+B）=CE（X）+B 2.设X，Y是任意两个随机变量，则有E（X+Y）=E（X）+E（Y）. 3.设X,Y是相互独立的随机变量，则有E（XY）=E（X）E（Y） 方差：  1、设A是常数，则D（A）=0  2、设X是随机变量，A是常数，则有D(AX+B)=A^2D(X)  3、设 X 与 Y 是两个随机变量，则D(X+
4-2_协方差和相关系数.ppt
01-10
- 协方差与期望的差：Cov(X, Y) = E(XY) - [E(X)][E(Y)]。 - 方差的分解：Var(X+Y) = Var(X) + Var(Y) + 2Cov(X, Y)。 - 当X和Y相互独立时，Cov(X, Y) = 0。 **相关系数的定义和性质** - **定义**：设Var(X) > 0...
E(XY)的求法
weixin_41870042的博客
10-29 3万+
注意只有当X，Y相互独立时，才有E(XY)=EXEY 而由表格可知，P(X=0,Y=0)=0.07≠P(X=0)P(Y=0)=0.23*0.22 所以X，Y不相互独立 利用随机变量函数的数学期望的求解方法： E(XY)=∑ i*j*(Pij)，其中i为X的取值，j为Y的取值，Pij为对应于X=i,Y=j的联合分布列中的相应概率，求和是对所有的i,j求和。 ...
概率论基础 —— 8.数学期望、方差、协方差
老程的技术笔记
07-24 3万+
我们在学习了离散型和连续型随机概率事件，以及它们的分布函数和密度概率函数之后。接下来我们要学习对概率事件进行评判的技术——期望、方差、协方差。 这些概念有什么用呢，举例来说，对于一次期末考试，如何评估同一个年级的不同班级的学生的学习状况差异，如何找出年级最优班级和最差班级呢，以及在两个班级整体状况都相差不大时，如何比较一个班级学生成绩情况比另一个班级更好呢？ 如果还记得我们前面提到过的概率分布函数，那么就可以知道这一类样本的比较，其实属于对样本的分布规律的分析。 文章目录期望 (Expectation).
期望、方差、协方差、标准差
松鼠豪的坚果
11-28 2323
期望， 方差， 协方差，标准差 期望 概率论中描述一个随机事件中的随机变量的平均值的大小可以用数学期望这个概念，数学期望的定义是实验中可能的结果的概率乘以其结果的总和。 定义 设P(x) 是一个离散概率分布，自变量的取值范围为{x1,x2,...,xn }。其期望被定义为： E(x)=∑k=1nxkP(xk) 设P(x) 是一个连续概率密度函数，其期望为： E(x)=∫+∞−∞x...
期望、方差、协方差、协方差矩阵
人无远虑，必有近忧
02-03 3882
对于离散型随机变量和连续型随机变量期望的定义公式略有不同方差在统计描述和概率分布中各有不同的定义，并有不同的公式。在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：在概率分布中，设X是一个离散型随机变量，若下式存在，则称下式为X的方差，记为D(X)或Var(X)此时定义下式为标准差，或均方差。
期望、方差、协方差和协方差矩阵
热门推荐
西檬饭
06-07 6万+
期望 离散随机变量的X的数学期望： E(X)=∑k=1∞xkpkE(X)=∑k=1∞xkpkE(X) = \sum_{k=1}^{\infty}x_kp_k 连续型随机变量X的数学期望： E(X)=∫+∞−∞xf(x)dxE(X)=∫−∞+∞xf(x)dxE(X) = \int_{-\infty}^{+\infty}xf(x)dx 常见分布的期望 1）泊松分布的期望...
期望、方差、协方差与相关系数
EngineerHe的博客
09-05 3640
期望、方差、协方差与相关系数 期望 定义： 设离散型变量 XXX 的分布律为 P{X=xk}=pk,k=1,2,⋯ . P\{ X = {x_k}\} = {p_k},\begin{array}{c} {}&{k = 1,2, \cdots .} \end{array} P{X=xk​}=pk​,​k=1,2,⋯.​ 随机变量 XXX 的数学期望为 E...
【概率论】期望、方差、协方差、相关系数、相关与独立、样本估计量、点估计、区间估计
Gene_I must wait for the sunrise
01-06 2144
协方差 COV[X,Y]=E[{X−E[X]}{Y−E[Y]}]=E[XY]−E[X]E[Y]COV[X,Y]=E[\{X-E[X]\}\{Y-E[Y]\}]=E[XY]-E[X]E[Y]COV[X,Y]=E[{X−E[X]}{Y−E[Y]}]=E[XY]−E[X]E[Y] ∣COV[X,Y]∣≤VAR[X]VAR[Y]|COV[X,Y]|\leq \sqrt{VAR[X]VAR[Y]}∣COV[X,Y]∣≤VAR[X]VAR[Y]​ VAR[X+Y]=VAR[X]+VAR[Y]−COV[X,Y]VAR[
期望、方差、协方差及相关系数的基本运算
MissXy_的博客
06-15 5万+
期望、方差、协方差及相关系数的基本运算 期望、方差、协方差及相关系数的基本运算 期望 方差 协方差 相关系数 前言: 随着研究深入，发现数学、概率和线代越来越重要。抽个时间积累下。 期望 定义 设P(x)P(x)P(x)是一个离散概率分布函数，自变量的取值范围为{x1,x2,⋯,xn}{x1,x2,⋯,xn}\{x_1, x_2, \cdots, x_n\}。其期...
协方差及相关系数.pptx
10-07
特别地，如果X=Y，那么cov(X,X)=E(X-EX)²=D(X)，即方差是协方差的特例。 在讨论协方差之前，我们先看一个例子。在研究子女与父母的相象程度时，有一项是关于父亲的身高和其成年儿子身高的关系。英国统计学家皮尔逊...
协方差及相关系数.ppt
10-12
假设有两个随机变量 X 和 Y，协方差定义为 cov(X,Y) = E[(X-EX)(Y-EY)]，其中 E(X) 和 E(Y) 分别是 X 和 Y 的数学期望。协方差刻画了两个随机变量之间的某种关系。 协方差有以下性质： 1. 对称性：cov(X,Y) = cov...
协方差与相关系数PPT教案.pptx
10-03
协方差有计算公式Cov(X,Y)= E(XY)-E(X)E(Y)，且任意两个随机变量 X 与 Y 的和的方差为D(X+Y)=D(X)+D(Y)+2Cov(X,Y)。 协方差还具有以下几个性质： 1. Cov(X,Y)=Cov(Y,X)，证明：Cov(X,Y)= E[(X-E(X))(Y-E(Y))] = E...
随机数种子的作用
帆的博客
07-23 752
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
安装TensorRT各自小库版本问题
Ppandaer的博客
07-24 137
降版本：protobuf3.19，onnx 1.12。
GPU算力：驱动现代计算的引擎
UnityBoy的博客
07-22 540
在当今的计算密集型应用中，GPU（图形处理单元）算力已成为推动科学计算、人工智能、数据分析等领域发展的关键因素。GPU最初设计用于处理复杂的图形和图像任务，但随着技术的进步，它们已经演变为通用并行计算的强有力工具。本文将探讨GPU算力的基本概念、重要性、应用场景以及如何充分利用GPU算力。
Adam 和 RMSprop优化算法
最新发布
Never Give Up
07-24 585
RMSprop 是一个非常有效的、但相对简单的适应性学习率方法。Adam 在 RMSprop 的基础上增加了动量项，通常提供更好的稳定性。在实际应用中，Adam 是更受欢迎的选择，因为它通常能够更快地收敛，尤其是在复杂的深度学习模型中。在选择优化算法时，考虑具体问题的性质是很重要的，有时候可能需要通过实验来决定使用哪种算法。
机器学习基础：参数估计与矩阵运算中的期望、方差与协方差
- 如果两个随机变量 \( X \) 和 \( Y \) 相互独立，则它们的期望满足：\( E(X + Y) = E(X) + E(Y) \)，\( E(XY) = E(X)E(Y) \)。 3. **方差（Variance）**: - 方差是衡量随机变量波动程度的量，定义为：\( Var(X)...
评论 1
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