[a, b]均匀分布方差
均值为 a + b 2 \frac{a + b}{2} 2a+b, 总数n为 ( b − a ) (b-a) (b−a)
方差= ( x − 均 值 ) 2 n \frac{(x-均值)^2}{n} n(x−均值)2
所以[a, b]均匀分布的方差为:
v a r i a n c e = ∫ a b ( x − a + b 2 ) 2 d x ( b − a ) = 1 ( b − a ) ⋅ 1 3 ( x − a + b 2 ) 3 ∣ a b = 1 ( b − a ) ⋅ 1 3 ⋅ [ ( b − a + b 2 ) 3 − ( a − a + b 2 ) 3 ] = 1 ( b − a ) ⋅ 1 3 ⋅ [ ( b − a 2 ) 3 − ( a − b 2 ) 3 ] = 1 ( b − a ) ⋅ 2 3 ⋅ ( b − a 2 ) 3 = ( b − a ) 2 12 \begin{aligned} variance &= \frac{\int_a^b (x - \frac{a + b}{2})^2 dx }{(b - a)}\\ &= \frac{1}{(b - a)} \cdot { \frac{1}{3}(x - \frac{a + b}{2})^3\bigg\rvert_{a}^{b} } \\ &=\frac{1}{(b - a)} \cdot \frac{1}{3} \cdot [ (b - \frac{a + b}{2})^3- (a - \frac{a + b}{2})^3] \\ &=\frac{1}{(b - a)} \cdot \frac{1}{3} \cdot [ (\frac{b - a}{2})^3- (\frac{a - b}{2})^3] \\ &=\frac{1}{(b - a)} \cdot \frac{2}{3} \cdot (\frac{b - a}{2})^3 \\ &=\frac{(b - a)^2}{12} \end{aligned} variance=(b−a)∫ab(x−2a+b)2dx=(b−a)1⋅31(x−2a+b)3∣∣∣∣ab=(b−a)1⋅31⋅[(b−2a+b)3−(a−2a+b)3]=(b−a)1⋅31⋅[(2b−a)3−(2a−b)3]=(b−a)1⋅32⋅(2b−a)3=12(b−a)2
不过也可以用 D ( x ) = E ( x 2 ) − E ( x ) 2 D(x)=E(x^2)-E(x)^2 D(x)=E(x2)−E(x)2来算
[a, b]均匀分布方差相关推荐
- fastai 2019 lesson9 notes 笔记
lesson9 How to train your model 本文markdown源文件:lesson9.md 2019年视频地址:https://course19.fast.ai/videos/? ...
- Java中实现正态随机分布
这次内容分为两部分,如果你对算法怎么实现没兴趣的话,看看简单版如何调用库函数就好了,如果你和我一样对算法又有那么点兴趣,那就接着看看进阶版,看不懂也不亏嘛. 简单版 如果不想自己写的话,Java ut ...
- 信号是受噪声Nt干扰的余弦波Xt = Acoswt + φ + Nt,试求它的自相关函数。假设φ是在[0, 2Π]上均匀分布的随机变量,Nt是均值为0方差为σ2的白噪声,且 Nt 与 φ 互不相关。
信号是受噪声Nt干扰的余弦波Xt = Acoswt + φ + Nt,试求它的自相关函数.假设φ是在[0, 2Π]上均匀分布的随机变量,Nt是均值为0方差为σ2的白噪声,且 Nt 与 φ 互不相关. ...
- 均匀分布的期望与方差计算公式
假设随机变量服从[a,b]区间上的均匀分布,那么其期望和方差的计算公式如下:
- 均匀分布U(a,b)均值和方差
均匀分布U(a,b)均值和方差 · 验证U(a,b)的均值是(a+b)/2 """ 2020/2/23 验证U(a,b)的均值是不是(a+b)/2 "" ...
- 【随机过程】t分布、卡方分布、F分布、均匀分布、正态分布、指数分布、几何分布、二项分布、泊松分布、0-1分布等分布的分布律、期望、方差和特征函数汇总
分布 分布律或概率密度 期望 方差 特征函数 0-1分布 P(X=1)=p,P(X=0)=q,0<p<1,p+q=1P(X=1)=p,P(X=0)=q,\\0<p<1,p+q= ...
- 均匀分布的均值及方差
- 均匀分布的期望与方差
最后欢迎大家访问我的个人网站:1024s
- 概率论中均值、方差、标准差介绍及C++/OpenCV/Eigen的三种实现
概率论是用于表示不确定性声明(statement)的数学框架.它不仅提供了量化不确定性的方法,也提供了用于导出新的不确定性声明的公理.在人工智能领域,概率论主要有两种用途.首先,概率法则告诉我们AI系 ...
最新文章
- linux优化网页加载过程,HTML页面加载和解析流程 介绍
- 华人首位!许晨阳获2021年美国数学会代数领域最高奖
- Netty傻瓜教程(一):Netty初探,只写个服务端也能工作
- java利用求余水仙花数_java求水仙花数
- 克鲁斯卡尔(Kruskal)算法求最小生成树
- Teams Bot 如何使用新的 System.Text.Json 库
- VMware vSphere 性能优化设计经验+优化方法 | 周末送资料
- Dato for Mac(菜单栏时钟工具)支持m1
- 除了深度学习,你需要知道AI技术的23个方向
- 解决WebStorme点击谷歌浏览器图标无反应问题
- 《SEM长尾搜索营销策略解密》一一2.14 3M的奇思妙想,原来来自长尾
- 第6期:大学生应该选择哪种主流编程语言
- arcgis 地下管线三维建模
- 【离散数学】群论知识点总结
- 计算机专业对口大学,计算机专业对口升学有哪些大学
- 初步中的初步了解DFS以及DFT
- 量子退火Python实战(3):投资组合优化(Portfolio) MathorCup2023特供PyQUBO教程
- 微信公众号授权绑定第三方应用
- 《SpringBoot框架学习二之HTTP协议》
- Qt5获取并解析中国天气网数据