一  、数学期望(均值):

在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和。是最基本的数学特征之一。它反映随机变量平均取值的大小。其公式如下:

xk :表示观察到随机变量X的样本的值。

pk : 表示xk发生的概率。

数学期望反映的是平均水平。通过它,我们能够了解一个群体的平均水平。但另外一个方面,它所包含的信息也是十分有限的,首先是个体信息被压缩了,其次如果单纯看期望的话,是看不出样本的数量。

在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和

严格的定义如下:

.数学期望的含义:   反映随机变量平均取值的大小

二 、期望、方差、标准差

概率论与数理统计中,最基本概念就是均值、方差、标准差,n个样本xi的集合X。具体公式描述为

对于一维数据的分析,最常见的就是计算平均值(Mean)、方差(Variance)和标准差(Standard Deviation)。

平均值

平均值的概念很简单:所有数据之和除以数据点的个数,以此表示数据集的平均大小;其数学定义为:

在概率论和数理统计中,方差(英文Variance)用来度量随机变量和其数学期望(即均值)之间的偏离程度.方差越大,随机变量的结果越不稳定。常用来评估风险。

方差是各个数据与平均数之差的平方的和的平均数,用字母D表示。

标准差与方差一样,表示的也是数据点的离散程度;其在数学上定义为方差的平方根:

标准差是一组数值自平均值分散开来的程度的一种测量观念。一个较大的标准差,代表一组数据里大部分的数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接近平均值。

为什么用这么复杂的方法来计算标准差呢,这是因为在实践中,我们发现相当多的数据都呈现近似于“正态分布”

简单的说就是呈现正态分布的一组数据中,靠近中间高点的数字出现的概率要远大于在两侧更远地方出现的概率

理解正态分布对理解标准差具有重要的意义,回到上面那张钟形曲线图,如果说平均值可以告诉我们这条曲线最高点在什么位置,那么标准差就可以告诉我们这条曲线的宽窄程度。

反过来正态分布也可以用来解释标准差:在一个标准正态分布中,数字出现的概率是固定的。

标准差经常被用来描述数据的波动性,标准差越大说明其偏离均值程度越大,也越罕见,之后回归常态的可能性也在升高。

三 、方差

什么是Variance(方差)

Variance反映的是模型每一次输出结果与模型输出期望之间的误差,即模型的稳定性。反应预测的波动情况。

方差

(variance)是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论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。在许多实际问题中,研究方差即偏离程度有着重要意义。

方差( D(X)或Var(X) )计算公式如下:

X: 表示随机变量。        E(X) : 表示X的期望。   D(X) : 是每个样本值与全体样本值的平均数之差的平方值的平均数

四 、

.标准差是为了描述数据集的波动大小而发明发的。

方差、标准差

方差这一概念的目的是为了表示数据集中数据点的离散程度;其数学定义为:

标准差与方差一样,表示的也是数据点的离散程度;其在数学上定义为方差的平方根:

为什么使用标准差?

与方差相比,使用标准差来表示数据点的离散程度有3个好处:

表示离散程度的数字与样本数据点的数量级一致,更适合对数据样本形成感性认知。依然以上述10个点的CPU使用率数据为例,其方差约为41,而标准差则为6.4;两者相比较,标准差更适合人理解。

表示离散程度的数字单位与样本数据的单位一致,更方便做后续的分析运算。

在样本数据大致符合正态分布的情况下,标准差具有方便估算的特性:66.7%的数据点落在平均值前后1个标准差的范围内、95%的数据点落在平均值前后2个标准差的范围内,而99%的数据点将会落在平均值前后3个标准差的范围内。

(部分转载于) 悦悦_成长日记

概率统计:数学期望、方差、协方差、相关系数、矩相关推荐

  1. 随机变量的期望 方差 协方差 相关系数的性质

    期望性质:E(C)=C,C为任意常数 E(aX+bY)=aE(X)+bE(Y) E(aX+C)=aE(X)+C X,Y独立 E(XY)=E(X)E(Y) 方差:D(X)=E(X*X)-E(X)*E(X ...

  2. 浅谈概率与数学期望问题

    浅谈概率与数学期望问题 前言 ​ 在算法竞赛中,概率与数学期望的问题经常出现,大多数都要找出递推式子,在计算数学期望的时候,需要回忆起概率论中一个非常重要的公式: E ( a X + b Y ) = ...

  3. 数学1——概率与数学期望

    数学1--概率与数学期望 本文作者frankchenfu,blogs网址http://www.cnblogs.com/frankchenfu/,转载请保留此文字. 1.什么是数学期望? 数学期望亦称期 ...

  4. 《算法竞赛进阶指南》数论篇(3)-组合计数,Lucas定理,Catalan数列,容斥原理,莫比乌斯反演,概率与数学期望,博弈论之SG函数

    文章目录 组合计数 例题:Counting swaps Lucas定理 Cnm≡Cnmodpmmodp∗Cn/pm/p(modp)C_n^m\equiv C_{n\ mod\ p}^{m\ mod\ ...

  5. 概率统计Python计算:协方差与相关系数计算

    我们知道,若随机向量(X,Y)(X,Y)(X,Y)存在E(X)E(X)E(X),E(Y)E(Y)E(Y),E(XY)E(XY)E(XY),则存在(X,Y)(X,Y)(X,Y)的协方差Cov(Y,X)\ ...

  6. 容斥原理和概率与数学期望

    容斥原理就是全集减去其他不满足的集合的并集,E-(E1∪E2∪E3∪.....∪Ek)=E-E1-E2-E3-...+E1∩E2+E2∩E3..意思是奇数个的符号就是-,偶数个就是+,一般用二进制枚举 ...

  7. 标准差 方差 协方差 相关系数

    一.统计学的基本概念 统计学里最基本的概念就是样本的均值.方差.标准差.首先,我们给定一个含有n个样本的集合,下面给出这些概念的公式描述: 均值: 标准差: 方差: 均值描述的是样本集合的中间点,它告 ...

  8. UVAPOJ离散概率与数学期望入门练习[4]

    POJ3869 Headshot 题意:给出左轮手枪的子弹序列,打了一枪没子弹,要使下一枪也没子弹概率最大应该rotate还是shoot 条件概率,|00|/(|00|+|01|)和|0|/n谁大的问 ...

  9. 0x30数学知识(0x38 概率与数学期望)例题3:扑克牌(题解)

    题意 题目链接 [题意] Admin生日那天,Rainbow来找Admin玩扑克牌.玩着玩着Rainbow觉得太没意思了,于是决定给Admin一个考验. Rainbow把一副扑克牌(54张)随机洗开, ...

  10. bzoj1415 [Noi2005]聪聪和可可【概率dp 数学期望】

    传送门:http://www.lydsy.com/JudgeOnline/problem.php?id=1415 noip2016 D1T3,多么痛的领悟...看来要恶补一下与期望相关的东西了. 这是 ...

最新文章

  1. Unix/Linux/Mac os下 文件互传
  2. timesten 修改最大连接数
  3. C++从键盘读取字符
  4. 标记页面区分渠道php,PM必懂的前端知识
  5. SQL Server 2005 重装时报:对性能监视器计数器注册表值执行系统配置检查失败
  6. jQuery对类的操作.addClass()/.removeClass()/.hasClass()方法
  7. 各类防火墙应用对比分析
  8. redhat bash: yum: 未找到命令..._常用linux yum 命令和 vim命令,这几个要熟记
  9. C++——数的进制和数据间隔
  10. Android Demo---如何敲出圆角的Button+圆角头像
  11. Bootstrap 2.2.2 发布,重要的 Bug 修复版本
  12. 《线性代数及其应用》前言翻译
  13. 【前端_React】React小书
  14. 区块链运营思路_区块链商业模式,及数字货币运营方案
  15. 百度地图 3.0 WEB离线开发
  16. 2019年最新目标检测算法综述汇总
  17. 《码农翻身》各章节阅读链接
  18. 一文搞懂移动端单位em、rem、vh、vw
  19. 一个月考过软件测评师,我是怎么做到的
  20. 给定经纬度计算距离_根据经纬度计算两地间的距离

热门文章

  1. (四)生产者消费者模式
  2. 对比欧氏距离与余弦相似度
  3. zed相机拆机_使用TX2+ZED相机运行ORBSLAM2和LearnVIORB
  4. Flutter 不容错过的 7 大亮点 | Google I/O 精彩回顾
  5. (4)图像增强- Part1. 对比度增强
  6. Java中将base64编码字符串转换为图片
  7. 使用机器学习预测股票市场(机器学习案列)
  8. Django - 创建工程 和 APP 与 开发工具
  9. 数据库指向默认模式(Schema)
  10. iPhone 部分机型尺寸