概率论考点之方差及数学期望
如题:2019年10月:
分析:由方差的性质,详见4
D(2x+1)=D(2x)+0=4D(x)=10,所以D(x)=2.5,答案选B
在此之前,不知什么是方差。
1、什么是方差呢?
可以说是建立在数学期望基础上的概念,什么是数学期望呢?详见扩展:《关于数学期望由来??》
从方差的概念中:X-E(x),可以看出是随机变量X的取值偏离E(x)平均程度的值,可能是正,也可能是负,再取平方之后,都是正。可见方差是对数学期望的偏离程度的放大。如果说数学期望是对一条曲线整体波动性的描述(用值 X 概率,再相加或积分),那么方差则更深入到这个波动性的内部,提示了波动性产生的原因(也就是偏离程度,用随机变量X的平方的数学期望 减去 X的数学期望的平方)。
也就是计算方差公式:公式很重要!!!!!!
2、常见离散型随机变量方差:
0-1分布: D(x)=p(数学期望) * (1-p)
二项分布: D(x)=np * (1-p)
泊松分布: D(x)=(与数学期望一样)
3、常见连续型随机变量的方差:
均匀分布: D(x)=,区间长度的平方除以12
指数分布: D(x)=
正态分布: D(x)=^2
4、方差的性质:
扩展:
- 关于数学期望由来??
整个随机变量的数学特征,数学期望描述的是随机变量取值的平均程度。方差描述的是随机变量的取值偏离其数学期望的偏离程度。相关系数描述的是两个随机变量之间的相互关系,是不是具有线性关系。可见,前两个都是随机变量的取值的特征,也是最先想到的,至于为什么用平均程度来衡量呢?书中提到个词“波动性”就很关键了,这也是其中的原因。
- 离散型随机变量的数学期望:
为什么离散型随机变量的数学期望是通过不同值乘其对应概率,相加得到的呢?可以从其离散型随机变量图形得到,每个具体的值(在x轴),分别对应一个不同的概率值,相加后自然会得到一个值,对于同一个事物研究这个和,仿佛没有什么意义,但当相同的事物大于2个的时候,和越大,说明这个事物的波动性越大,越不稳定,从而具有现实意义和价值。
需要记忆的常见离散型随机变量的数学期望:
0-1分布:P{X=1},P{X=0}=1-p,EX=1*p+0*(1-p)=p
二项分布:X(n,p) , EX=np
泊松分布:XP(),EX=
离散型随机变量的函数的数学期望:由于随机变量X是离散的,那么关于X的函数也是离散的,所以求函数的分布律只需要将X换成X函数的形式就可以了
- 连续型随机变量的数学期望:
连续型随机变量的数学期望是:没有边界[]的积分,什么含义呢?由连续型随机变量的图形(脑补成一条曲线),x就取全域值[],f(x)代表这条曲线,积分的话是f(x)在x全域上的值相加,可以看到要知道“波动性”是不是也可以通过个相加的值呢?脑补一下,不同高度的曲线面积。所以连续型随机变量的数学期望就是全域上的积分值。
需要记忆的常见连续型随机变量的数学期望:
均匀分布:EX=,也就是[a,b]区间的中点。符合数学期望是关于平均程度的描述。
指数分布:EX=
正态分布:XN(,^2)EX=.
连续型随机变量函数的数学期望:也是将随机变量换成随机变量函数的形式,概率密度不变。
- 二维随机变量的数学期望:思想与一维是一样的,千万不要记公式,只需要明白原理(参考一维)
离散型:
连续型:
- 数学期望的性质:
性质1-3总结:线性组合的数学期望等于期望的线性组合
总结:
概率论考点之方差及数学期望相关推荐
- 概率论基础(7)数学期望、方差、协方差、切比雪夫不等式
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 ...
- 概率统计与机器学习:期望,方差,数学期望,样本均值,样本方差之间的区别
1.样本均值:我们有n个样本,每个样本的观测值为Xi,那么样本均值指的是 1/n * ∑x(i),求n个观测值的平均值 2.数学期望:就是样本均值,是随机变量,即样本数其实并不是确定的 PS:从概率论 ...
- 概率论-2.2 随机变量的数学期望(重点:随机变量X的期望)
分布有关的特征数:均值,方差,分位数等 期望的定义: 设离散随机变量X的分布列为pi=p(xi)=P(X=xi),i=1,2,-,n 若Sum(| xi |*p(xi))收敛(等价于Sum( xi * ...
- 概率统计:数学期望、方差、协方差、相关系数、矩
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: ...
- 数学期望,方差,标准差,样本方差,协方差,相关系数概念扫盲
数学期望 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. 再举个例子理解一下数学期望: ...
- python 数学期望_python机器学习笔记:EM算法
完整代码及其数据,请移步小编的GitHub 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/MachineLearningNote EM算法也称期望最大化 ...
- 区分两种题目类型中的数学期望
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(百度百科) 一种类型的题目:小明抽中彩票的概率为 p,小明重复进行抽奖,则其能抽中彩票所需的抽 ...
- python 数学期望_数学期望(离散型和连续型)
数学期望的定义 数学期望的计算公式 例题 1.数学期望的定义 在概率论和统计学中,数学期望(或均值)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. ...
- 学习笔记——数学期望
期望 蒟蒻在上个暑假才了解了一部分数学期望,今天来专门学习一些期望的基础概念与知识 定义 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 ...
- 数学期望(Expectation)
数学期望 一.什么是期望 二.引入 三.一些小性质 一.什么是期望 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 ...
最新文章
- MaxCompute 多行数据合并为一行数据
- 子元素超出了父元素的高度_T恤定制融入中国元素,美出新高度
- 欢迎使用CSDN-markdown编辑器1212131
- syslog可能引起得问题_牙齿经常有问题?可能是这4个坏习惯引起的,要改正
- 作者:程文亮(1989-),男,华东师范大学数据科学与工程研究院硕士生
- 相似性度量:机器学习距离公式总结
- JVM 类加载机制详解
- WEB API异常处理
- 如何用计算机截部分屏,电脑如何长屏幕的截图?电脑截取长屏的方法
- 时间序列分析系列(一) : 基本概念
- matlab横纵坐标程序,matlab横纵坐标标注
- oracle inst 自动重启,oracle rac 节点自动重启
- python制作电脑软件_python制作一个桌面便签软件 -电脑资料
- 浅谈全概率公式和贝叶斯公式
- Koa2实现电影微信公众号前后端开发学习视频
- 前端---div 显示与隐藏
- 【云和恩墨大讲堂】SQL 审核 | 细致入微,方显价值
- IPHONE手机知识大全(上)
- DRUID 连接池的使用、配置详解
- Java的字符串转int算法