随机变量的数学期望

简介: 随机变量的数学期望

正文


离散型随机变量的数学期望


定义:

设离散型随机变量X 的分布律为:

1.png

若级数2.png绝对收敛,则称级数2.pngX 的数学期望(简称期望或均值)。记为E ( X ) 。即:

3.png


连续型随机变量的数学期望

设连续型随机变量X 的密度函数为f ( x ),若积分4.png绝对收敛,称该积分值为随机变量X XX的数学期望,记为E ( X ) E(X)E(X)。即:

5.png

随机变量函数的数学期望


设X XX是随机变量,g ( x ) 为实值函数,则Y = g ( X ) 也是随机变量。

有:

x 为离散型、连续型随机变量:


6.png

x为二维离散型、连续型随机变量:

7.png

数学期望的性质


E ( c ) =c,其中c 为常数

E ( c X ) = c E ( X )

E ( X + Y ) = E ( X ) + E ( Y )

若X 与Y 相互独立,则有E ( X Y ) = E ( X ) E ( Y )


8.png9.png

目录
打赏
0
0
0
0
5
分享
相关文章
算法金 | 协方差、方差、标准差、协方差矩阵
**摘要:** 本文介绍了统计学中的基础概念,包括方差、标准差、协方差及其矩阵。方差衡量数据的分散程度,标准差是方差的平方根,提供相同单位下的波动度量。协方差则分析两个变量的关联性,正负值表示正负相关。协方差矩阵扩展到多变量情况,展示多个变量间的关系。这些工具在金融、质量控制、机器学习等领域有广泛应用。文章通过实例和公式清晰解释了每个概念,并强调理解它们之间的关系对于数据分析和统计建模的重要性。
111 0
算法金 | 协方差、方差、标准差、协方差矩阵