方差,标准差,协方差、期望值

简介: 方差:方差是变量与其平均值的平方和的算术平均值,例如:             有一组数据{4,5,6,7}, 平均值为:(4+5+6+7)/4=22/4=5.5             其方差为:[(4-5.5)2+(5-5.5)2+(6-5.5)2+(7-5.5)2]/4 标准差:方差的开

方差:方差是变量与其平均值的平方和的算术平均值,例如:

            有一组数据{4,5,6,7}, 平均值为:(4+5+6+7)/4=22/4=5.5

            其方差为:[(4-5.5)2+(5-5.5)2+(6-5.5)2+(7-5.5)2]/4

标准差:方差的开2次方

            例如上面那组数据的标准差为:{[(4-5.5)2+(5-5.5)2+(6-5.5)2+(7-5.5)2]/4}0.5

协方差:

            概率论统计学中,协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。

    期望值分别为E(x) = μ 与 E(y) = ν 的两个实数随机变量xy之间的协方差定义为:

   

    其中,E是期望值。它也可以表示为:

   

    直观上来看,协方差表示的是两个变量总体的误差,这与只表示一个变量误差的方差不同。

            其中E(x)的计算方法例如:

            有两组数据X和Y,{X1=3,X2=4,X3=8},{Y1=2,Y2=5,Y3=5}

E(XY)=(3*2+4*5+8*5)/3=66/3=22


概率学方面的期望值

    件不确定的事件有确定的所有结果,把第一种的结果值记为s1,它发生的概率记为p1,第二种结果值记为s2,它发生的概率为p2,... 第n种结果值记为sn,它发生的概率记为pn ... 那么期望值 Ex=s1*p1+s2*p2+...+sn*pn+...


如何通俗易懂地解释「协方差」与「相关系数」的概念?


相关引用:知乎 question/20852004


目录
相关文章
|
6月前
|
机器学习/深度学习 数据采集 人工智能
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。
77 0
算法金 | 协方差、方差、标准差、协方差矩阵
|
7月前
|
机器学习/深度学习 算法 数据挖掘
K-均值算法
K-均值算法是发现给定数据集的k个簇的算法。簇个数k是用户给定的,每一个簇通过其簇中所有点的中心点来描述 工作流程: 首选选取样本中k个样本作为每个簇的簇中心 然后对每一个样本与每个簇之间的关系,来分配到每一个簇中 然后更新每个簇的均值
67 1
08 方差与标准差
08 方差与标准差
69 0
|
机器学习/深度学习 数据挖掘
09 协方差与相关系数
09 协方差与相关系数
67 0
|
数据格式
SPSS计算偏度、峰度、平均值、极值、中位数、标准差
本文介绍基于SPSS软件的经典统计学分析与偏度、峰度等常用统计学指标的计算方法~
4160 1
SPSS计算偏度、峰度、平均值、极值、中位数、标准差
|
机器学习/深度学习
L4-数字特征:期望、方差、协方差、相关系数等
L4-数字特征:期望、方差、协方差、相关系数等
L4-数字特征:期望、方差、协方差、相关系数等
L3-连续变量分布:均匀分布、指数分布、正态分布
L3-连续变量分布:均匀分布、指数分布、正态分布
L3-连续变量分布:均匀分布、指数分布、正态分布
|
移动开发
概率与信息论:期望、方差、标准差和协方差
概率与信息论:期望、方差、标准差和协方差
222 0
|
Python
Python编程:方差、标准差、均方差、均方根值、均方误差、均方根误差
Python编程:方差、标准差、均方差、均方根值、均方误差、均方根误差
327 0
Python编程:方差、标准差、均方差、均方根值、均方误差、均方根误差