本文介绍了1.1离散型随机变量期望值1.2连续型随机变量期望值1.3期望值的性质、2 .随机变量函数(复合随机)数学期望值3 )方差值3.1离散型随机变量方差值3.2连续性随机变量方差值3.3方差值的性质、4.2离散型二维变量方差值的性质
(一)引入:
1.1离散型随机变量的期望
注:其实是根据等概率推导出来的,等概率下的权重都是1/N。
1.2连续型随机变量的期望
注:有连续性随机变量的点的概率是无意义的,所以借用密度函数。 有关详细信息,请参阅https://blog.csdn.net/QQ _ 37534947/article/details/109563254。 其实是希望累计的过程。
1.3预期性质
注意,其中第三个性质可以展开所有X Y的各种情况,最终得到这样的结果。
(2)随机变量函数(复合随机)的数学期望1.理解
注:其实是复合随机变量的期待。 关于离散型,它主要是各值增加了多少倍/减少了多少倍,但概率不变,公式见上面;连续性随机变量实际上是相同的,各点的概率不变,所以变量本身的值可以出厂了。
(三)分散引入的意义:
求出每次相对于平均值变动:
求波动的平方和:
定义:
注:实际上,对于x-e(x )侧,求平均值其实是方差。 请注意,这里的平均值也是加权平均。 所以分散其实是特别的期待。
3.1离散型随机变量的方差
3.2连续性随机变量的方差
3.3方差性质
注(3)4)5)等性质适用于定义即可得到,但在此不涉及; 关于独立和协方差,后8 )的证明如下
四:协方差4.1定义
注意:这里与前面的变量相比,前面是在一个变量的偏移后平方的,这里是平移两个变量进行乘法运算。
4.2离散型二维随机变量的协方差
4.3连续型二维随机变量的协方差
4.4二维随机变量的协方差特性
注:了解后…
4.5协方差矩阵
(五)相关系数所以:独立不一定相关,但也不一定独立。 这里的不相关是指线性不相关,所以有可能具有其他非线性关系。 找到具体例子后补记----。
参考链接:
3359 www.cn blogs.com/big monkey/p/11097322.html