均值(average)与期望(mean)

Posted jiangkejie

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了均值(average)与期望(mean)相关的知识,希望对你有一定的参考价值。

显然二者不是同一个东西。

平均值属于《数理统计》的范畴,期望属于《概率论》的范畴。英语中平均值写作average,均值写作mean。

期望的描述引述陈希孺院士《概率论与数理统计》如下:

数学期望常称为“均值”,即“随机变量取值的平均值”之意,当然这个平均,是指以概率为权的加权平均。……数学期望是由随机变量的分布完全决定。

大数定理将二者连接起来:大数定理说明当样本量N趋近无穷大的时候,样本的平均值无限接近数学期望。

In probability theory, the law of large numbers (LLN) is a theorem that describes the result of performing the same experiment a large number of times. According to the law, the average of the results obtained from a large number of trials should be close to the expected value, and will tend to become closer as more trials are performed.

这里有一个限定条件“样本量趋近无穷大”,往往人们容易遗忘的就是这个限定条件。如果样本较小的时候,使用平均值来代替期望就要计算它可信程度了(置信水平)。

区分平均值和期望

本文开头已经叙述过,平均值属于《数理统计》的范围,期望属于《概率论》的范围。大数定理起到连接作用。

平均值就是描述统计当中一个描述性指标,是数据集合总体趋势的一种描述指标。

期望就是其中关于随机变量的一种总体性描述,它是事件本质的一种表达。

大数定理将属于数理统计的平均值和属于概率论的期望联系在一起。通过前文描述我们知道,通过收集大量的样本并计算样本集合的平均值可以无限近似期望,

而且事物的其他本质属性则可以通过基于期望的变换得来,因此人们可以通过运用大数定律来接近事物本质。

 样本量很大的要求限制了大数定理的应用(为了解决这个问题,人们提出了贝叶斯的方法)。

 

---------------------
作者:shiter
来源:CSDN
原文:https://blog.csdn.net/wangyaninglm/article/details/80197579





以上是关于均值(average)与期望(mean)的主要内容,如果未能解决你的问题,请参考以下文章

np.average() 和 np.mean() 之间的 NumPy 区别 [重复]

人工智能 | K-MEANS聚类算法均值偏移聚类算法DBSCAN聚类算法使用高斯混合模型(GMM)的期望最大化(EM)聚类合成聚类

偏差和方差

Numpy 均值无法获取其他轴

如何使用 Ruby 进行一维 k 均值聚类?

Python气象数据处理与绘图(2):常用数据计算方法