随机变量的数字特征之数学期望
Posted shenxi-ricardo
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了随机变量的数字特征之数学期望相关的知识,希望对你有一定的参考价值。
概念和性质
定义
期望是概率论中一个非常重要的概念。若 X 是一个离散型的随机变量,其分布列为 p(x),那么 X 的期望记作 E[X],定义为:
若 X 是一个连续型随机变量,其概率密度函数为 f(x),则 X 的期望 E[X] 定义为:
用语言表达,X 的期望就是 X 所有可能取值的一个加权平均,每个值的权重就是 X 取该值的概率。举个栗子:
若 X 的分布列为
p(0) = 1/2 = p(1)
那么
E[X] = 0 * 1/2 + 1 * 1/2 = 1/2
这正是 X 的两个可能取值 0 和 1 在通常意义下的平均值。另一方面,若
p(0) = 1/3, p(1) = 2/3,
那么
E[X] = 0 * 1/3 + 1 * 2/3 = 2/3
这是两个可能取值 0 和 1 的加权平均, 因为 p(1) = 2p(0),此时 1 的权重是 0 的权重的 2 倍。
常见分布的期望
数学期望 E[X] 完全由随机变量 X 的概率分布所确定,若 X 服从某一分布,也称 E[X] 是这一分布的数学期望。
常用一维随机变量的期望如下:
0 - 1 分布:
E[X] = p
二项分布, X ~ B(n, p):
E[X] = np
泊松分布, X ~ P(λ):
E[X] = λ
均匀分布, X ~ U(a, b):
E[X] = (a + b) / 2
指数分布, X ~ E(λ):
E[X] = 1 / λ
正态分布, X ~ N(μ, σ^2):
E[X] = μ
以下推导泊松分布及均匀分布的期望:
泊松分布:
均匀分布:
举个栗子
以上是关于随机变量的数字特征之数学期望的主要内容,如果未能解决你的问题,请参考以下文章