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:

                      技术图片

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:

                      技术图片

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:

技术图片

均匀分布:

技术图片

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

随机变量的数字特征

概率论与数理统计基本概念随机变量的数字特征

机器学习基础知识之概率论的随机变量及其分布

机器学习基础知识之概率论的随机变量及其分布

数学期望方差与矩

高斯分布