数据科学基础(三) 期望和方差
3.1 数学期望
3.1.1 离散型数据的数学期望
- $P(X=xk)= p_k,
\sum^\infty{k=1}xkp_k E(X)=\sum^\infty{k=1}x_kp_k$.
注意:数学期望不一定均存在.
3.1.2 连续型数据的数学期望
的密度函数为 $f(x),\int{-\infty}^{\infty}xf(x)dx Ex = \int{-\infty}^{\infty}xf(x)dx$
3.1.3 随机变量函数的期望
- 离散
则
3.1.4 期望的性质
- 若
独立,则
3.2 方差
3.2.1 方差的定义
- 离散型:
- 连续型:
但是一般用
3.2.2 方差的性质
- 若
独立 则
3.3 常见分布的期望和方差
3.3.1 常见离散型的期望与方差
1. 0-1分布
2. 二项分布
期望
设则$E(Xi)=1 \times p+0 \times (1-p)=p,E(X)=E(\sum{i=1}^nXi)=np$
方差
3. 几何分布
$DX=\sum{k=1}^nk^2(1-p)^{k-1}p=\frac{1-p}{p^2}
4. 泊松分布
- $EX=\sum{k=0}^\infty k\frac{\lambda^k}{k!}e^{- \lambda}=\sum{k=1}^\infty \frac{\lambda^k}{(k-1)!}e^{- \lambda}=\lambda \sum_{k=1}^\infty \frac{\lambda^{k-1}}{(k-1)!}e^{- \lambda}=\lambda \times 1=\lambda$(可以用概率和为1).
- 方差
则
3.3.2 常见连续型的期望与方差
1. 均匀分布
2. 指数分布
期望
方差
3. 正态分布
证明:
,则然后
3.4. 协方差和相关系数
3.4.1. 协方差
当随机变量
当不独立的时候,
其中协方差
推论:
3.4.2. 相关系数
3.5 中心距和原点矩
阶原点矩: . 例: 一阶原点矩. 阶中心距: . 例: 一阶中心距:0; 二阶中心矩: ,即方差.
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 极东魔术昼寝结社!
评论