期望及方差

一连有梦咿 一连有梦咿 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 800+累计阅读 888平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
原创 最新推荐文章于 2026-03-04 09:18:13 发布 888 阅读 AI 写同款· GEO 优化 ›
带你深入理解期望、方差、协方差的含义 基本概念 为了能够更深刻的理解，这里先梳理一下概率论中的几个基本概念。 事件 事件指某种（或某些）情况的“陈述”，通俗来讲，事件就是一些case，比如A事件定义为，掷出偶数点=(2,4,6)，这个case包含了多个结果，其中，每个结果叫做一个基本事件，一个事件是由若干基本事件构成的。由此可见，事件的本质是 集合。 有了事件，自然就有事件之间的关系，因为事件的本质是集合，所以我们可以用集合的运算符号来表达事件之间的基本逻辑关系，基本关系有 ： 蕴含与相等：如果当A发生时B必发生 ，记A⊂BA\subset B 阅读详情

Expectation and variables （期望与方差）

问题：需要匹配多少个肾才最终可以匹配成功？
在这里插入图片描述
如果是伯努利随机变量，那期望值为P
在这里插入图片描述
如果是几何随机变量，期望值为1/P在这里插入图片描述
在这里插入图片描述

方差：V(X), 衡量随机变量与均值的距离。

在这里插入图片描述

伯努利及几何随机变量的方差

在这里插入图片描述
例子
在这里插入图片描述

随机变量的线性方程的期望值及方差

1、离散型随机变量，连续型随机变量，以及线性方程的期望值
在这里插入图片描述
2、离散型随机变量，连续型随机变量以及线性方程的方差值
在这里插入图片描述
在这里插入图片描述

收录于
概率学基础

当前文章被收录于：

概率学基础
14 篇文章 4 人学习
订阅专栏 查看详情
标签
#概率论
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
数学期望&方差 expectation&variance 离散型随机变量 基本概念 Def 数学期望 数学期望其实就是加权平均数。 P(X=Xk)=Pk,如果∑k=1nxkP(Xk)收敛，则E(X)=∑k=1nxkP(Xk)为X的数学期望。P(X = X_k) = P_k, 如果\sum_{k=1}^{n}x_kP(X_k)收敛，则E(X) = \sum_{k=1}^{n}x_kP(X_k)为X的数学期望。P(X=Xk​)=Pk​,如果k=1∑n​xk​P(Xk​)收敛，则E(X)=k=1∑n​xk​P(Xk​)为X的数学期望。 函数的期望 令Y=g(X)，E(X 阅读详情

相关推荐

均值，期望，方差，标准差，协方差

（把自己看的博客内容进行了综合） １．均值 均值，其实是针对实验观察到的特征样本而言的。比如我们实验结果得出了x1,x2,x3……xn这n个值，那么我们的均值计算是 1/N \ * (x_{1}+x_{2}+…x_{n}) 比如我们进行掷骰子，掷了六次，点数分别为2，2，2，4，4，4，这六次的观察就是我们的样本，于是我们可以说均值为(2+2+2+4+4+4)/6=3。但是千万不能说期望是3，下面...

Hcaroline 1万+

Bernoulli分布的特征函数及期望与方差

【Bernoulli分布的特征函数及期望与方差】

hnjzsyjyj的专栏 3987

kubeadm init 运行时kebelet启动失败问题

解决k8s kubeadm init时遇到的kubelet问题

ZDPZN的博客 6074

伯努利试验性质--概率期望

Given a dice withnsides, you have to find the expected number of times you have to throw that dice to see all its faces at least once. Assume that the dice is fair, that means when you throw the dic...

lanshan1111的博客 4898

告别Nginx原始日志！VictoriaLogs+Grafana构建企业级应用日志分析平台实战

描述：做为一个合格的运维工程师，在面对企业安全运维管理中，日志审计是一项非常重要的工作。授人以鱼不如授人以渔，各位运友们可参照作者的方案设计，在自己的项目中根据实际情况调整落地，例如，不在仅仅采集 NGINX 应用日志，而是采集 Apache、Tomcat、SpringBoot 等多种应用服务器的日志，又如，不再仅仅采集网络设备、安全审计审计日志，而是 Windows、Linux 等多种操作系统的审计日志等，大家可充分发挥想象、实践能力，也欢迎大家在知识星球中分享自己的方案设计，一起交流学习。

全栈工程师修炼指南-IT知识分享 2477

Unity Spine动画控制全攻略：播放、回调与停止的实战技巧

本文深入解析Unity中Spine动画的核心控制技巧，涵盖动画播放、轨道分层、事件回调与平滑停止等实战方法。通过封装SpineAnimationController，详细讲解了如何利用动画播放结束回调实现精准的游戏逻辑同步，并提供了避免内存泄漏和动画卡顿的避坑指南，助力开发者打造流畅专业的2D游戏动画系统。

weixin_29021291的博客 378

伯努利分布

伯努利分布

weixin_44027021的博客 7124

VTK-9.5.0 1D2D3DWidget实现灰度图+深度图+3D点云显示(可轻松集成到自己的项目)

VTK1D2D3DWidget是一个基于Qt和VTK开发的3D点云可视化工具，支持RGB和深度点云数据的显示与处理。主要功能包括点云加载、可视化、保存为PLY格式文件，以及背景颜色、点间隔、坐标轴显示等参数的自定义设置。该工具采用模块化设计，核心组件包括主窗口管理类、VTK渲染组件和自定义鼠标交互样式，依赖Qt5+和VTK9.5.0库实现跨平台支持。项目提供完整的源码和构建指南，适用于点云数据的快速展示与分析。

Qt历险记，专注Qt技术，三年医疗设备研发经验，1年机器视觉研发经验，半年柔性传感研发经验。 385

期望、方差、协方差及相关系数的原理理解和计算

一、期望 定义：   设P(x)是一个离散概率分布函数自变量的取值范围是。那么其期望被定义为：                                                                                                                 设P(x)是一个离散概率分布函数，

五仁月饼哭了的博客 2万+

uniapp [安卓苹果App端] - 在“安卓app/苹果app“平台端打包编译后，微信授权登录报错 login:fail [:-1]未能完成操作。（PGWXAPI错误-1。）错误码code:-10

uni-app，安卓Android，苹果ios，安卓app端，苹果App端，uniapp苹果安卓app，微信授权登录，uniAppAPP端微信登录报错，出现微信确认登录界面后点击登录报错，BundleID，应用ID，微信登录，app微信一键登录，微信登录绑定点确定就出错，AppSecrect，login:fail[:-1]未能完成操作。（PGWXAPI错误-1。）,"errCode":-100,"code":-100，在uniappmanifest.json配置了AppSecrect还是报错无

🏆 前端领域优质创作者 3764

Coze实战：解锁多Bot协同与条件分支工作流的奥秘

本文详细介绍了在字节跳动Coze平台实现多Bot协同与条件分支工作流的方法。首先阐述了Coze平台的功能优势，包括丰富的插件、知识库和工作流功能。随后分步骤讲解了多Bot协同的实现：从准备工作、创建Bot到协同配置，并提供了电商客服的实例演示。在条件分支工作流部分，详细说明了条件节点的作用类型、条件设定方法以及具体配置操作，强调测试优化的重要性。最后通过电商平台综合案例，展示了多Bot协同与条件分支的实际应用效果，并针对常见问题提供解决方案。文章为开发者在Coze平台上构建智能应用提供了实用指导，有助于提升

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 450

概率论——几何随机变量

几何随机变量 1 定义   对于独立的重复试验，每次试验成功的概率为p,0≤p≤1p,0\le p \le 1p,0≤p≤1，我们知道nnn次试验成功的次数符合参数为(n,p)(n,p)(n,p)的二项分布。现在考虑随机变量XXX，XXX表示重复试验直到试验首次成功为止需要的试验次数，则有： P{X=n}=p(1−p)n−1      ...

qq_39378221的博客 5810

[HQChart教程] 去掉“仅学习使用”文字提示的小技巧

最近用 HQChart 做图表时，发现左下角有“仅学习使用”的字样。这种水印虽然是默认的，但如果要展示给客户，可能会显得不够专业。还好，这个问题很好解决，只需要简单修改一下配置。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用，接口、架构、性能全搞定。 598

期望、方差、协方差、协方差函数、期望函数、方差函数

文章目录期望方差协方差协方差矩阵相关系数自协方差协方差函数 / 核函数期望函数 期望   对离散型随机变量X，其概率分布函数(probability density function,PMF)为P(X)P(X)P(X)，则： E(X)=μ=∑i=1nXiP(Xi)E(X)=\mu=\sum\limits^{n}_{i=1}X_{i}P(X_{i})E(X)=μ=i=1∑n​Xi​P(Xi​)   ...

Leon_winter的博客 2万+

YOLO系列算法改进 | Head改进篇 | 融合Detect_LSCD轻量共享卷积检测头 | 轻量化设计破解计算瓶颈，增强复杂场景目标感知能力

YOLO系列算法改进 | Head改进篇 | 融合Detect_LSCD轻量共享卷积检测头 | 轻量化设计破解计算瓶颈，增强复杂场景目标感知能力 （以YOLO26最新目标检测模型为基础，融合Detect_LSCD检测头进行改进）

2502_91881744的博客 704

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

期望、方差计算

1. 期望 定义 设P(x)P(x)P(x)是一个离散概率分布函数，自变量的取值范围为{x1,x2,⋯ ,xn}\{x_1, x_2, \cdots, x_n\}{x1​,x2​,⋯,xn​}。其期望被定义为： E(x)=∑k=1nxkP(xk)E(x)=\sum_{k=1}^n{x_kP(x_k)}E(x)=k=1∑n​xk​P(xk​) 设p(x)p(x)p(x)是...

rosefun96的博客 2万+

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

期望， 方差， 协方差，标准差

期望， 方差， 协方差，标准差 期望 概率论中描述一个随机事件中的随机变量的平均值的大小可以用数学期望这个概念，数学期望的定义是实验中可能的结果的概率乘以其结果的总和。 定义 设P(x) 是一个离散概率分布，自变量的取值范围为{x1,x2,...,xnx1,x2,...,xnx_1, x_2,..., x_n}。其期望被定义为： E(x)=∑k=1nxkP(xk)E(x)=∑...

四月晴 6万+

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

期望、方差、协方差、协方差矩阵

对于离散型随机变量和连续型随机变量期望的定义公式略有不同方差在统计描述和概率分布中各有不同的定义，并有不同的公式。在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：在概率分布中，设X是一个离散型随机变量，若下式存在，则称下式为X的方差，记为D(X)或Var(X)此时定义下式为标准差，或均方差。

人无远虑，必有近忧 1万+

向量的期望和方差

对于向量而言它的期望和方差公式如下： x=[x1x2⋮xn]E(x)=[E(x1)E(x2)⋮E(xn)]\mathbf{x} = \begin{bmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{bmatrix} \\ E(\mathbf{x}) = \begin{bmatrix} E(x_1) \\ E(x_2) \\ \vdots \\ E(x_n) \end{bmatrix} x=⎣⎢⎢⎢⎡​x1​x2​⋮xn​​⎦⎥⎥⎥⎤​E(x)=⎣⎢⎢⎢⎡​E(x1​)E(x

u012836279的专栏 2万+

期望、方差

一、期望和方差的定义 随机变量(Random Variable) X 是一个映射，把随机试验的结果与实数建立起了一一对应的关系。而期望与方差是随机变量的两个重要的数字特征。 1. 期望(Expectation, or expected value) 期望是度量一个随机变量取值的集中位置或平均水平的最基本的数字特征； 2. 方差(Variance) 方差是表示随机变量取值的分散性的一个数字特征。 方差越大，说明随机变量的取值分布越不均匀，变化性越强；方差越小，说明随机变量的取值越趋近于均值，即期望值。 （1

Anne033的博客 6万+

概率论基础 —— 8.数学期望、方差、协方差

我们在学习了离散型和连续型随机概率事件，以及它们的分布函数和密度概率函数之后。接下来我们要学习对概率事件进行评判的技术——期望、方差、协方差。 这些概念有什么用呢，举例来说，对于一次期末考试，如何评估同一个年级的不同班级的学生的学习状况差异，如何找出年级最优班级和最差班级呢，以及在两个班级整体状况都相差不大时，如何比较一个班级学生成绩情况比另一个班级更好呢？ 如果还记得我们前面提到过的概率分布函数，那么就可以知道这一类样本的比较，其实属于对样本的分布规律的分析。 文章目录期望 (Expectation).

老程的技术笔记 8万+

期望、方差和协方差

本文深入解析了期望、方差与协方差核心概念，结合Python代码实现与金融投资组合等实践案例，揭示统计原理在机器学习模型优化、特征工程和异常检测中的关键作用，助您掌握数学理论与工程应用的深度结合。

Shockang的博客 1954

条件期望和条件方差

1. 条件期望 1.1 定义 设XXX和YYY是离散随机变量，则XXX在给定事件Y=y{\displaystyle Y=y}Y=y条件时的条件期望是xxx的在YYY的值域的函数E⁡(X∣Y=y)=∑x∈Xx P⁡(X=x∣Y=y)=∑x∈Xx P⁡(X=x,Y=y)P⁡(Y=y)\operatorname {E}(X|Y=y)=\sum _{{x\in {\mathcal {X}}}}x\ \operatorname {P}(X=x|Y=y)=\sum _{{x\in {\mathca

qq_43221336的博客 4万+

概率 期望与方差

衡量随机变量或一组数据的离散程度，反映了数据点与其平均值之间的偏离程度（方差越大，数据点越分散；方差越小，数据点越集中）。DX=E[]=E()-方差 DX ，平均差 二次根号DX对于两个随机变量 X 和 Y ，协方差定义为 Cov(X,Y)=E[(X−EX)(Y−EY)] =E(XY)−EXEY。

h0039490的博客 7631

期望与方差

数学期望是概率论中的一个重要概念，它描述了一个随机变量的平均值或中心值。数学期望也被称为期望值或均值。它是对随机变量可能取值的加权平均，其中权重是每个可能取值的概率。

m0_73723097的博客 3120

样本均值的期望等于总体期望，样本方差的期望等于总体方差。

设，为总体的一个样本，且其样本均值为，样本方差为，总体方差为σ²，总体期望为μ。 证明1：为什么样本均值的期望等于总体的期望? 因为对于简单随机抽样的样本： 与总体是同分布的，所以各样本的期望均为总体期望。 证明2：为什么样本均值的方差等于？ 证明3：为什么样本方差的期望等于总体的方差？ 因为方差的性质可知： 则： 所以： 又因为： 故： ...

【秋名鱼酱的博客】 16万+
上一篇： 伯努利及几何离散型随机变量
下一篇： 二项式和负二项式随机变量
点赞 0
评论 0
书签 书签 0
一连有梦咿
一连有梦咿
博客等级 码龄7年 11粉丝 57原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值