概率统计——期望、方差与最小二乘法

本文介绍了概率统计中的基本概念,包括期望、方差和标准差,并通过实例解释了它们的意义。此外,讨论了最小二乘法在机器学习中的应用,强调了误差平方和与方差的相似性,以及如何通过优化误差平方和来提升模型性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文始发于个人公众号:TechFlow


今天这篇文章和大家聊聊期望和方差


期望


期望这个概念我们很早就在课本里接触了,维基百科的定义是:它表示的是一个随机变量的值在每次实验当中可能出现的结果乘上结果概率的总和。换句话说,期望值衡量的是多次实验下,所有可能得到的状态的平均结果。


我们举两个简单的例子,第一个例子是掷骰子。


我们都知道一个骰子有6个面,分别是1,2,3,4,5,6。我们每次投掷得到其中每一个面朝上的概率都是一样的,是1/6。对于投骰子这个事件而言,它的期望应该是:

E ( X ) = 1 ∗ 1 6 + 2 ∗ 1 6 + ⋯ + 6 ∗ 1 6 = 3.5 E(X) = 1 * \frac{1}{6} + 2 * \frac{1}{6} + \cdots + 6 * \frac{1}{6} = 3.5 E(X)=161+261++661

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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