大数定律和中心极限定理

最新推荐文章于 2021-09-11 23:06:39 发布

lsjmax

最新推荐文章于 2021-09-11 23:06:39 发布

阅读量556

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习数学基础文章标签：随机变量的矩相关系数大数定律中心极限定理特征函数

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。

本文链接：https://blog.youkuaiyun.com/lsjmax/article/details/101774328

本文介绍了随机变量的矩、切比雪夫不等式、相关性和独立性，以及特征函数在概率分布研究中的作用。重点讨论了大数定律和中心极限定理，阐述了样本均值的收敛性和分布特性，为理解和应用统计学提供理论基础。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

随机变量的矩

$X$ 是一个随机变量， $f (x)$ 为概率密度函数，对于任何正整数 $n$ ，定义
$E(Xn)=∫p(x)xndxE(X^n)=\int p(x)x^ndx$ 为随机变量的 $n$ 阶矩。

当 $n$ =1， $E (X)$ 为随机变量的期望，可以理解为平均值。
当 $n$ =2， $E(X^2)-E(X)^2=E((X-E(X))^2)$ 为随机变量的方法。

切比雪夫不等式

设随机变量 $X$ ，期望 $u$ ,标准差 $σ\sigma$ ,对于任意实数k>0，
$\geq k\sigma）\leq {1\over k^2}$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。