概率论知识回顾(十六):数学期望、中位数的一般化定义

本文深入探讨了概率论中的关键概念,包括R−S积分、数学期望的一般化定义及中位数的特性。详细解释了R−S积分的定义与性质,数学期望的计算方法,以及中位数的定义和其优缺点。

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

概率论知识回顾(十六)

重点:数学期望、中位数的一般化定义

知识回顾用于巩固知识和查漏补缺。知识回顾步骤:

  1. 查看知识回顾中的问题,尝试自己解答
  2. 自己解答不出来的可以查看下面的知识解答巩固知识。
  3. 对知识解答有疑问的,说明有关这一点的知识或者公式没有理解透彻或者没有记住,要重新翻看书籍。

知识回顾

  1. 简单概述 R−SR-SRS 积分。
  2. 简单概述数学期望的一般化定义。
  3. 简述中位数定义及其优缺点。

知识解答

  1. 简单概述 R−SR-SRS 积分。
    • 定义:设 g(x)g(x)g(x) 是定义在 (a,b](a, b](a,b] 上的实函数,而 F∗(x)F^*(x)F(x) 是定义在实数轴上的单调不减,右连续的实函数。(这个符合分布函数的一些定义)。取分点 a=x0&lt;x1&lt;⋯&lt;xn=ba = x_0 &lt; x_1 &lt; \cdots &lt; x_n = ba=x0<x1<<xn=b, 从 (xi−1,xi)(x_{i-1}, x_i)(xi1,xi) 中取一点 xi−1&lt;x~i&lt;xix_{i-1}&lt;\tilde{x}_i &lt; x_ixi1<x~i<xi , 记 σ=∑i=1ng(x~i)[F∗(xi)−F∗(xi−1)]\sigma = \sum_{i=1}^{n}g(\tilde{x}_i)[F^*(x_i) - F^*(x_{i-1})]σ=i=1ng(x~i)[F(xi)F(xi1)] 。如果有 λ=max⁡1≤i≤n(xi−xi−1)→0\lambda = \max_{1\le i\le n}(x_i - x_{i-1}) \rightarrow 0λ=max1in(xixi1)0 以及 σ\sigmaσ 的极限存在,则称此极限为 g(x)g(x)g(x)(a,b](a, b](a,b] 上关于函数 F∗(x)F^*(x)F(x)R−SR-SRS 积分。记为 ∫abg(x)dF∗(x)\int_{a}^{b}g(x)dF^*(x)abg(x)dF(x)
    • 当然,当 a→−∞,b→+∞a \rightarrow -\infty, b \rightarrow+\inftya,b+ 的时候呢,σ\sigmaσ 的极限存在,就记为 g(x)g(x)g(x)(−∞,+∞)(-\infty, +\infty)(,+) 上关于函数 F∗(x)F^*(x)F(x)R−SR-SRS 积分,记作 ∫−∞+∞g(x)dF∗(x)\int_{-\infty}^{+\infty}g(x)dF^*(x)+g(x)dF(x)
    • 另一方面,取 F∗(x)为F(x)F^*(x) 为 F(x)F(x)F(x), 假设 F(x)F(x)F(x) 为分布函数,f(x)f(x)f(x) 为密度函数,则有 ∫abg(x)dF(x)=∫abg(x)f(x)dx\int_{a}^{b}g(x)dF(x) = \int_{a}^{b}g(x)f(x)dxabg(x)dF(x)=abg(x)f(x)dx。推广到 −∞,+∞-\infty, +\infty,+ 上和第二点类似。
    • 另外定义在 (a,b](a, b](a,b] 上的 R−SR-SRS 积分是不包含 aaa 点的 ,这个是需要严格区分的,因为就期望计算来说,由于就离散随机变量来说,在某点的概率不一定为零。
    • 性质
      • $\int_{a}^{b}[\alpha g_1(x) + \beta g_2(x)]dF^(x) = \alpha\int_{a}^{b}g_1(x) dF^(x) + \beta\int_{a}^{b} g_2(x)dF^*(x) $
      • ∫abg(x)d[αF1∗(x)+βF2∗(x)]=α∫abg(x)dF1∗(x)+β∫abg(x)dF2∗(x)\int_a^b g(x)d[\alpha F_1^*(x) + \beta F_2^*(x)] = \alpha\int_a^bg(x)dF_1^*(x) + \beta \int_a^bg(x)dF_2^*(x)abg(x)d[αF1(x)+βF2(x)]=αabg(x)dF1(x)+βabg(x)dF2(x)
      • g(x)=1g(x) = 1g(x)=1 时,R−SR-SRS 积分为 ∫abdF(x)=P{a&lt;x≤b}\int_a^bdF(x) = P\{a &lt; x \le b\}abdF(x)=P{a<xb}
        • 由这一个特性,我们就知道 P{X∈D}=∫DdF(x)P\{X \in D\} = \int_DdF(x)P{XD}=DdF(x)
        • P{(X,Y)∈D}=∬DdF(x,y)P\{(X, Y) \in D\} = \iint_DdF(x, y)P{(X,Y)D}=DdF(x,y)
  2. 简单概述数学期望的一般化定义。
    • 首先我们来看看数学期望的定义 ∑ipixi\sum_ip_ix_iipixi,由于概率密度并不一定是都存在,而无论是离散随机变量函数连续随机变量 pi=F(xi)−F(xi−0)p_i = F(x_i) - F(x_i - 0)pi=F(xi)F(xi0)
    • 我们来看看 R−SR-SRS 积分的形式:σ=∑i=1ng(x~i)[F∗(xi)−F∗(xi−1)]\sigma = \sum_{i=1}^{n}g(\tilde{x}_i)[F^*(x_i) - F^*(x_{i-1})]σ=i=1ng(x~i)[F(xi)F(xi1)], 当 λ=max⁡1≤i≤n(xi−xi−1)→0\lambda = \max_{1\le i\le n}(x_i - x_{i-1}) \rightarrow 0λ=max1in(xixi1)0 的时候,F∗(xi)−F∗(xi−1)=piF^*(x_i) - F^*(x_{i-1}) = p_iF(xi)F(xi1)=pi, 而当这里的 g(x~i)=xig(\tilde{x}_i) = x_ig(x~i)=xi 的时候。就是我们数学期望的公式。
    • 因此我们有: 假设随机变量 XXX 的分布函数为 F(x)F(x)F(x) 如果有 ∫−∞+∞∣x∣dF(x)&lt;+∞\int_{-\infty}^{+\infty}|x|dF(x) &lt; +\infty+xdF(x)<+ 那么就定义 E(X)=∫−∞+∞xdF(x)E(X) = \int_{-\infty}^{+\infty}xdF(x)E(X)=+xdF(x)
    • 对于随机变量的函数的数学期望,就有 E(Y)=Eg(x)=∫−∞+∞ydFY(y)=∫−∞+∞g(x)dF(x)E(Y) = Eg(x) = \int_{-\infty}^{+\infty}ydF_Y(y) = \int_{-\infty}^{+\infty} g(x)dF(x)E(Y)=Eg(x)=+ydFY(y)=+g(x)dF(x)
    • 同理,对于n维随机变量,则有:如果 ∫−∞+∞⋯∫−∞+∞∣g(x1,x2,⋯&ThinSpace;,xn)∣dF(x1,x2,⋯&ThinSpace;,xn)&lt;+∞\int_{-\infty}^{+\infty}\cdots\int_{-\infty}^{+\infty}|g(x_1, x_2, \cdots, x_n)|dF(x_1, x_2, \cdots, x_n) &lt; + \infty++g(x1,x2,,xn)dF(x1,x2,,xn)<+, 则 Eg(x1,⋯&ThinSpace;,xn)=∫−∞+∞⋯∫−∞+∞g(x1,x2,⋯&ThinSpace;,xn)dF(x1,x2,⋯&ThinSpace;,xn)Eg(x_1, \cdots, x_n) = \int_{-\infty}^{+\infty}\cdots\int_{-\infty}^{+\infty}g(x_1, x_2, \cdots, x_n)dF(x_1, x_2, \cdots, x_n)Eg(x1,,xn)=++g(x1,x2,,xn)dF(x1,x2,,xn)
  3. 简述中位数定义及其优缺点。
    • 对于中位数 xxx 来说,有 P{X≤x}≥12,P{X≤x}≥12P\{X \le x\} \ge \frac 1 2, P\{X \le x\} \ge \frac 1 2P{Xx}21,P{Xx}21
    • 优点:不受数据中某些特别大或者特别小的值得影响,具有一些代表性
    • 缺点:
      • 没有数学期望那样的可计算性的性质,不利于在数学上的处理。只能单独表示某些属性。
      • 中位数可以不唯一,同时也可能是一个无意义的值。
评论
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