數學期望
概述
mathematical expectation
離散型
離散型隨機變量的一切可能的取值xi與對應的概率Pi(=xi)之積的和稱爲的數學期望(設級數絕對收斂),記爲E。隨機變量最基本的數學特徵之一。它反映隨機變量平均取值的大小。又稱期望或均值。如果隨機變量只取得有限個值,稱之爲離散型隨機變量的數學期望。它是簡單算術平均的一種推廣,類似加權平均。例如某城市有10萬個家庭,沒有孩子的家庭有1000個,有一個孩子的家庭有9萬個,有兩個孩子的家庭有6000個,有3個孩子的家庭有3000個, 則此城市中任一個家庭中孩子的數目是一個隨機變量,記爲X,它可取值0,1,2,3,其中取0的概率爲0.01,取1的概率爲0.9,取2的概率爲0.06,取3的概率爲0.03,它的數學期望爲0×0.01+1×0.9+2×0.06+3×0.03等於1.11,即此城市一個家庭平均有小孩1.11個,用數學式子表示爲:E(X)=1.11。連續型
連續型隨機變量X的概率密度函數爲f(x),若積分:pic-info">
絕對收斂,則稱此積分值爲隨機變量X的數學期望,記爲:pic-info">
數學期望的定義定義1:
pic-info">數學期望
按照定義,離散隨機變量的一切可能取值與其對應的概率P的乘積之和稱爲數學期望,記爲E.如果隨機變量只取得有限個值:x,y,z,...則稱該隨機變量爲離散型隨機變量。定義2:
1 決定可靠性的因素常規的安全系數是根據經驗而選取的,即取材料的強度極限均值(概率理論中稱爲數學期望)與工作應力均值(數學期望)之比計算隨機變量的數學期望值
在概率論pic-info">數學期望
和統計學中,一個離散性隨機變量的期望值(或數學期望、或均值,亦簡稱期望)是試驗中每次可能結果的概率乘以其結果的總和。換句話說,期望值是隨機試驗在同樣的機會下重復多次的結果計算出的等同“期望”的平均值。需要注意的是,期望值並不一定等同於常識中的“期望”——“期望值”也許與每一個結果都不相等。(換句話說,期望值是該變量輸出值的平均數。期望值並不一定包含於變量的輸出值集合裏。)單獨數據的數學期望值算法
對於數學期望的定義是這樣的。數學期望E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn)
X1,X2,X3,……,Xn爲這幾個數據,p(X1),p(X2),p(X3),……p(Xn)爲這幾個數據的概率函數。在隨機出現的幾個數據中p(X1),p(X2),p(X3),……p(Xn)概率函數就理解爲數據X1,X2,X3,……,Xn出現的頻率f(Xi).則:
E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn) = X1*f1(X1) + X2*f2(X2) + …… + Xn*fn(Xn)
很
pic-info">北京大學數學教學系列叢書
容易證明E(X)對於這幾個數據來說就是他們的算術平均值。我們舉個例子,比如說有這么幾個數:
1,1,2,5,2,6,5,8,9,4,8,1
1出現的次數爲3次,佔所有數據出現次數的3/12,這個3/12就是1所對應的頻率。同理,可以計算出f(2) = 2/12,f(5) = 2/12 , f(6) = 1/12 , f(8) = 2/12 , f(9) = 1/12 , f(4) = 1/12 根據數學期望的定義:
E(X) = 1*f(1) + 2*f(2) + 5*f(5) + 6*f(6) + 8*f(8) + 9*f(9) + 4*f(4) = 13/3
所以 E(X) = 13/3,
現在算這些數的算術平均值:
Xa = (1+1+2+5+2+6+5+8+9+4+8+1)/12 = 13/3
所以E(X) = Xa = 13/3
熱門資訊更多
新西蘭元/美元 當日內: 有上漲的可能,目標價位定在 0.5926 。
05/01 18:15
KVB昆侖國際
澳元/日元 當日內: 看漲,當 101.96 爲支撐位。
05/01 18:14
KVB昆侖國際
歐元/日元 當日內: 看漲,當 168.02 爲支撐位。
05/01 18:14
KVB昆侖國際
歐元/英鎊 當日內: 看漲,當 0.8532 爲支撐位。
05/01 18:14
KVB昆侖國際
英鎊/日元 當日內: 看漲,當 196.57 爲支撐位。
05/01 18:14
KVB昆侖國際