随机变量――平均、方差、标准差 |
您所在的位置:网站首页 › 随机变量的计算公式 › 随机变量――平均、方差、标准差 |
随机变量:
平均、方差 和
标准差
随机变量是一个随机实验结果的可能数值。 例子:抛硬币:结果可以是正面或反面。我们可以用数值来代表:正面=0 和 反面=1,这就是随机变量 "X": 所以: 有个实验(比方抛硬币) 我们给每个事件分派数值 数值的集合是个随机变量去阅读 随机变量 来了解更多。 平均、方差和标准差 例子:抛一个不公平的骰子想象一个加重了的骰子(蒙人!)。概率是: 1 2 3 4 5 6 0.1 0.1 0.1 0.1 0.1 0.5平均或期望值:μ 如果我们知道每个数值 x 的概率,我们便可以计算 X 的期望值(平均): μ = Σxp 注意:Σ 是 总和符号,意思是加起来。 计算期望值: 把每个数值乘以其概率 把结果加起来 例子(续): x 1 2 3 4 5 6 p 0.1 0.1 0.1 0.1 0.1 0.5 xp 0.1 0.2 0.3 0.4 0.5 3μ = Σxp = 0.1+0.2+0.3+0.4+0.5+3 = 4.5 期望值是 4.5 注意:这是 加权平均值:高概率的数值在平均里有较高的比重。 方差:Var(X) 方差是: Var(X) = Σx2p − μ2 计算方差: 把每个数值的平方乘以其概率 把结果加起来:Σx2p 减去期望值的平方 μ2 例子(续): x 1 2 3 4 5 6 p 0.1 0.1 0.1 0.1 0.1 0.5 x2p 0.1 0.4 0.9 1.6 2.5 18Σx2p = 0.1+0.4+0.9+1.6+2.5+18 = 23.5 Var(X) = Σx2p − μ2 = 23.5 - 4.52 = 3.25 方差是 3.25 标准差:σ 标准差是方差的平方根: σ = √Var(X) 例子(续): x 1 2 3 4 5 6 p 0.1 0.1 0.1 0.1 0.1 0.5 x2p 0.1 0.4 0.9 1.6 2.5 18σ = √Var(X) = √3.25 = 1.803... 标准差是 1.803……
再来一个例子! (注意这次的列表是垂直排列的。) 你打算开一家麦德劳炸鸡店。这是市场调查数据: 百分比 每年收益 20% ¥50,000 亏蚀 30% ¥0 40% ¥50,000 利润 10% ¥150,000 利润用这些概率来计算,你的利润期望值和标准差是多少?
随机变量是 X = '可能利润'。 求 xp 和 x2p 的总和: 黛绿 p 收益(¥'000) x xp x2p 0.2 -50 -10 500 0.3 0 0 0 0.4 50 20 1000 0.1 150 15 2250 Σp = 1 Σxp = 25 Σx2p = 3750
μ = Σxp = 25 Var(X) = Σx2p − μ2 = 3750 − 252 = 3750 − 625 = 3125 σ = √3125 = 56(到最近的整数) 这些数值的单位是千元,所以: μ = ¥25,000 σ = ¥56,000所以你预期可以转到 ¥25,000,但可能有很大的误差。 我们再做一遍,不过这次 ¥50,000 的概率大很多: 例子(续):用不同的概率(¥50,000 的概率是很高的 0.7): 概率 p 收益(¥'000) x xp x2p 0.1 -50 -5 250 0.1 0 0 0 0.7 50 35 1750 0.1 150 15 2250 Σp = 1 Sums: Σxp = 45 Σx2p = 4250
μ = Σxp = 45 Var(X) = Σx2p − μ2 = 4250 − 452 = 4250 − 2025 = 2225 σ = √2225 = 47(到最近的整数) 把千元转回到元: μ = ¥45,000 σ = ¥47,000平均值现在比较接近离最可能值了。 标准差也小了(代表数值比较聚合在中间。) 连续 随机变量可以是离散或连续的: 离散数据只能取某些数值(例如 1、2、3、4、5) 连续数据可以取一个范围(值域)里的任何数值(例如人的身高)这个网页的例子都是关于离散数据的,因为求连续数据的平均、方差和标准差需要用到积分法。 总结 A 随机变量是随机实验结果的可能数值。 平均(期望值)是:μ = Σxp 方差是:Var(X) = Σx2p − μ2 标准差是:σ = √Var(X) 随机变量数据索引 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |