概率分布的期望、方差与几种常见分布解析
1. 随机变量函数的期望值
随机变量函数的期望值是概率论中的重要概念,它有不同的计算方式,取决于随机变量是离散还是连续,以及是单变量还是多变量。
- 离散单变量分布 :$E (f (X)) = \sum_{i=1}^{n} f (x_i) p (x_i)$
- 离散多变量分布 :$E (f (X)) = \sum_{i=1}^{n} f (\vec{x}_i) p (\vec{x}_i)$
- 连续单变量分布 :$E (f (X)) = \int_{-\infty}^{\infty} f (x) p (x) dx$
- 连续多变量分布 :$E (f (X)) = \int_{\vec{x} \in D} f (\vec{x}) p (\vec{x}) d\vec{x}$
期望值与点积也存在联系。在离散情况下,假设随机变量可取的值为$x_i$,$i \in {1, n}$,定义向量$\vec{f} = \begin{bmatrix} f (x_1) \ f (x_2) \ \cdots \ f (x_n) \end{bmatrix}$和向量$\vec{p} = \begin{bmatrix} p (x_1) \ p (x_2) \ \cdots \ p (x_n) \end{bmatrix}$,那么随机变量$X$的函数$E (f (X))$就等于$\vec{f}^T \vec{p} = \vec{f} \cdo
超级会员免费看
订阅专栏 解锁全文
875

被折叠的 条评论
为什么被折叠?



