什么是预期值?
在概率论中,预期值是指一个随机变量取值的平均值。它表示随机变量在所有可能出现的值上的加权平均值,其中权重为每个值发生的概率。
离散随机变量的预期值
对于离散随机变量,其可能取值为 x1, x2, ..., xn,其相应的概率为 p1, p2, ..., pn,其预期值 E(X) 定义为:
``` E(X) = x1p1 + x2p2 + ... + xnpn ```其中 pi ≥ 0 且 ∑i=1npi = 1。
连续随机变量的预期值
对于连续随机变量,其分布由概率密度函数 f(x) 定义,其预期值 E(X) 定义为积分形式:
``` E(X) = ∫∞-∞ xf(x) dx ```期望值的性质
预期值具有以下性质:
- 线性性:E(aX + b) = aE(X) + b,其中 a 和 b 是常数。
- 非负性:如果 X ≥ 0,则 E(X) ≥ 0。
- 协方差:E(XY) = E(X)E(Y) + Cov(X, Y),其中 Cov(X, Y) 是 X 和 Y 的协方差。
期望值的应用
预期值在统计学和概率论中具有广泛的应用,包括:
- 计算平均值
- 风险评估
- 随机变量分布的中心趋势衡量
- 预测和决策制定
示例
**示例 1:离散随机变量**
设 X 是一个掷骰子得到点的随机变量。其可能取值为 1, 2, 3, 4, 5, 6,其相应的概率均为 1/6。其预期值计算如下:
``` E(X) = 1(1/6) + 2(1/6) + 3(1/6) + 4(1/6) + 5(1/6) + 6(1/6) = 3.5 ```因此,掷骰子的预期点数为 3.5。
**示例 2:连续随机变量**
设 X 是一个正态分布的随机变量,其均值为 μ,标准差为 σ。其概率密度函数为:
``` f(x) = (1 / (σ√(2π))) e-(x-μ)²/(2σ²) ```其预期值计算如下:
``` E(X) = ∫∞-∞ x(1 / (σ√(2π))) e-(x-μ)²/(2σ²) dx = μ ```因此,正态分布的预期值等于其均值。
- 随机文章
版权声明:除非特别标注,否则均为本站原创文章,转载时请以链接形式注明文章出处。