概率论-条件数学期望（复习笔记自用）

相关文章

• 【概率论】连续型随机变量的分布函数及数学期望（二）

  如果X的密度函数为 p ( x ) = { x , 0 ≤

  2024年01月18日

  浏览(15)
• 

  概率论与数理统计中常见的随机变量分布律、数学期望、方差及其介绍

  设随机变量X的所有可能取值为0与1两个值，其分布律为 若分布律如上所示，则称X服从以P为参数的(0-1)分布或两点分布。记作X~ B(1，p) 0-1分布的分布律利用表格法表示为: X 0 1 P 1-P P 0-1分布的数学期望 E(X) = 0 * (1 - p) + 1 * p = p 二项分布的分布律如下所示： 其中P是事件在一次试验

  2024年02月05日

  浏览(19)
• 

  洛必达法则和分部积分的应用之计算数学期望EX--概率论浙大版填坑记

  如下图所示，概率论与数理统计浙大第四版有如下例题： 简单说就是：已知两个相互独立工作电子装置寿命的概率密度函数，将二者串联成整机，求整机寿命的数学期望。 这个题目解答中的微积分部分可谓是相当的坑爹，根本没有任何中间计算过程，任何人直接看根本看不

  2024年02月16日

  浏览(10)
• 

  【数据处理】Python：实现求条件分布函数 | 求平均值方差和协方差 | 求函数函数期望值的函数 | 概率论

       猛戳订阅！  👉 《一起玩蛇》🐍 💭 写在前面： 本章我们将通过 Python 手动实现条件分布函数的计算，实现求平均值，方差和协方差函数，实现求函数期望值的函数。部署的测试代码放到文后了，运行所需环境 python version = 3.6，numpy = 1.15，nltk = 3.4，tqdm = 4.24.0，sci

  2024年02月05日

  浏览(12)
• 

  【概率论与数理统计】猴博士 笔记 p36-37 协方差、相关系数、不相关、相互独立时的期望和方差

  接下来做几道例题，练习一下套公式： 例1： 解： 前4个就是简单的套公式： 第5个有点类似分配律： C o v ( 2 X + 3 Y , 4 X + 5 Y ) = 8 C o v ( X , X ) + 10 C o v ( X , Y ) + 12 C o v ( X , Y ) + 15 C o v ( Y , Y ) Cov(2X+3Y,4X+5Y)=\\\\8Cov(X,X)+10Cov(X,Y)+12Cov(X,Y)+15Cov(Y,Y) C o v ( 2 X + 3 Y , 4 X + 5 Y ) = 8 C o v ( X , X

  2023年04月08日

  浏览(13)

• 概率论之 多维随机变量的期望，协方差矩阵

  上一次写了一维随机变量的期望，方差，协方差。本次来记录多维随机变量的期望和协方差矩阵。这一块内容由浅入深，因此会有更新。 假设系统状态有多个分量 x 1 , x 2 , … , x n x_1,x_2,dots,x_n x 1 ​ , x 2 ​ , … , x n ​ ，则将其表示为向量的形式 X = ( x 1 , x 2 , … , x n ) T X=

  2024年02月04日

  浏览(13)
• 

  【概率论与数理统计】猴博士 笔记 p24-25 条件概率密度函数、求两个随机变量形成的函数的分布

  题型如下： 已知概率密度，求条件概率密度 已知x怎么样的情况下y服从的概率（或y怎么样的情况下x服从的概率），求f(x,y) 步骤：对于后两个，是在哪个字母的条件下，哪个字母就在后面。 即，如果是在x=？？？的条件下，那么就选图中第三条方法。 其中： 1、2条符合条件

  2024年02月03日

  浏览(12)

• 概率论中二项分布期望与方差的详细推导

  二项分布的期望和方差表达式非常简洁，但推导过程却很灵活，我们做如下推导: 概率论中，离散型随机变量期望的定义为 二项分布概率公式为 ： 则其期望为 ： 我们记   则 因为 所以 根据二项式展开定理，有 所以原式 概率论中，方差的定义为 因为上文已经得到E(X)，所以

  2024年02月21日

  浏览(13)

• 概率论习题之标准正态绝对值的期望

  一、主要注意的点 E ∣ X ∣ = 2 Π 计算 : E ∣ X ∣ = ∫ − ∞ + ∞ ∣ X ∣ f ( x ) d x E Z = E ∣ x − μ ∣ E|X|={sqrt{frac{2}{Pi}} }\\\\ 计算:E|X|=displaystyle int^{+infty}_{-infty}{|X|f(x)dx}\\\\ EZ=E|x-mu| E ∣ X ∣ = Π 2 ​ ​ 计算 : E ∣ X ∣ = ∫ − ∞ + ∞ ​ ∣ X ∣ f ( x ) d x EZ = E ∣ x − μ ∣ 二、

  2024年03月14日

  浏览(9)
• 

  概率论与数理统计（3）--指数分布函数及其期望、方差

  设随机变量X具有如下形式的密度函数，那么则称X服从参数为θ的指数分布, 记为X~EXP(θ).  指数分布的分布函数为： ①数学期望 如果X 服从参数为λ (λ0)的指数分布,那么指数分布X~EXP(θ)的数学期望： λ  ②方差 设X 服从参数为λ (λ0)的指数分布, 指数分布X~EXP(θ)的方差：λ^2。

  2024年02月11日

  浏览(10)