期望值
如果你是在B站上看的,这一节课可能会没有字幕,这里介绍的稍微详细一点.
介绍集中趋势的时候,用均值描述是一种常用的方法.
给出一个总体,一组数: 3, 3, 3, 4, 5
它的平均数是: $\frac{3+3+3+4+5}{5} = \frac{18}{5} = 3.6$
我们可以换一种方式来看,里面有3个3,1个4,1个5:$\frac{3(3)+1(4)+1(5)}{5}$
进行一些简单的数字运算:$\frac{1}{5} \times (3\times 3+1\times 4+1\times 5)=\frac{3}{5}\times 3+\frac{1}{5}\times 4+\frac{1}{5}\times 5$
$60\% \times 3+20\% \times 4+20\% \times 5$
上面的式子等价于所有的数字加起来除以5.
频率
观察这个式子,$60\% \times 3+20\% \times 4+20\% \times 5$,这里没有表示每个数字出现的次数,只是它出现的频率:3的频率是$60\%$,4的频率是$20\%$,5的频率是$20\%$.计算是$=1.8+0.8+1=3.6$
知道3,4,5每个数字相对的频率,也就是占总体额百分比,就可以计算除均值.
这和随机变量是有关系的.每次进行实验,随机变量就是一个新值.
还是抛硬币的例子
$X=\text{抛硬币6次中正面朝上的次数}$
现在把均值,集中趋势,总体,样本同随机变量联系起来.
回忆一下总体和样本的提出
要调查全国投票总统的情况,显然这么多人我们是很难每个去调查一遍的,我们可以选择样本,通过样本的情况来估算总体的情况.
有时总体的数量可能是无穷的,之前我们都是研究的有穷的总体,可以计算总体的均值$\mu$.现在要考虑总体无穷的情况,也许你会觉得总体无穷是没有意义的,回想一下随机变量的例子,总体可以看作随机变量的每个实例(也可以说每次随机实验的集合).实验的次数可以是无限次的,没有谁规定硬币只能抛一千次.
每次实验的结果可以定义成$x_1,x_2,x_3,x_4,…n$,这些是随机事件的特定实例,可以看作是无穷总体的样本.实验可以一直做下去,但是样本只能取有限个(做多少次实验意味着取多少个样本).
刚刚是为了把总体样本的概念和随机变量联系起来
随机变量的期望值
随机变量的 期望值其实也就是总体样本的 均值.(有时也称作 整体均值,只是此时整体是无穷的,无法通过所有数字加起来除以总数计算.)不过我们知道这些数字出现的频率,这样就可以计算均值,也是计算随机变量期望值的方式.
如何知道频率?
参照概率分布.
0次出现的频率为0.01563,我还是把excel的值在这里做成表放这里吧,看起来比较方便.
对应的概率也就是在总体中相对频率.
K | P(make)^k*P(miss)^(m-k) | chooseP(X=k) | P(X=k) |
---|---|---|---|
0 | 0.015625 | 1 | 0.015625 |
1 | 0.015625 | 6 | 0.09375 |
2 | 0.015625 | 15 | 0.234375 |
3 | 0.015625 | 20 | 0.3125 |
4 | 0.015625 | 15 | 0.234375 |
5 | 0.015625 | 6 | 0.09375 |
6 | 0.015625 | 1 | 0.015625 |
计算期望值
$$E(X) = 0\times 1.562\% + 1\times 9.375\%+ 2\times 23.438\%+ 3\times 31.25\%+ 4\times 23.438\%+\\ 5\times 9.375\%+ 6\times 1.563\%\\=3$$
期望值为3,或者说整体均值为3.
但是期望值并不一定是最可能的值.
再总结一下重点
期望值计算等同于总体均值计算.采用这种计算,是由于总体无穷的情况下我们无法获得总数,因此采用权重的方式计算.这和计算均值本质没有区别.
博主个人能力有限,错误在所难免.
如发现错误请不要吝啬,发邮件给博主更正内容,在此提前鸣谢.
Email: JentChang@163.com (来信请注明文章标题,如果附带链接就更方便了)
你也可以在下方的留言板留下你宝贵的意见.