maths.free › Probability Theory › Random variables and expectation

Random variables and expectation

Distributions, expected value, variance, linearity of expectation.

A random variable is a number attached to each outcome; its expectation is the probability-weighted average, and expectation is linear even when the variables are dependent. Picture it: the distribution as a bar chart, the mean as its balance point. Think it: expectation is an integral against the probability measure.

Opracovaný příklad · 10 * 1/2

Arithmetic · Arithmetic

Evaluate 10 * 1/2

\frac{10}{2}

Krok za krokem

  1. 10 \cdot 1 \cdot \frac{1}{2} = 5

    Multiply: 10·1(1/2) = 5.

Odhalte odpověď
5

Teď ty. Vyberte si problém, nebo zadejte nebo nakreslit vlastní. Každý krok, obrázek, odpověď skrytou, dokud se zeptáte.

Udržujte si vlastní práci

Volný účet přidává poznámky k každé lekci, záznam o tom, co jste dokončili, vaše vyřešené problémy na jednom místě, a doučování můžete požádat o tuto stránku. Matematika sama je otevřena pro každého, zaregistrované nebo ne.

Zaregistrovat se Přihlášení

Zde použité symboly

Ťukněte na jakýkoliv symbol pro úplnou definici, obrázek a co každé písmeno v něm znamená.

Jak se: Random variables and expectation

  1. Multiply: 10·1(1/2) = 5.

Otázky, které se lidé ptají

What is the difference between probability and statistics?

Probability goes from a known model to what the data should look like; statistics goes from data back to the model. Probability theory is the deductive half.

What does the law of large numbers promise?

That the average of many independent samples converges to the expected value. It says nothing about any single trial.

Více v Probability Theory

Sample spaces and the axiomsThe common distributionsThe law of large numbers and the central limit theorem