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.

Δουλεμένο παράδειγμα · 10 * 1/2

Arithmetic · Arithmetic

Evaluate 10 * 1/2

\frac{10}{2}

Βήμα προς βήμα

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

    Multiply: 10·1(1/2) = 5.

Αποκάλυψέ την.
5

Τώρα εσύ. Επιλέξτε ένα πρόβλημα, ή πληκτρολογήστε ή σχεδιάστε το δικό σας.

Να δουλεύεις μόνος σου.

Ένας δωρεάν λογαριασμός προσθέτει σημειώσεις σε κάθε μάθημα, ένα αρχείο του τι έχετε τελειώσει, λύθηκαν προβλήματα σας σε ένα μέρος, και ένας δάσκαλος που μπορείτε να ρωτήσετε για αυτή τη σελίδα.

Υπογράψτε Σύνδεση

Σύμβολα που χρησιμοποιούνται εδώ

Χτυπήστε οποιοδήποτε σύμβολο για τον πλήρη ορισμό, μια εικόνα, και τι σημαίνει κάθε γράμμα σε αυτό.

Πώς να: Random variables and expectation

  1. Multiply: 10·1(1/2) = 5.

Ερωτήσεις που κάνουν οι άνθρωποι

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.

Περισσότερα σε Probability Theory

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