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.

Apdorotas pavyzdys · 10 * 1/2

Arithmetic · Arithmetic

Evaluate 10 * 1/2

\frac{10}{2}

Žingsnis po žingsnio

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

    Multiply: 10·1(1/2) = 5.

Atskleisti atsakymą
5

Dabar tu Pasirinkite problemą, arba įveskite ar piešti savo. Kiekvienas žingsnis, paveikslas, atsakymas paslėptas, kol jūs klausiate.

Išlaikyti savo darbą

Nemokama paskyra prideda pastabas apie kiekvieną pamoką, įrašą apie tai, ką baigėte, savo išspręstas problemas vienoje vietoje ir mokytoją, kurį galite paklausti apie šį puslapį. Pati matematika yra atvira visiems, kurie yra ar nėra užsiregistravę.

Prisijungti Prisijungti

Čia naudojami simboliai

Bakstelėkite visus simbolius, kad būtų galima apibrėžti visą apibrėžimą, paveikslėlį ir ką reiškia kiekviena raidė.

Kaip vartoti: Random variables and expectation

  1. Multiply: 10·1(1/2) = 5.

Klausimai, kuriuos klausia žmonės

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.

Daugiau informacijos Probability Theory

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