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.

வேலை செய்த உதாரணம் · 10 * 1/2

Arithmetic · Arithmetic

Evaluate 10 * 1/2

\frac{10}{2}

படிப்படியாக

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

    Multiply: 10·1(1/2) = 5.

விடை தெரியப்படுத்து
5

இப்போது நீங்கள் ஒரு பிரச்சனையை தேர்ந்தெடு, அல்லது தங்களையே வரையவும். ஒவ்வொரு படியும், ஒரு படமாக, நீங்கள் கேட்கும் வரை பதில் மறைக்கப்படும்.

உங்களின் வேலையை தொடரவும்

இலவச கணக்கு ஒவ்வொரு பாடத்திலும் குறிப்புகளை சேர்க்கும், நீங்கள் முடித்ததை பதிவு செய்கிறது, உங்கள் தீர்த்த பிரச்சனைகள் ஒரு இடத்தில், மற்றும் ஒரு ஆசிரியரை நீங்கள் இந்த பக்கத்தை பற்றி கேட்கலாம். கணிதமே அனைவருக்கும் திறந்துள்ளது, நுழைந்தாலும் இல்லையென்றாலும்.

பதிவு செய் உள்நுழை

இங்கே பயன்படுத்தப்பட்ட குறியீடுகள்

முழுமையான வரையறை, ஒரு படத்தை, மற்றும் ஒவ்வொரு எழுத்தும் என்ன அர்த்தம் என்று எந்த சின்னத்தையும் அழுத்து.

எப்படி: Random variables and expectation

  1. Multiply: 10·1(1/2) = 5.

கேள்விகள்

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.

மேலும் Probability Theory

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