随机变量:
平均、方差 和
标准差

随机变量是一个随机实验结果的可能数值

例子:抛硬币:结果可以是正面或反面。

我们可以用数值来代表:正面=0反面=1,这就是随机变量 "X":

随机变量 1

所以:

去阅读 随机变量 来了解更多。

平均、方差和标准差

单一骰子

例子:抛一个不公平骰子

想象一个加重了的骰子(蒙人!)。概率是:

1 2 3 4 5 6
0.1 0.1 0.1 0.1 0.1 0.5

 

平均或期望值:μ

如果我们知道每个数值 x 的概率,我们便可以计算 X 的期望值(平均):

μ = Σxp

注意:Σ总和符号,意思是加起来。

计算期望值:

单一骰子

例子(续):

x 1 2 3 4 5 6
p 0.1 0.1 0.1 0.1 0.1 0.5
xp 0.1 0.2 0.3 0.4 0.5 3

μ = Σxp = 0.1+0.2+0.3+0.4+0.5+3 = 4.5

期望值是 4.5

注意:这是 加权平均值:高概率的数值在平均里有较高的比重。

 

 

方差:Var(X)

方差是:

Var(X) = Σx2p − μ2

计算方差

单一骰子

例子(续):

x 1 2 3 4 5 6
p 0.1 0.1 0.1 0.1 0.1 0.5
x2p 0.1 0.4 0.9 1.6 2.5 18

Σx2p = 0.1+0.4+0.9+1.6+2.5+18 = 23.5

Var(X) = Σx2p − μ2 = 23.5 - 4.52 = 3.25

方差是 3.25

 

标准差:σ

标准差是方差的平方根:

σ = √Var(X)

单一骰子

例子(续):

x 1 2 3 4 5 6
p 0.1 0.1 0.1 0.1 0.1 0.5
x2p 0.1 0.4 0.9 1.6 2.5 18

σ = √Var(X) = √3.25 = 1.803...

标准差是 1.803……

 

再来一个例子!

(注意这次的列表是垂直排列的。)

炸鸡

你打算开一家麦德劳炸鸡店。这是市场调查数据:

百分比 每年收益
20% ¥50,000 亏蚀
30% ¥0
40% ¥50,000 利润
10% ¥150,000 利润

用这些概率来计算,你的利润期望值和标准差是多少?

 

随机变量是 X = '可能利润'。

xpx2p 的总和:

黛绿
p
收益(¥'000)
x

xp

x2p
0.2 -50 -10 500
0.3 0 0 0
0.4 50 20 1000
0.1 150 15 2250
Σp = 1   Σxp = 25 Σx2p = 3750

 

μ = Σxp = 25

Var(X) = Σx2p − μ2 = 3750 − 252 = 3750 − 625 = 3125

σ = √3125 = 56(到最近的整数)

这些数值的单位是千元,所以:

所以你预期可以转到 ¥25,000,但可能有很大的误差。

我们再做一遍,不过这次 ¥50,000 的概率大很多:

例子(续):

用不同的概率(¥50,000 的概率是很高的 0.7):

概率
p
收益(¥'000)
x

xp

x2p
0.1 -50 -5 250
0.1 0 0 0
0.7 50 35 1750
0.1 150 15 2250
Σp = 1 Sums: Σxp = 45 Σx2p = 4250

 

μ = Σxp = 45

Var(X) = Σx2p − μ2 = 4250 − 452 = 4250 − 2025 = 2225

σ = √2225 = 47(到最近的整数)

把千元转回到元:

平均值现在比较接近离最可能值了。

标准差也小了(代表数值比较聚合在中间。)

 

连续

随机变量可以是离散或连续的:

这个网页的例子都是关于离散数据的,因为求连续数据的平均、方差和标准差需要用到积分法。

 

总结