【概率论】4-2:期望的性质(Properties of Expectation)
title: 【概率论】4-2:期望的性质(Properties of Expectation)
categories:
- Mathematic
- Probability
keywords:
- Properties of Expectation
toc: true
date: 2018-03-23 10:24:47
Abstract: 本文介绍关于期望的性质,主要是计算性质,所以本文会有非常多公式定理,例子可能较少
Keywords: Properties of Expectation
开篇废话
更新了下博客主题,添加了RSS订阅功能,这个功能看起来不错,以前听说过,但是一直也没用过,今天下了个软件,注册了个账号,帮忙收集信息也是不错,效率高很多,欢迎大家订阅。
本文介绍期望的一些性质,计算性质,而且很多是比较常见的随机变量函数的期望,从这篇看起来我们的套路有点越来越接近国内教材了,定义完了是计算性质,但是这个计算性质确实是必须的,不掌握好后面很多内容学起来就会吃力,就像我前两天看了一会儿统计,发现很多关于计算的的性质,在统计书籍里是直接使用的,如果不掌握好那就是好几脸懵逼。
Basic Theorems
Linear Function:.If Y=aX+b,where a and b are finite constants,then
E(Y)=aE(X)+b
E(Y)=aE(X)+b
E(Y)=aE(X)+b
线性关系,最简单的变化, a,ba,ba,b 是有限的常数,那么新的随机变量的期望和原始变量的关系满足上式,其实用上一篇的关于随机变量函数的方法就能证明这个问题,我们来计算一下:
E(Y)=E(aX+b)=∫∞∞(ax+b)f(x)dx=a∫−∞∞xf(x)dx+b∫−∞∞f(x)dx=aE(x)+b
E(Y)=E(aX+b)=\int^{\infty}_{\infty}(ax+b)f(x)dx\\
=a\int^{\infty}_{-\infty}xf(x)dx+b\int^{\infty}_{-\infty}f(x)dx\\
=aE(x)+b
E(Y)=E(aX+b)=∫∞∞(ax+b)f(x)dx=a∫−∞∞xf(x)dx+b∫−∞∞f(x)dx=aE(x)+b
上面用到上一篇的公式,然后用到了积分的线性性质,完成了证明。
Corollary If X=cX=cX=c with probability 1 ,then E(X)=cE(X)=cE(X)=c
证明:
E(X)=∫−∞∞cf(x)dx=c∫−∞∞f(x)dx=c
E(X)=\int^{\infty}_{-\infty}cf(x)dx\\
=c\int^{\infty}_{-\infty}f(x)dx=c
E(X)=∫−∞∞cf(x)dx=c∫−∞∞f(x)dx=c
Q.E.D
Theorem If there exists a constant such that Pr(X≥a)=1Pr(X\geq a)=1Pr(X≥a)=1, then E(X)≥aE(X)\geq aE(X)≥a. If there exists a constant bbb such that Pr(X≤b)=1Pr(X\leq b)=1Pr(X≤b)=1,then E(X)≤bE(X)\leq bE(X)≤b
这个定理说明当存在一个常数 aaa 满足 Pr(X≥a)=1Pr(X\geq a)=1Pr(X≥a)=1 那么 E(X)≥aE(X)\geq aE(X)≥a 另一部分是反过来的,所以我们只要证明了一半,另一半可以用同样的方法得到结论。
证明:
E(X)=∫−∞∞xf(x)dx=∫a∞xf(x)dx≥∫a∞af(x)dx=aPr(X≥a)=a
E(X)=\int^{\infty}_{-\infty}xf(x)dx=\int^{\infty}_{a}xf(x)dx\\
\geq \int^{\infty}_{a}af(x)dx=aPr(X\geq a)=a
E(X)=∫−∞∞xf(x)dx=∫a∞xf(x)dx≥∫a∞af(x)dx=aPr(X≥a)=a
Q.E.D
其中这一步 ∫a∞xf(x)dx≥∫a∞af(x)dx\int^{\infty}_{a}xf(x)dx\geq \int^{\infty}_{a}af(x)dx∫a∞xf(x)dx≥∫a∞af(x)dx 用到的条件是 x≥ax\geq ax≥a 而 ∫a∞af(x)dx=aPr(X≥a)\int^{\infty}_{a}af(x)dx=aPr(X\geq a)∫a∞af(x)dx=aPr(X≥a) 用到的是积分的线性性质,和概率的相关定义。
Theorem Suppose that E(x)=aE(x)=aE(x)=a and that either Pr(X≥a)=1Pr(X\geq a)=1Pr(X≥a)=1 or Pr(X≤a)=1Pr(X\leq a)=1Pr(X≤a)=1 .Then Pr(X=a)=1Pr(X=a)=1Pr(X=a)=1
定理解释当知道一个随机变量的期望值是 aaa 时,那么如果知道 Pr(X≥a)=1Pr(X\geq a)=1Pr(X≥a)=1 或者 Pr(X≤a)=1Pr(X\leq a)=1Pr(X≤a)=1 必然有 Pr(X=a)=1Pr(X=a)=1Pr(X=a)=1 。
证明当X时离散情况下 Pr(X≥a)=1Pr(X\geq a)=1Pr(X≥a)=1 其他情况类似,假设 x1,x2,…x_1,x_2,\dotsx1,x2,… 包含所有 x>ax>ax>a 那么 Pr(X=x)>0Pr(X=x)>0Pr(X=x)>0 令 p0=Pr(X=a)p_0=Pr(X=a)p0=Pr(X=a) 那么
E(X)=p0a+∑j=1∞xjPr(X=xj)
E(X)=p_0a+\sum^{\infty}_{j=1}x_jPr(X=x_j)
E(X)=p0a+j=1∑∞xjPr(X=xj)
每个 xjx_jxj 都大于 aaa 其和不能变大 因为
E(X)≥p0a+∑j=1∞aPr(X=xj)=a
E(X)\geq p_0a + \sum^{\infty}_{j=1}aPr(X=x_j)=a
E(X)≥p0a+j=1∑∞aPr(X=xj)=a
证毕。
其实离散情况想一下就正大概知道定理的正确性,但是连续情况下用微积分证明难度就有点大了。
Theorem If X1,…,XnX_1,\dots,X_nX1,…,Xn are nnn random variables such that each expectation E(Xi)E(X_i)E(Xi) is finite (i=0,…,n)(i=0,\dots,n)(i=0,…,n) ,then
E(X1+⋯+Xn)=E(X1)+⋯+E(Xn)
E(X_1+\dots+X_n)=E(X_1)+\dots+E(X_n)
E(X1+⋯+Xn)=E(X1)+⋯+E(Xn)
证明期望的加法性质,连续双随机变量证明过程如下,其他情况类似:
E(X1+X2)=∫−∞∞∫−∞∞(x1+x2)f(x1,x2)dx1dx2=∫−∞∞∫−∞∞x1f(x1,x2)dx1dx2+∫−∞∞∫−∞∞x2f(x1,x2)dx1dx2=∫−∞∞x1f1(x1)dx1+∫−∞∞x2f2(x2)dx2=E(X1)+E(X2)
E(X_1+X_2)=\int^{\infty}_{-\infty}\int^{\infty}_{-\infty}(x_1+x_2)f(x_1,x_2)dx_1dx_2\\
=\int^{\infty}_{-\infty}\int^{\infty}_{-\infty}x_1f(x_1,x_2)dx_1dx_2+\int^{\infty}_{-\infty}\int^{\infty}_{-\infty}x_2f(x_1,x_2)dx_1dx_2\\
=\int^{\infty}_{-\infty}x_1f_1(x_1)dx_1+\int^{\infty}_{-\infty}x_2f_2(x_2)dx_2\\
=E(X_1)+E(X_2)
E(X1+X2)=∫−∞∞∫−∞∞(x1+x2)f(x1,x2)dx1dx2=∫−∞∞∫−∞∞x1f(x1,x2)dx1dx2+∫−∞∞∫−∞∞x2f(x1,x2)dx1dx2=∫−∞∞x1f1(x1)dx1+∫−∞∞x2f2(x2)dx2=E(X1)+E(X2)
证明过程最关键一步是 ∫−∞∞∫−∞∞x1f(x1,x2)dx1dx2=∫−∞∞x1f1(x1)dx1\int^{\infty}_{-\infty}\int^{\infty}_{-\infty}x_1f(x_1,x_2)dx_1dx_2=\int^{\infty}_{-\infty}x_1f_1(x_1)dx_1∫−∞∞∫−∞∞x1f(x1,x2)dx1dx2=∫−∞∞x1f1(x1)dx1 的过程,首先调换积分变量的次序 ∫−∞∞∫−∞∞x1f(x1,x2)dx2dx1\int^{\infty}_{-\infty}\int^{\infty}_{-\infty}x_1f(x_1,x_2)dx_2dx_1∫−∞∞∫−∞∞x1f(x1,x2)dx2dx1 这样,内层积分中x1x_1x1 是常量,那么就可以提出来 ∫−∞∞x1[∫−∞∞f(x1,x2)dx2]dx1\int^{\infty}_{-\infty}x_1[\int^{\infty}_{-\infty}f(x_1,x_2)dx_2]dx_1∫−∞∞x1[∫−∞∞f(x1,x2)dx2]dx1 这样中括号里面的部分就是 x1x_1x1 的边缘变量了,同理可得 x2x_2x2 的情况,故得到最后结论。
上述证明过程证明了随机变量的和的期望等于期望的和,而不需要考虑其联合分布,同理可以推广到多变量情况
下面我们就要考虑多变量线性关系了
Corollary Assume that E(xi)E(x_i)E(xi) is finite for i=1,…,ni=1,\dots,ni=1,…,n For all constants a1,…,ana_1,\dots,a_na1,…,an and bbb
E(a1X1+⋯+anXn+b)=a1E(X1)+…anE(Xn)+b
E(a_1X_1+\dots + a_nX_n+b)=a_1E(X_1)+\dots a_nE(X_n)+b
E(a1X1+⋯+anXn+b)=a1E(X1)+…anE(Xn)+b
这个引理的证明是上面加法性质的证明以及前面第一个线性关系的扩展,这里就不再证明了。
以上为节选内容,完整原文地址:https://www.face2ai.com/Math-Probability-4-2-Properties-of-Expectations转载请标明出处
原文地址2:https://www.tony4ai.com/Math-Probability-4-2-Properties-of-Expectations转载请标明出处
【概率论】4-2:期望的性质(Properties of Expectation)的更多相关文章
- 《A First Course in Probability》-chaper7-期望的性质-期望的性质-协方差
在实际的问题中,我们往往想要通过已有的数据来分析判断两个事件的发生是否有相关性.当然一个角度去寻找这两个事件内在的逻辑关系,这个角度需要深究两个事件的本质,而另外一个角度就是概率论提供的简单方法:基于 ...
- python数学第七天【期望的性质】
- 概率论基础教程 (Sheldon M. Ross 著)
第1章 组合分析 1.1 引言 1.2 计数基本法则 1.3 排列 1.4 组合 1.5 多项式系数 *1.6 方程的整数解个数 第2章 概率论公里 2.1 引言 2.2 样本空间和事件 2.3 概率 ...
- AI 高等数学、概率论基础
一.概论 基础引入: 原理一:[两边夹定理] 原理二:[极限] X为角度x对应的圆弧的点长: 原理三[单调性]: 引入: 二.导数 常见函数的导数: 四.应用: 求解: 泰勒展式和麦克劳林展式: 泰勒 ...
- [学习笔记]概率&期望
概率的性质 非负性:对于每一个事件$A,0\;\leq\;P(A)\;\leq\;1$. 规范性:对于必然事件$S,P(S)=1$;对于不可能事件$A,P(A)=0$. 容斥性:对于任意两个事件$A, ...
- Lecture5_1&5_2.随机变量的数字特征(数学期望、方差、协方差)
一.数学期望 1.离散型随机变量的数学期望 设X为离散随机变量,其概率分布为:P(X=xk)=pk 若无穷级数$\sum_{k=1}^{+\infty}x_kp_k$绝对收敛 (即满足$\sum_{k ...
- 概率论与数理统计基础<1>:随机事件与随机变量
Part1. 随机事件 1-1.随机试验 随机试验:可以在相同条件下重复进行,每次试验的结果不止一个,事先知道所有可能的结果但不确定是哪一个的试验. 举例:重复的抛出一枚均匀的硬币就是一个随机试验,事 ...
- Bzoj 4720 换教室 (期望DP)
刚发现Bzoj有Noip的题目,只会换教室这道题..... Bzoj 题面:Bzoj 4720 Luogu题目:P1850 换教室 大概是期望DPNoip极其友好的一道题目,DP不怎么会的我想到了,大 ...
- cf期望概率专题
cf1009E:求到第i段期望和的比较困难,但是单独求每段的期望是比较容易的,所以单独对每段求和,然后累计总和 E[i]=1/2*a1+1/4*a2+...+1/2^(i-1)*ai-1+1/2^(i ...
随机推荐
- 如何用Dome4j(2.2.1)创建Xml
XML解析器常见的有两种: 1.SAX解析器,用于xml的简单API 2.DOM解析器,文档对象模型 DOM就是利用对象来把文本模型化,但是模型实现有以下几个基本的点: 1. 用来表示.操作文档的接口 ...
- Vs code 下设置python tasks.json
{ // See https://go.microsoft.com/fwlink/?LinkId=733558 // for the documentation about the tasks.jso ...
- 为什么用JS取不到cookie的值?解决方法如下!
注意:cookie是基于域名来储存的.要放到测试服务器上或者本地localhost服务器上才会生效.cookie具有不同域名下储存不可共享的特性.单纯的本地一个html页面打开是无效的. 明明在浏览中 ...
- HTTP method GET is not supported by this URL
Servlet eroor:HTTP method GET is not supported by this URL 错误提示: type: Status report message: HTTP m ...
- 基于微软hyper-v虚拟化服务器搭建方法和步骤整理
基于Microsoft基础设施私有云计算搭建 摘要:私有云是指组织机构建设的专供自己使用的云平台,它所提供的服务不是供他人使用,而是供自己的内部人员或分支机构使用,不同于公有云,私有云部署在企业内部网 ...
- json其实就是一种数据格式
1.json的两种书写: 2.字符串转换为json格式:
- SQL中新建注释、查询注释和说明
1.查询注释 SELECT A.name AS table_name, B.name AS column_name, C.value AS column_description FROM sys.ta ...
- iOS 超级签名详解
一.原理 把安装设备当做开发设备进行分发.说的明白一些,开发者可以在开发者后台添加手机的UDID,然后重新打包一个IPA文件,分发平台,然后被添加的UDID就可以下载. 二.优缺点 优势: 直接分发, ...
- MySQL Windows安装连接
1.首先进入mysql的安装目录下的bin目录,例如我的是[C:\WINDOWS\System32\cmd.exe] 2.接着输入cmd,回车 3.在命令行中输入命令[mysql -hlo ...
- 离线yum源挂载及yum服务器搭建
在进行现网环境搭建的时候,绝大多数情况下,centos或redhat(以下以centos为例)服务器是跟公网隔离的,因此需要找一台服务器挂载自己的yum源. 一.离线yum源包的制作 离线yum源可以 ...