作者doom8199 (~口卡口卡 修~)
看板Math
標題Re: [機統] 變異數和組合
時間Mon Sep 26 09:55:30 2011
※ 引述《Ertkkpoo (water)》之銘言:
: 2
: 2. V(X)=E[(X-μ) ] V代表變異數 E代表期望值 X代表間斷隨機變數
: μ代表母體平均數
: 這個該如何證明呢?
: n
: 定義 E(X)=Σ x f(x ) f(x ) 為機率函數
: i=1 i i i
: n 2
: V(X)=Σ (x -μ) f(x ) x 為隨機變量 X為隨機變數
: i=1 i i i
: 不太能從這兩個公式去看其相聯的關係
: 謝謝大家
我覺得原 po 有點問反了
Δ
E[X] = Σ x P(X = x ) ____(1) => 這個是 Definition
i i i
Δ 2
Var(X) = E[(X-μ) ] ____(2) => 這個是 Definition
2
= Σ (x -μ) P(X = x ) ____(3) => 這個才是 Theorem
i i i
有一個定理是:
『
If X ia a real r.v. with pdf f (x) , then the expected value
X
of Y = g(X) is:
∞
E[Y] = ∫ g(x)*f (x) dx ,where g(.) is measurable
-∞ X
』
一般隨機變數方面的書不會證明這個 thm.
因為需要實變那方面的知識才有辦法證明
而那並非是機率所要 cover 的重點
但那個 thm. 很重要且很常用到
所以書上通常會提供不正規的論證 來讓讀者了解 thm. 所代表的涵意
最常用的一招就是 M.V.T.: P[x < X < x + Δx] ~ f (x)*Δx
X
至於當 X 是 discrete r.v.
其 pdf 可以看成是由 delta functions 組成
利用上述的 thm. 再搭配 delta function 的一些 property
可以直接類推 E[Y] = E[g(X)] 在 discrete 的 case ( 也就是 (3)式 )
--------
ps:
(3) 式其實才是統計上較原始的 idea
只是在前人們智慧的結晶 push 下
定義會越來越 compatibility 和 generalization
以上是我的看法
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.113.211.139
→ yhliu :(3) 式是離散型時的 definition, 就像 (1) 式一樣. 09/26 11:02
→ yhliu :至於 p.d.f. 那個式子, 確實可以看成是一個 theorem, 09/26 11:03
→ yhliu :但在初等課程, 是把它當做連續型時的 definition; 在 09/26 11:04
→ yhliu :高等課程, 用 measure theory 的想法來定義期望值, 09/26 11:05
→ yhliu :再藉由一些定理, 推出 based on p.d.f. 的積分式. 09/26 11:05
→ Enas :LUS 09/26 13:43
推 Ertkkpoo :因為我是高中學1.3為定義才會以為2是推導出的 09/26 17:20