温故统计学(二)
2016-01-18 15:09
417 查看
(1)有序序列中间值:在其长度为偶数时,定义为两个中间元素的均值;
(2)所谓方差:差的平方,差指的是,与均值的差,方差刻画的是偏离中心值(均值)的程度;
期望的线性性与独立性无关。
为证明此引理,我们需要知道指示器随机变量的定义以及离散型随机变量的期望的定义。
给定一个样本空间 S 和事件A,那么事件 A的指示器随机变量 1{A}定义为:
1{A}={1,0,如果A发生的话如果A不发生
所以有:
E(1{A})=1⋅Pr(A)+0⋅Pr(A¯)=Pr(A)
在独立试验中,以 pn 代表事件 A在试验中出现的概率,它与试验次数无关,如果:
limn→∞npn=λ⇓b(k;n,pn)→λke−λk!
证明:
limn→∞npn=λ⇓pn=λn+1no(1),(1−pn)=(1−λn−1no(1))⇓b(k;n,pn)=n!k!(n−k)!pkn(1−pn)n−k=n!k!(n−k)!(λn+1no(1))k(1−λn−1no(1))n−k=(λ+o(1))kk!(1−λn−1no(1))nn(n−1)⋯(n−k+1)nk(1−λn−1no(1))k=(λ+o(1))kk!(1−λn−1no(1))n1(1−1n)⋯(1−k−1n)(1−λn−1no(1))k
当 n→∞ 时,
b(k;n,pn)→λke−λk!b(k;n,pn)→Possion(X=k|npn)
(2)所谓方差:差的平方,差指的是,与均值的差,方差刻画的是偏离中心值(均值)的程度;
期望的线性性
E(CX)=CE(X)E(X+Y)=E(X)+E(Y)期望的线性性与独立性无关。
指示器随机变量的期望
给定样本空间 S 和 S 中的事件 A,令XA=1{A},则 E(XA)=Pr{A}为证明此引理,我们需要知道指示器随机变量的定义以及离散型随机变量的期望的定义。
给定一个样本空间 S 和事件A,那么事件 A的指示器随机变量 1{A}定义为:
1{A}={1,0,如果A发生的话如果A不发生
所以有:
E(1{A})=1⋅Pr(A)+0⋅Pr(A¯)=Pr(A)
二项分布的泊松逼近
泊松定理:在独立试验中,以 pn 代表事件 A在试验中出现的概率,它与试验次数无关,如果:
limn→∞npn=λ⇓b(k;n,pn)→λke−λk!
证明:
limn→∞npn=λ⇓pn=λn+1no(1),(1−pn)=(1−λn−1no(1))⇓b(k;n,pn)=n!k!(n−k)!pkn(1−pn)n−k=n!k!(n−k)!(λn+1no(1))k(1−λn−1no(1))n−k=(λ+o(1))kk!(1−λn−1no(1))nn(n−1)⋯(n−k+1)nk(1−λn−1no(1))k=(λ+o(1))kk!(1−λn−1no(1))n1(1−1n)⋯(1−k−1n)(1−λn−1no(1))k
当 n→∞ 时,
b(k;n,pn)→λke−λk!b(k;n,pn)→Possion(X=k|npn)
相关文章推荐
- 为什么统计学家应该关注数据挖掘
- 最小二乘法
- 统计学习(一)--统计学习的定义及常识
- 统计学原理----走出平均数理解上的误区
- SAS软件的使用和统计学分析的初步介绍
- 基于个人选择的一点想法
- 美国纽约留学的日子
- 读 统计学习方法 摘要
- mysql统计用户七日留存存储过程
- 生物&统计学词汇解释
- 统计学习-4
- 统计学习-3
- 统计学习-2
- 协方差矩阵
- R在开放数据的应用
- scikit-learn Generalized Linear Models 自主学习笔记(一)
- 【读书笔记】统计学:从数据到结论 第十章
- 【读书笔记】统计学:从数据到结论 第八章
- 【读书笔记】统计学:从数据到结论 第七章
- 【读书笔记】统计学:从数据到结论 第六章