首頁 > 農業
隨機變數數字特徵的釋義
由 小鋒學長 發表于 農業2021-06-30
簡介隨機訊號的數字特徵1、均值函式總集均值,一階原點矩函式過程的數學期望作為引數的函式,是其樣本函式在某時刻t的平均取值2、均方值函式反映了隨機訊號在總集意義下的瞬時功率(即某時刻樣本隨機變數的平均功率)3、方差函式反映了隨機訊號在均值上下的起
隨機變數符號怎麼讀
隨機變數的數字特徵
1、數學期望(均值)
數學期望給出了隨機變數的平均大小。隨機變數X的數學期望記為E(X), E(X)是X的算術平均的近似值, 數學期望表示了X的
平均值
大小。實驗中每次可能的結果的機率乘以其結果的總和。
離散型隨機變數
連續型隨機變數
2、方差
隨機變數的取值在均值周圍的
散佈程度,
X的方差記為
D(X)=E{[X-E(X)]^2}。
離散型
連續型
方差的算術平方根為
X的標準差
D(X) = E{[X-E(X)]^2} 經過化解可得
D(X) = E(X^2) – [E(X)]^2
,一般計算的時候常用這個式子
3、協方差
對於二維的隨機變數(X,Y),還要討論它們的相互關係。
因為E{ [X-E(X)][Y-E[Y]] } = E(XY) – E(X)E(Y),又當X,Y相互獨立的時候E(XY) = E(X)E(Y)。這意味著若
E{[X-E(X)][Y-E[Y]]} ≠ 0
,則X與Y是
存在
一定
關係
的。
協方差可以反應兩個變數的協同關係, 變化趨勢是否一致。同向還是方向變化。
Cov(X,Y) = E{[X-E(X)][Y-E[Y]]}
4、相關係數
相關係數是協發差的歸一化(normalization), 消除了兩個變數量綱/變化幅度不同的影響。單純反映兩個變數在每單位變化的相似程度。
協方差在某種意義上是表示了兩個隨機變數間的關係,但是Cov(X,Y)的取值大小與X,Y的量綱有關,不方便分析。為了消除量綱的影響,用X,Y的標準化隨機變數來討論,即將兩變數分別進行標準化(每個觀察值減去均數再除以其標準差)後再計算協方差,使之成為無單位的係數。
隨機變數X與Y的
相關係數:
記為(無量綱)
其中,以下符號為X,Y的協方差即Cov(X,Y)。D(X),D(Y)分別是X,Y的方差且D(X)>0,D(Y)>0
注意
:兩個不相關的隨機變數,不一定相互獨立,有一特殊情況是,當隨機變數X,Y服從
二維正態分佈
的時候,獨立與不相關
等價
。
不相關只能說明X與Y不存線上性關係。
獨立說明X與Y既不存線上性關係,也不存在非線性關係。
5、矩
矩(moment)是最廣泛的一種數字特徵,常用的矩有兩種:原點矩和中心矩。
原點矩:
對於正整數k,稱隨機變數X的k次冪的數學期望為X的
k階原點矩
:即 E(Xk) ,k=1,2,…n。
數學期望就是一階原點矩。
中心矩:
對於正整數k,稱隨機變數X與E(X)差的k次冪的數學期望為X的
k階中心矩
:即 E{X-E[XK]},K=1,2,…n。
方差就是二階中心矩。
6、補充
均值,用E(x)表示,表示訊號中直流分量的大小。
均值的平方,用{E(x)}^2表示,它表示的是訊號中直流分量的功率。
均方值,用E(x^2)表示,表示訊號平方後的均值。均方值表示訊號的平均功率。
均方根值,即均方值的開根號
方差,描述訊號的波動範圍,表示訊號中交流分量的強弱,即交流訊號的平均功率。
均方差,用MSE表示,是各資料偏離真實值的距離平方和的平均數
對於方差和標準差而言,它們反映的是資料序列與均值的關係。
對於均方差和均方根誤差而言,它們反映的是資料序列與真實值之間的關係。
隨機訊號的數字特徵
1、均值函式
總集均值,一階原點矩函式過程的數學期望作為引數的函式,是其樣本函式在某時刻t的平均取值
2、均方值函式
反映了隨機訊號在總集意義下的瞬時功率(即某時刻樣本隨機變數的平均功率)
3、方差函式
反映了隨機訊號在均值上下的起伏程度
4、自相關函式
表示隨機訊號在不同時刻取值的關聯程度
5、自協方差函式
描述隨機訊號在不同時刻值的起伏變化的相關程度,也稱為中心化的自相關函式