在线词典

方差期望公式推导

更新日期:2026-11-11 22:27:45

4. 条件方差(Conditional Variance):

在给定 $ Y $ 的条件下,$ X $ 的方差记为 $ \text{Var}(X

二、方差期望公式(全方差公式)

全方差公式是用于计算一个随机变量的总体方差,通过其条件期望和条件方差来表达:

$$

\text{Var}(X) = E[\text{Var}(X

$$

该公式揭示了总体方差由两部分组成:

- 条件方差的期望(即“内部”变异)

- 条件期望的方差(即“外部”变异)

三、推导过程

步骤 1:展开方差定义

$$

\text{Var}(X) = E[(X - E[X])^2

$$

步骤 2:引入条件期望

利用条件期望的性质,可以写成:

$$

X - E[X] = (X - E[X

$$

因此,

$$

(X - E[X])^2 = (X - E[X

$$

步骤 3:取期望

对上式两边取期望:

$$

E[(X - E[X])^2] = E[E[(X - E[X

$$

由于 $ E[X

$$

\text{Var}(X) = E[\text{Var}(X

$$

四、关键步骤总结(表格形式)

标题方差期望公式推导
内容

在概率论与统计学中,方差和期望是描述随机变量分布特性的两个重要指标。方差衡量的是随机变量与其均值之间的偏离程度,而期望则是随机变量的平均值。在实际应用中,常常需要对条件期望与方差进行联合分析,从而引出“方差期望公式”,也称为“全方差公式”。本文将对这一公式的推导过程进行总结,并通过表格形式展示关键步骤。

一、基本概念

1. 期望(Expectation):

随机变量 $ X $ 的期望记为 $ E[X] $,表示其长期平均值。

2. 方差(Variance):

随机变量 $ X $ 的方差记为 $ \text{Var}(X) = E[(X - E[X])^2] $,表示其围绕均值的波动程度。

3. 条件期望(Conditional Expectation):

在给定另一个随机变量 $ Y $ 的条件下,$ X $ 的期望记为 $ E[X

Y] $。Y) = E[(X - E[XY])^2 Y] $。Y)] + \text{Var}(E[XY])Y]) + (E[XY] - E[X])Y])^2 + 2(X - E[XY])(E[XY] - E[X]) + (E[XY] - E[X])^2Y])^2 Y]] + 2E[(X - E[XY])(E[XY] - E[X])] + E[(E[XY] - E[X])^2Y] $ 是关于 $ Y $ 的函数,第二项中 $ E[XY] - E[X] $ 与 $ X - E[XY] $ 相乘后,期望为0,因此:Y)] + \text{Var}(E[XY])
步骤 内容 说明
1 定义方差 $\text{Var}(X) = E[(X - E[X])^2]$
2 引入条件期望 将 $ X - E[X] $ 拆分为两部分
3 展开平方项 $(X - E[X])^2 = (X - E[XY])^2 + ...$
4 取期望 对等式两边取期望,分离条件期望与方差
5 简化项 第二项期望为0,得到最终公式
6 得出结论 $\text{Var}(X) = E[\text{Var}(XY)] + \text{Var}(E[XY])$

五、结论

方差期望公式是概率论中的一个重要工具,广泛应用于风险评估、金融建模、统计推断等领域。通过理解其推导过程,我们可以更深入地把握随机变量的不确定性来源,从而更好地进行数据分析与决策。

以上就是【方差期望公式推导】相关内容,希望对您有所帮助。

随便看