확률변수의 기댓값과 분산 본문HOIT_1220 2020. 8. 11. 16:07 Show 이산형 분포의 기댓값x : 이산형 확률변수 f(x) : 확률 함수 ∑|x|f(x) < ∞ 이면 'x는 기댓값이 존재한다'라고 하고 E(x) = ∑|x|f(x) 를 x의 기댓값이라 한다. (ex) 연속형 분포의 기댓값x : 연속 확률변수 f(x) : 확률함수 ∫|x|f(x) dx <∞ 이면 'x는 기댓값이 존재한다'라고 하고 E(x) = ∫|x|f(x) dx를 기댓값의 성질확률변수 x는 E(x)가 존재할 때, 모든 a, b는 상수 THM확률변수 X1, X2가 서로 독립이면 E( X1, X2 ) = E(X1) E(X2)이다. (증명) 확률변수 x는 E(x)=m를 가질 때, E[ (x-m)^2 ]이 존재하면 이 값을 x의 분산이라 한다. var(x), v(x) 등으로 표기한다. 분산의 성질모든a,b는 상수 var(ax+b) = a^2 var(x) pf) var(ax+b) = E[ { (ax+b) - E(ax+b)^2 }^2 ] = E[ {ax+b - aE(x)+b}^2 ] = E[ { a(x-E(x) }^2 ] = a^2E[ { x-E(x) }^2 ]=a^2 var(x) var(x+b) = var(x) var(-x) = var(x) THM1) var(x) = E(x^2) - [E(x)]^2 (pf) 2) 확률변수 x1,x2가 서로 독립이면 var(x1+x2) = var(x1)+var(x2) 이다. n으로 확장하면 x1, x2, x3, .......... ,xn이 서로 독립이면, var(x1+x2+x3+ ..........+xn) = var(x1)+var(x2)+var(x3) + ...... +var(xn) 경우의 수(공식) · 순열(완전순열 · 염주순열) · 치환 · 분할(분할수) · 최단거리 · 제1종 스털링 수 · 제2종 스털링 수 · 카탈랑 수 · 벨 수 · 라흐 수 · 포함·배제의 원리 · 더블 카운팅 · 조합론 그래프 수형도 · 인접행렬 · 마방진 · 마법진 · 한붓그리기(해밀턴 회로) · 쾨니히스베르크 다리 건너기 문제 확률 사건 · 가능성 · 확률변수 · 확률분포(정규분포 · 이항분포 · 푸아송 분포 · 카이제곱분포 · t분포) · 조건부확률 · 기댓값 · 도박사의 오류 · 몬티 홀 문제 · 뷔퐁의 바늘 기타 P-NP 문제미해결 · 4색정리 · 이항정리(파스칼의 삼각형) · 이산 푸리에 변환 · 비둘기 집의 원리 · 상트페테르부르크의 역설 · 투표의 역설 · 에르고딕 가설미해결 · 콜라츠 추측미해결 · 시행착오 (예상과 확인) 관련 문서 논리학 관련 정보 · 수학 관련 정보 · 컴퓨터 관련 정보 · 틀:수학기초론 · 틀:이론 컴퓨터 과학 통계학 [ 펼치기 · 접기 ] 수리통계학 기반 실해석학(측도론) · 선형대수학 · 이산수학 확률론 사건 · 가능성 · 확률변수 · 확률분포(표본분포 · 정규분포 · 이항분포 · 푸아송 분포 · 카이제곱분포 · ttt분포 · zzz분포 · FFF분포) · 확률밀도함수 · 확률질량함수 · 조건부확률 · 조건부기댓값 · 전체 확률의 법칙 · 베이즈 정리 · 도박사의 오류 · 몬티 홀 문제 · 뷔퐁의 바늘 · 마르코프 부등식 · 체비쇼프 부등식 · 큰 수의 법칙(무한 원숭이 정리 · 던파확률의 법칙) · 중심극한정리 · 벤포드의 법칙 통계량 평균(산술평균 · 기하평균 · 조화평균 · 멱평균 · 대수평균) · 기댓값 · 편차(절대편차 · 표준편차) · 분산(공분산) · 결정계수 · 변동계수 · 상관계수 · 대푯값 · 자유도 추론통계학 가설 · 변인 · 추정량 · 점추정 · 신뢰구간 · 상관관계와 인과관계 · 실험통계학 · p-해킹 · 통계의 함정 · 그레인저 인과관계 · 신뢰도와 타당도 통계적 방법 회귀 분석 · OLS · 분산분석 · 주성분 분석(요인 분석) · 시계열분석 · 패널분석 · 2SLS · 생존 분석 · GARCH · 비모수통계학 · 준모수통계학 · 기계학습(군집 분석 · 분류 분석) · 위상 데이터분석 · 외삽법 · 메타 분석 · 모델링(구조방정식) 기술통계학 · 자료 시각화 도표(그림그래프 · 막대그래프 · 선 그래프 · 원그래프 · 상자 수염 그림 · 줄기와 잎 그림 · 산포도 · 산점도 · 히스토그램 · 도수분포표) · 그래프 왜곡 · 이상점 1. 개요2. 정의 2.1. 이산 확률 변수2.2. 연속 확률 변수2.3. 응용 3. 성질4. 기타5. 참고 문서1. 개요[편집]期待値 / expectation
2. 정의[편집]2.1. 이산 확률 변수[편집]이산 확률 변수 XXX의 확률분포표가 다음과 같다고 하자. (p(x)p\left(x\right)p(x)는 확률 질량 함수) XXX x1x_1x1 x2x_2x2 ⋯\cdots⋯ xnx_nxn p(x)p\left(x\right)p(x) p1p_1p1 p2p_2p2 ⋯\cdots⋯ pnp_npn 이때 이산 확률 변수 XXX의 기댓값은 E(X)\text{E}\left(X\right)E(X) 또는 E(X)\mathbb{E}(X)E(X)[1]와 같이 나타내고 다음과 같이 정의한다. E(X)=∑i=1nxipi\displaystyle \mathbb{E}\left(X\right)=\sum_{i=1}^{n}{x_ip_i}E(X)=i=1∑nxipi 이산 확률 변수 XXX가 취하는 값의 개수가 무한한 경우, 즉 자연수 집합과 일대일 대응 되는 경우에도 비슷하게 정의된다. E(X)=∑i=1∞xipi\displaystyle \mathbb{E}\left(X\right)=\sum_{i=1}^{\infty}{x_ip_i}E(X)=i=1∑∞xipi 단, 이 급수가 절대수렴해야 한다. 다시 말해서 각 항에 절댓값을 씌운 급수 2.2. 연속 확률 변수[편집]연속 확률 변수 XXX의 확률 밀도 함수가 f(x)f(x)f(x)라고 할 때 XXX의 기댓값은 다음과 같이 정의한다. E(X)=∫−∞∞x f(x) dx=∫Rx f(x) dx\displaystyle \mathbb{E}\left(X\right)=\int_{-\infty}^{\infty} x\, f(x)\, \mathrm{d}x = \int_{\mathbb{R}} x\, f(x)\, \mathrm{d}xE(X)=∫−∞∞xf(x)dx=∫Rxf(x)dx 이산 확률 변수의 경우와 마찬가지로 2.3. 응용[편집]어떤 함수 ggg에 대해 g(X)g\left(X\right)g(X)의 기댓값, 즉 E(g(X))\text{E}\left(g\left(X\right)\right)E(g(X))는 다음과 같이 정의된다.
V(X)=E((X−E(X))2)=E(X2)−{E(X)}2\text{V}\left(X\right)=\text{E}\left(\left(X-\text{E}\left(X\right)\right)^2\right)=\text{E}\left(X^2\right)-\left\{\text{E}\left(X\right)\right\}^2V(X)=E((X−E(X))2)=E(X2)−{E(X)}2 3. 성질[편집]상수 aaa의 기댓값은 aaa이다.
4. 기타[편집]동의어인 '기대치'라는 단어는 일상적으로 생각보다 많이 쓰이는데, "기대치가 너무 높다"라던가 "기대치에 못 미쳤다"와 같이 '바라는 정도'의 맥락으로 쓰이는 경우가 많다. 5. 참고 문서[편집]
[1] 물리학에서는 전자, 수학에서는 후자를 많이 쓴다.[2] 이산 확률 변수에서 저게 왜 적분이지? 할 수 있겠지만, 사실 ∑x=abf(x)⇔∫abf(x) d⌊x⌋\displaystyle \sum_{x=a}^b f(x) \Leftrightarrow \int_{a}^{b} f(x) \, \mathrm{d} \lfloor x \rfloorx=a∑bf(x)⇔∫abf(x)d⌊x⌋이 성립한다는 것을 염두에 두면 적분 맞다.[3] 자유도가 1인 t-분포와 같다.[4] π\piπ 뒤에 점을 찍은 이유는 π(1+x2)\pi(1+ x^2)π(1+x2)라고 쓰면 원주율과 다항식의 곱인지, 소수 계량 함수인지 혼동할 수 있기 때문.[5] 물론 중앙값은 0이다.[6] 해당 성질을 갖는 X,Y를 비상관(uncorrelated) 확률변수라 부르며 비상관이지만 독립은 아닌 경우도 있다. 대표적으로 X의 분포가 짝함수이고 Y=|X|인 경우가 있다. |