公式推导

来源:互联网 发布:python图像识别库 编辑:程序博客网 时间:2024/04/29 13:33

公式推导


事件为相互独立的情况:

n个相互独立且服从相同分布的事件,X1,X2,...,Xn,其标准差为 σ, 期望为 μ

则总的的事件的期望和方差分别为:
E(X1+X2+...Xn)=E(X1)+E(X2)+...+E(Xn)=μ+μ+...+μn=nμ

D(X1+X2+...Xn)=D(X1)+D(X2)+...+D(Xn)=σ2+σ2+...+σ2n=nσ2

因此总的事件的波动系数Cv为:nσnμ=σnμ=1nCv

事件为正相关的情况:

n个事件 X1,X2,...,Xn 互为正相关,且有相同的期望 μ,和标准差 σ

则总的期望为:
E(X1+X2+...Xn)=E(X1)+E(X2)+...+E(Xn)=μ+μ+...+μn=nμ

总的方差为:

因为两两互为正相关,则有相关系数 ρXY=1

Cov(X,Y)DXDY=1–>Cov(X,Y)=DXDY


D(X1+X2+...Xn)

=E{[(X1+X2+...Xn)E(X1+X2+...Xn)]2}

=E{[(X1EX1)+(X2EX2)+...+(XnEXn)]2}

=E[(X1EX1)2+(X2EX2)2+...+(XnEXn)2+2i,j=1,2...ni<jCov(Xi,Xj)]

=DX1+DX2+...+DXn+2i,j=1,2...ni<jDXiDXj

=(DX1+DX2+...+DXn)2

=(nσ)2

所以总的标准差就为:nσ

总的波动系数为:Cv=nσnμ=σμ

0 0
原创粉丝点击