几何分布的期望与方差的推导过程
两点分布的期望和方差推导？
两点分布的期望和方差推导？
在二点分布（也就是伯努利分布）里，0，1是伯努利随机变量X的值（其实随机变量的值也可以用其他值表达，比如-1，1或者2，3都可以，只不过用0，1会更好理解一些）。分类变量的编码0，1是一个代号，只不过碰巧都是0，1，让你产生误解了。其实虚拟变量也可以用2，3，或者3，4或者-1，1等等都可以。
方差公式没有平方啊,就是p(1-p)
两点分布嘛：1的概率为p,0为（1-p）
均值E(x)p
方差D(x)p[（1-p）^2] (1-p)[(0-p)^2]
p(1-p)[p (1-p)]
p(1-p)
数学期望方差与均值公式？
期望公式：E(x）s*p；方差公式：fok*l。在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小
高斯分布推导？
多维高斯分布公式为：
其中
是
维期望向量，
是
维协方差矩阵，
表示
的行列式。
3.1 推导：假设
各个维度间相互独立，利用一维高斯分布推出多维独立高斯分布。
因为独立所以可以直接相乘：
其中
可以表示为
而
可以表示为
最终可以写成
3.2 推导：假设
各个维度不独立，利用3.1推导多维高斯分布。
多维高斯分布
图中的高斯分布维度之间相关，我们可以把
投影到新的坐标轴
上，那么各个维度间就相互独立了。投影的公式为：
，其中
是正交矩阵，所以有
，
。
用上面推导的结果带入多维高斯分布得到下面分布：
直方图如何求数学期望和方差？
使用分组数据的方差计算方法。
直方图上有每个组的均值和每个组的频数。假设某个组处于10-20，频数为5，那么这个组可以看成是5个15，依次类推，能获得一堆数据，算这堆数据的方差即可。
方差(中点-平均数)×频率的和，其中频率各长方形面积。
直方图的纵轴坐标反映的是考察对象的频率与组距之比，只有当组距相同时，才可以用长方形的高即纵坐标的数值（即标值）表示频率（频数）的大小。