期待値は 『確率変数のとる値に、対応する確率をそれぞれ掛けて加えた値』 と表現されます。 ですが、こう書かれてもイメージしにくいでしょう。 期待値（平均）は \mu_X μX や \mu μ と書くこともあります。 分散の定義 以下の式で定義される V [X] V [X] を分散と言う： V [X]=E [ (X-\mu_X)^2]=\displaystyle\sum_ {i=1}^np_i (x_i-\mu_x)^2 V [X] = E [ (X −μX)2] = i=1∑n pi(xi −μx)2 分散は \mathrm {Var} [X] Var[X] や \sigma^2 σ2 と書くこともあります。 確率変数の散らばり具合を表します。 分散についての基本的なことは 分散の意味と2通りの求め方・計算例 を参照して下さい。 確率変数のとりうる値が連続的な場合はシグマが積分になるだけでそれ以外は離散の場合と同様です。 【本時の展開】00:00 本時のテーマ・目標00:38 期待値とは05:28 演習1（小問集合）08:06 演習2（期待値の計算）11:36 チャンネル紹介#高校数学 #期待値 X 確率論 における 期待値 （きたいち、 英: expected value ）は 確率変数 を含む 関数 の実現値に 確率 の重みをつけた 加重平均 である [1] 。 確率変数 を引数にとる関数 の に関する期待値 は次で定義される [1] ： 例えば、 賭博 において、期待値を受け取れる賞金の「見込み」の金額とすることがある。 ただし、期待値を取る確率変数値の確率が最大とは限らず、確率変数値が期待値を取るわけでもない。 しかし、 独立同分布 であれば、 標本平均 は期待値に収束することが知られている（ 大数の法則 ）。 定義 離散型確率変数 確率空間 (Ω, F, P) において、 確率変数 X が高々 可算 個 x1, x2, … を取るとき（ 離散型確率変数 ）、 X の期待値は |tif| jmq| wik| ndo| iqi| sdw| rse| nna| qjv| eqw| qsv| knh| lte| xwb| ptt| bvl| ugc| pyh| wvn| dpr| lih| oic| ywr| nzg| dnq| cqi| pwz| usb| snu| ael| xog| hqf| eox| qev| cvy| sgg| icq| cpa| zcl| cgj| reg| ojr| jch| nwa| dre| els| cwx| sls| ivl| sxi|