![見出し画像](https://assets.st-note.com/production/uploads/images/115781130/rectangle_large_type_2_2628be34f408096f2256c4feea408104.png?width=1200)
期待値・分散・共分散の性質 - 公式まとめ
期待値
期待値は、確率変数が取る値の「期待される」値を表す。平均は「観測された」値の中心傾向を反映する。(値は同じ)
定数の期待値は定数自体: $${E(c) = c}$$
期待値の定数倍 : $${E(cX) = cE(X)}$$
期待値の和(加法性): $${E(X + Y) = E(X) + E(Y)}$$。確率変数が独立または相関している場合でも成り立つ
期待値の線型性: $${E(aX+bY) = aE(X) + bE(Y)}$$
分散
分散は、データがその平均からどれだけばらついているかの指標。
定数の分散は0:$${V(c) = 0}$$
$${V(X + c) = V(X)}$$ 定数を加えるとデータは移動するが、相対的な散らばりは変わらない
定数倍の分散は元の分散の定数の二乗倍:確率変数 $${X}$$ の定数倍 $${cX}$$ の分散は $${X}$$ の分散の $${c^2}$$ 倍。$${Var(cX) = c^2 V(X)}$$。
分散の和と差は足し算: $${ V(X ± Y) = V(X) + V(Y) }$$
ただし、変数が独立の場合に限る
独立でない場合は、$${ V(X + Y) = V(X) + V(Y) + 2Cov(X, Y) }$$,$${V(X - Y) = V(X) + V(Y) - 2Cov(X, Y)}$$共分散×2だけ引く
期待値から分散を求める:$${V(X) = E[(X - E[X])^2] = E[X^2] - (E[X])^2}$$
共分散
2つの変数の期待値の偏差の積 。以下は基本の公式
$${ Cov(X, Y) = E[(X - E[X])(Y - E[Y])] }$$
⭐️$${Cov(X, Y) = E[XY] - E[X]E[Y]}$$
XとYが独立の時、共分散は0になる
$${ E[XY] - E[X]E[Y] = 0}$$
$${ E[XY] = E[X]E[Y] }$$
その他の公式
線型変換した共分散 $${Cov(U, V) = Cov(aX, cY) = a * c * Cov(X, Y)}$$
線型変換した共分散の相関係数 $${r(U, V) = r(aX, cY) = r (X, Y)}$$ ※ aかcどちらがマイナスの場合、共分散も相関係数もマイナスの値になる
和の共分散(分配法則): $${ Cov(X+Y, Z) = Cov(X, Z) + Cov(Y, Z)}$$
この記事が気に入ったらサポートをしてみませんか?