中文
Sign in
AI tools
热门问题
时间线
聊天
Loading AI tools
全部
文章
字典
引用
地图
Multivariate random variable
来自维基百科,自由的百科全书
Found in articles
协方差矩阵
在统计学与概率论中,协方差矩阵(covariance matrix)是一个方阵,代表著任兩列随机变量(英语:
Multivariate
random
variable
)间的协方差,是协方差的直接推广。 定義 — 設 ( Ω , Σ , P ) {\displaystyle (\Omega ,\,\Sigma
累积分布函数
在標量連續分佈的情況下,它給出了從負無窮到 x {\displaystyle x} 的概率密度函數下的面積。 累積分佈函數也用於指定多元隨機變量(英语:
Multivariate
random
variable
)的分佈。 對於所有實數值的随机变量 X {\displaystyle X} ,累积分布函数定義如下: 其中右侧表示随机变量
概率质量函数
機率密度函數通常是定义离散機率分布的主要方法,并且此类函数存在于其定义域是离散的标量變數或多元随机變數(英语:
Multivariate
random
variable
)。 機率质量函數和機率密度函数的一个不同之处在于:機率质量函數是对离散随机變數定义的,本身代表该值的機率;機率密度函数本
样本均值
={\frac {1}{N}}\sum _{i=1}^{N}\mathbf {x} _{i}.} 样本均值是隨機向量(英语:
Multivariate
random
variable
) X {\displaystyle \textstyle \mathbf {X} } 期望(若存在)的無偏估計(英语:Bias
估计理论
对于给定模型,估计器需要若干统计 "成分"才能实现。第一,统计样本从长度为 N 的随机向量(英语:
Multivariate
_
random
_
variable
)(
Random
Variable
,RV)中采样获得,观测值构成向量: x = [ x [ 0 ] x [ 1 ] ⋮ x [ N − 1