베르누이의 정리, Moivre-Laplace; Kolmogorov의 기준; 베르누이 계획; 베이즈 공식; 체비쇼프의 불평등; 포아송 분포 법칙; Fisher, Pearson, Student, Smirnov 및 기타 정리, 공식 없이 일반 언어로 된 모델. - 페이지 10

새 코멘트
 

A와 B가 독립 확률 변수인 경우 이러한 변수 합계의 분산은 분산의 합계와 같습니다.

IMHO, 산술 문제일 뿐입니다. 편리하게 :)

 
아니요, 조건은 덜 엄격합니다. 무작위 변수는 상관 관계가 없어야 하며 독립성은 선택 사항입니다.
 
Alexey, 정의를 내렸지만 따옴표를 넣는 것을 잊었습니다. :)
 
사람은 산술로 시작하여 더 정확하게는 조건으로 방향을 개발했습니다. 나는 같은 것으로 시작할 것입니다 ...
 

와 함께 분산처럼, 스스로 알아냈습니다.

몇 가지 pseudo_ 정의를 소개하겠습니다.

pseudo_ 확률 변수의 확산 측정 ( 상대 추정) - 두 개의 측정 가능한 집합 (즉, 동일한 크기의 집합) 사이의 거리: 원래 세트와 "평균"만으로 구성된 "이상적인" 세트 는 원래 세트가 속한 공간에 대해 정규화됩니다 .

이 정의에 대입하면 선형 공간에서 설정하면 RMS를 얻습니다. 그리고 집합이 비선형 공간에서 온 것이라면 ...

이것은 분산 측면에서 나를 귀찮게 했던 잠재 의식 질문이 있는 곳입니다. RMS의 제곱이 확률 변수의 확산 측정에 대한 보다 일반적인 정의인 분산으로 이동한 이유는 무엇 입니까?

1...345678910
새 코멘트