Mathematica 9 is now available
THIS IS DOCUMENTATION FOR AN OBSOLETE PRODUCT.
SEE THE DOCUMENTATION CENTER FOR THE LATEST INFORMATION.
Wolfram Mathematica Documentation Center
DOCUMENTATION CENTER SEARCH
New to Mathematica? Find your learning path »
Mathematica > 数据处理 > 统计数据分析 > 概率和统计 > NExpectation >
Mathematica > 数学和算法 > 统计数据分析 > 概率和统计 > NExpectation >
MATHEMATICA 内置符号参见 »|更多关于 »

NExpectation

NExpectation
假定 x 服从概率分布 dist，给出 expr 的数值期望.
NExpectation
假定 服从多元分布 dist，给出 expr 的数值期望.
NExpectation
假定 、、... 独立且服从分布 、、...，给出 expr 的数值期望.
NExpectation
已知 pred，给出 expr 的数值条件期望.
更多信息
  • 可以用 x Esc dist Esc dist 或 输入.
  • 可以用 expr Esc cond Esc pred 或 输入.
  • 对于一个连续分布 dist，expr 的期望由 给出，其中 是 dist 的概率密度函数，并且积分在 dist 的定义域上进行.
  • 对于一个离散分布 dist，expr 的概率由 给出，其中 是 dist 的概率密度函数，并且加和在 dist 的定义域上进行.
  • 可以给定下列选项：
AccuracyGoal∞所求绝对准确度的位数
PrecisionGoalAutomatic所求精度的位数
WorkingPrecisionMachinePrecision内部计算所用的精度
MethodAutomatic要使用何种方法
范例关闭所有单元
例   (3)
计算一个多项表达式的期望：
计算一个任意表达式的期望：
计算一个条件期望：
计算一个多项表达式的期望：
In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=
In[3]:=
Click for copyable input
Out[3]=
In[4]:=
Click for copyable input
Out[4]=
 
计算一个任意表达式的期望：
In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=
In[3]:=
Click for copyable input
Out[3]=
 
计算一个条件期望：
In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=
范围   (22)
计算一个连续单变量分布中表达式的期望：
离散单变量分布：
连续多变量分布：
离散多变量分布：
利用独立分布的随机变量，计算期望：
在一般非零概率条件下，求条件期望：
离散单变量分布：
多变量条件分布：
多变量离散分布：
在零概率条件事件下，计算条件期望：
如果符合式计算失效，应用 N 来调用 NExpectation：
求一个有理函数的期望：
超越函数：
分段函数：
复函数：
得到具有不同精度的结果：
计算单变量连续分布的期望：
计算单变量离散分布的期望：
多变量连续分布的期望：
多变量离散分布的期望：
使用一个单变量 HistogramDistribution：
一个多变量直方图分布：
使用一个单变量 KernelMixtureDistribution：
利用 TransformedDistribution 计算期望：
另一种等价的用公式表示相同期望的方法：
利用 ProductDistribution 求期望：
另一种用等价的公司表示相同期望的方法：
使用正态分布的一个分量混合：
指数分布的参数混合：
截断后的狄利克雷分布：
删截后的三角分布：
边缘分布：
另一种用等价的公司表示相同期望的方法：
Copula 分布：
公式分布：
选项   (4)
对准确度使用默认设置，得到一个结果：
对准确度使用一个不同的值，利用 AccuracyGoal 得到结果：
下面，递归子部分的默认数目给出一个具有低准确度的结果：
利用 Method 选项增加递归子部分的数目：
与从 Expectation 得到的准确结果相比较：
在精度的默认设置下，得到一个结果：
使用 PrecisionGoal 来得到一个不同精度的结果：
默认情况下，NExpectation 使用机器精度：
利用 WorkingPrecision 得到具有较高精度的结果：
应用   (17)
得到连续分布的一个原始矩：
得到离散分布的均值：
得到截断分布的方差：
某保险单对损失的赔偿金额上限为 10. 保单持有人的损失 服从密度函数为 （当 ）、在其它情况下为 0 的分布. 求在这个保险单下所支付的赔偿金额的预期值：
使用一个连续的正随机变量 对一个保险公司的月索赔情况建模，这个随机变量的概率密度函数与 成正比，其中 . 判断公司的期望月索赔：
由风灾引起的受保险房屋的索赔金额是具有公共密度函数 （当 ）、在其它情况下为 0 的独立随机变量，其中 是以千为单位的索赔金额. 假定有3个此类索赔. 计算这三个索赔中最大值的期望值：
令 表示在一次事故中受保险的机动车辆的年龄. 令 表示在事故发生时车主为车辆加入保险的时间长度. 和 的联合密度函数为 （当 以及 ）、在其它情况下为 0. 计算事故中涉及的受保险的机动车辆的期望年龄：
一位棒球选手的击中率为 0.300. 求如果该选手击球 3 次的期望击中次数：
一个篮球运动员被罚任意球，直到他击中其中的4个. 他在任意一次任意球中得分的概率是 0.7. 求该运动员投球的期望次数：
同时投掷四个六面骰子. 求最小值的期望值：
求最大值的期望值：
求三个最大值之和的期望. 使用恒等式 以及所得 Expectation 的线性性：
一个服从连续分布 的大小为 10 的样本按升序排列. 生成一个新的随机变量. 求第 11 个样本位于有序列表的第四和第五个最小数值之间的概率：
概率等于 并且与 无关：
它也与分布无关：
研究指数分布的风险尾值（TVaR）：
风险值可能会低估可能的损失. 考虑股票对数收益的两个模型：
固定参数 ，以使得在 99.5% 水平下的风险值是相等的：
现在给定两个模型中的期望损失都超过风险值的情况下，计算这两个模型的期望损失：
损失实际上大于第二个模型中的损失：
已证实一种药物对 40% 的病例都有效. 求当我们把这种药物用于 100 个病例时，治疗成功的期望数目：
假定股票的对数收益服从一个稳定分布，求在 95% 风险水平下的值：
假定服从上述分布，计算当前标普 500 指数价值损失 95% 的风险点值：
求对数收益的期望差额：
计算相关的点损失：
一个站点的风速均值为 7 米/秒，并且服从形状参数为 2 的 Weibull 分布：
在一整年中所得的风速分布：
一个通用电器的 1.5 兆瓦风力发电机组的功率曲线：
在一年内所产生的总能量为 4.3 兆瓦：
估计人类染色体长度的分布：
给定长度大于均值，求期望的染色体长度：
属性和关系   (6)
呈连续分布的一个表达式的期望由一个积分定义：
呈离散分布的一个表达式的期望由一个和式定义：
Mean、Moment、Variance 及其它性质定义为一个期望：
使用 Expectation 求一个期望的符号表达式：
如果符号式计算失败，N[Expectation[...]] 等价于 NExpectation：
计算一个事件的概率：
利用 NExpectation 得到相同的结果：
版本 8 的新功能
Ask a question about this page  |  Suggest an improvement  |  Leave a message for the team
格式:   HTML  |  CDF