如何计算 r 中的期望值（附示例）

概率分布告诉我们随机变量取特定值的概率。

例如，以下概率分布告诉我们某支足球队在给定比赛中进球一定数量的概率：

为了找到概率分布的期望值，我们可以使用以下公式：

µ = Σx * P(x)

金子：

• x：数据值
• P(x)：价值概率

例如，足球队的预期进球数计算如下：

μ = 0*0.18 + 1*0.34 + 2*0.35 + 3*0.11 + 4*0.02 = 1.45 个进球。

要计算 R 中概率分布的期望值，我们可以使用以下三种方法之一：

 #method 1
sum(vals*probs)

#method 2
weighted. mean (vals, probs)

#method 3
c(vals %*% probs)

所有三种方法都会返回相同的结果。

以下示例展示了如何在 R 中使用这些方法。

示例 1：使用 sum() 的期望值

以下代码显示如何使用sum()函数计算概率分布的期望值：

 #define values
vals <- c(0, 1, 2, 3, 4)

#define probabilities
probs <- c(.18, .34, .35, .11, .02)

#calculate expected value
sum(vals*probs)

[1] 1.45

示例 2：使用 Weighted.mean() 的期望值

以下代码展示了如何使用 R 中内置的weighted.mean ()函数计算概率分布的期望值：

 #define values
vals <- c(0, 1, 2, 3, 4)

#define probabilities
probs <- c(.18, .34, .35, .11, .02)

#calculate expected value
weighted. mean (vals, probs)

[1] 1.45

示例 3：使用 c() 的期望值

以下代码展示了如何使用 R 中的内置c()函数计算概率分布的期望值：

 #define values
vals <- c(0, 1, 2, 3, 4)

#define probabilities
probs <- c(.18, .34, .35, .11, .02)

#calculate expected value
c(vals %*% probs)

[1] 1.45

请注意，所有三种方法都返回相同的预期值。

其他资源

如何计算R中的平均值
如何计算R中的几何平均值
如何计算R中的加权平均值