如何计算R中的期望值？

在本文中，我们将了解如何使用 R 编程语言计算异常值。概率分布描述了给定范围内随机变量的所有可能值。

概率分布的期望值：

$μ = Σx * P(x)$

其中 X 是样本值，P(x) 是简单值的概率

Example:

X: 0.2, 0.3, 0.4, 0.5, 0.6

P(x): .1, .3, .5, .1, .2

μ = (0.2*0.1) + (0.3*0.3) + (0.4 * 0.5) + (0.5*0.1) + (0.6*0.2) = 0.48

Explanation: The expected value of probability distribution calculated with Σx * P(x) formula

方法一：使用 sum() 方法

sum() 方法用于计算给定向量的总和

Syntax: sum(x)

Parameters:

x: Numeric Vector

示例：计算期望值

R

# create vector for value
x <- c(0.2, 0.3, 0.4, 0.5, 0.6)
 
# create vector for probability
probability <- c(.1, .3, .5, .1, .2)
 
sum(x*probability)

输出：

0.48

方法二：使用 weighted.mean() 方法

它用于获取输入向量值的加权算术平均值。

Syntax: weighted.mean(x, weights)

Parameters:

• x: data input vector
• weights: It is weight of input data.
• Returns: weighted mean of given values

示例：计算期望值

R

x <- c(0.2, 0.3, 0.4, 0.5, 0.6)
 
probability <- c(.1, .3, .5, .1, .2)
 
# calculate expected value
weighted.mean(x, probability)

输出：

0.48

方法三：使用 c() 方法

它用于组合传递给它的参数。并且%*%运算符用于将矩阵与其转置相乘

Syntax: c(…)

Parameters:

…: arguments to be combined

示例：计算期望值

R

x <- c(0.2, 0.3, 0.4, 0.5, 0.6)
 
probability <- c(.1, .3, .5, .1, .2)
 
# calculate expected value
c(x %*% probability)

输出：

0.48