這是《機器學習中的數學基礎》系列的第20篇，也是機率與統計的第4篇。

一說起期望值，可能有的人會很陌生；但一說起平均數，可能大部分人都瞭解。其實求期望和求平均之間還是有那麼一些關係的。

期望

我們先來舉個例子，讓你對期望有直觀的理解。

假設我有1個不均勻的六面體，每個面標了一個數字，分別是1、2、3、4、5、6。如果我將此六面體向上丟擲，那麼落地時向上一面的機率如下表所示：

顯然，上述的機率之和為1。那麼此六面體向上一面的期望是什麼呢？

我們是這樣計算期望的：把每個面出現的機率乘以每個面的數字，然後算它們的加和。即：

1·1/6+2·1/3+3·1/6+4·1/12+5·1/12+6·1/6=37/12

因此，上面這個六面體落地時正面朝上的期望就是37/12，換算成整數約等於3。

不均勻的算出來了，那如果是均勻的六面體呢？它落地時向上的一面的期望又是什麼呢？

很簡單，由於是均勻的六面體，那麼每個面朝上的機率都是1/6。因此，總的期望就是1/6（1+2+3+4+5+6）=21/6=3。5。此時，就相當於我們求了1-6的平均數。

換句話說，如果每個數字出現的機率是相等的，那我們就相當於求的平均數；如果每個數字出現的機率是不等的，那我們就在求期望。我們一般用“E”來表示期望。

方差

我們還是來舉例說明什麼是方差。

假設小明期末考試考了6門課，他的成績分別是60，78，77，90，92，83。那麼小明成績的方差該怎麼算呢？

我們需要先算出小明的平均成績：（60+78+77+90+92+83）/6=80。

然後，分別用小明每一門課的成績減去平均成績，求出差的平方，再算出這些平方的平均值。即

［（60-80）^2+（78-80）^2+（77-80）^2+（90-80）^2+（92-80）^2+（83-80）^2］/6=111。

我們把這個結果就叫做方差。把它一般化， 假設有x1、x2。。。xn一共n個數據，它們的均值是μ，那麼方差就可以表示為：

有時候分母的n也會換成n-1，取決於它是樣本資料還是整體資料，不過對我們的結果影響不大。

那麼方差有什麼意義呢？它所表示的是資料的波動程度，更具體的說，它表示的是資料與均值之間的離散程度。方差越大，表明資料越分散，離均值的平均距離遠；方差越小，表明資料大多集中在均值周圍。

標準差

標準差就是方差開方得到的結果，即

那這麼做有什麼意義呢？注意到，我們的方差是求了平方的，如果我們的資料是有單位的話，最後的結果將是單位的平方，對這個結果不是很好解釋。比如上面小明成績的方差是111，單位是“分”的平方。我們就會感到很奇怪。

將方差開方後，單位就變成了原來的單位，那麼結果就很好解釋了。可以得出，小明成績的標準差約為10。5分。也就是說，小明的成績平均與均值相差10。5分。

標準差同樣衡量資料的波動狀況，只不過它的結果很好解釋。

好了，這就是今天的全部內容，歡迎留言討論。