-什么是協方差？

就是衡量兩個隨機變量（$X,Y$）之間相關性的量，取多個兩個量的樣本，通過判斷他們大小變化關系，判斷這兩個量是正相關還是負相關或無相關。
記做：$Cov(X,Y)=E[(X?E(X))(Y?E(Y))]$，之所以要用期望去衡量協方差，是由于如果用枚舉樣本點的方式去衡量相關性的話，計算較為復雜。但期望卻可以巧妙地描述出整體的中心所在，那么通過對期望的計算，我們就能判斷出整體是正相關還是負相關。

-什么是相關系數？

相關系數就是衡量兩個變量的相關程度的量，不光我們知道相關了，還要判斷出有多相關。
記做：${\rho }_{X,Y}=\frac{Cov(X,Y)}{{\sigma }_x\sigma y}$

什么是中心極限定理？
此定理就是說我們可以無視隨機變量的具體分布，從樣本中隨即抽樣多組，每組多個樣本，將每組樣本平均值計算出來，會發現均值符合正態分布，雖然均值會根據分布特點集中于某個區間，但樣本總體看來還是符合一種正態分布。

這個定理解釋了在面對一個數量龐大，分布未知的分布時，我們不需要掌握此分布的全部參數也可以正確估計這個分布的統計參數。

樣本均值和數學期望的區別
前者是統計量，后者是隨機變量的加權取平均。

方差的三種表示形式
（1） ${\sigma }^2=E[(X?\mu {)}^2]$
用于具體分布已知的情況。

（2）$S^2=\frac{1}{n}{\sum }_{i=1}^n(X_i?\mu {)}^2$
用于具體分布不明，但知道期望和樣本的情況。

（3）$S^2=\frac{1}{n?1}{\sum }_{i=1}^n(X_i?\overline{X}{)}^2$
用于只明確樣本均值的情況。

總結

以上是生活随笔為你收集整理的概率中比较重要的知识的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。