高斯分布中期望、方差与变量平方期望的关系

在高斯分布中，变量平方的期望与期望和方差之间存在着紧密的联系。

关系式：

设随机变量 X 服从高斯分布，其期望为 μ，方差为 σ^2。则变量平方的期望 E[X^2] 可以表示为：

E[X^2] = Var(X) + E[X]^2 = σ^2 + μ^2

也就是说，变量平方的期望等于方差加上期望的平方。

推导过程：

高斯分布的概率密度函数：

f(x) = (1 / (σ * sqrt(2π))) * exp(-(x-μ)^2 / (2σ^2))

其中，μ 是期望，σ 是标准差。
计算变量平方的期望：

E[X^2] = ∫(x^2) * f(x) dx
将高斯分布的概率密度函数代入：

E[X^2] = ∫(x^2) * (1 / (σ * sqrt(2π))) * exp(-(x-μ)^2 / (2σ^2)) dx
通过数学推导（分部积分法等）可以得出：

E[X^2] = σ^2 + μ^2

结论：

高斯分布的期望和方差与变量平方的期望之间满足上述关系式 E[X^2] = σ^2 + μ^2。

应用：

这个关系式在统计学、概率论以及机器学习等领域中有着广泛的应用，例如用于计算样本方差、推导其他统计量以及构建模型等。