四 随机变量的数字特征
1.数学期望
离散型
E(X)=∑∞k=1xkpk
E
(
X
)
=
∑
k
=
1
∞
x
k
p
k
连续性
概率密度为 f(x)
若X=g(x),则把上面二式x换为g(x)。
Z=g(X,Y),概率密度f(x,y),则
1.1 性质
- C是常数,E(C)=C。
- E(CX)=C E(X)
- E(X+Y)=E(X)+E(Y)
- X,Y相互独立,则E(XY)=E(X)E(Y)
2 方差
定义:若E{ [X-E(X)]^2^ }存在,则为X的方差,记为D(X)或Var(X).
标准差(或均方差)
σ(X)=D(x)−−−−√
σ
(
X
)
=
D
(
x
)
离散型
连续型
D(X)=E(X^2^)-[E(X)]^2^
2.1 方差性质
X具有(0,1)分布,X~
π(λ)
π
(
λ
)
E(X)=D(X)=
λ
λ
X~U(a,b) E(X)=
a+b2
a
+
b
2
D(X)=
(b−a)212
(
b
−
a
)
2
12
X~b(n,p) E(X)=np D(X)=np(1-p)
X~N(
μ
μ
,
σ2
σ
2
) E(X)=
μ
μ
D(X)=
σ2
σ
2
X服从指数分布,则其概率密度
E(X)= θ θ D(X)= θ2 θ 2
- C是常数,则D(C)=0
- D(CX)=C^2^ D(X) D(X+C)=D(X)
- D(X+Y)=D(X)+D(Y)+2E{ ( X-E(X) ) (Y-E(Y) ) },若X,Y相互独立,则 D(X+Y)=D(X)+D(Y)
- D(X)=0 ⟺ ⟺ P{X=E(X)}=1
2.2 Chebyshev不等式
E(X)=
μ
μ
, D(X)=
σ2
σ
2
,对于任意正数
ε
ε
,P{|X-
μ
μ
|
≥ε
≥
ε
}
≤σ2ε2
≤
σ
2
ε
2
,或者
P{|X-
μ
μ
|
<ε
<
ε
}
≥1−σ2ε2
≥
1
−
σ
2
ε
2
3 协方差及相关系数
若X,Y相互独立,则E{[X-E(X)][Y-E(Y)]}=0,即X与Y的协方差,记为Cov(X,Y),为0。
Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}
X与Y的相关系数
ρXY
ρ
X
Y
=
Cov(X,Y)D(X)√D(Y)√
C
o
v
(
X
,
Y
)
D
(
X
)
D
(
Y
)
Cov(X,Y)=Cov(Y,X) Cov(X,X)=D(X)
D(X+Y)=D(X)+D(Y)+2Cov(x,y)
Cov(X,Y)=E(XY)-E(X)E(Y) #常用于计算协方差
3.1 协方差性质
- Cov(aX,bY)=abCov(X,Y)
- Cov( X1+X2 X 1 + X 2 , Y Y )=Cov()+Cov( X2,Y X 2 , Y )
3.2 协方差定理
|ρXY|≤1
|
ρ
X
Y
|
≤
1
|ρXY|⟺
|
ρ
X
Y
|
⟺
存在常数a,b,使
P{Y=a+bX}=1
P
{
Y
=
a
+
b
X
}
=
1