legend4917的专栏

协方差定义：设X,YX,Y是两个随机变量，若E[(X−EX)(Y−EY)]E[(X-EX)(Y-EY)]存在，即X,YX,Y不相互独立，则称它为X,YX,Y的协方差，记为Cov(X,Y)Cov(X,Y)，即： Cov(X,Y)=E[(X−EX)(Y−EY)]Cov(X,Y)=E[(X-EX)(Y-EY)] 特别的，当X=YX=Y时有： Cov(X,Y)=E(XY)−E(X)⋅E(Y)Cov(X

【期望】离散型随机变量X的数学期望为： E(X)=∑k=1∞xkpkEg(X)=∑k=1∞g(xk)pkE(X)=\sum_{k=1}^{\infty}x_kp_k\qquad Eg(X)=\sum_{k=1}^{\infty}g(x_k)p_k 连续型随机变量X的数学期望为： E(X)=∫+∞−∞xf(x)dxEg(X)=∫+∞−∞g(x)f(x)dxE(X)=\int_{-\infty}^

【离散型分布】1. (0-1)分布如果随机变量X只能取两个值0和1，它的分布律是： P{X=k}=pk(1−p)k,k=0,1,(0<p<1)P\{X=k\}=p^k(1-p)^k,\quad k=0,1,\quad (0<p<1) 或： X01Pp−1p\frac{X\quad\quad0 \quad\quad1}{P \quad\quad p-1 \quad\quad p} 该样本空间只