随机变量的期望

本篇笔记内容来源
数理统计学导论（原书第7版） 机械工业出版社

---

定义期望

设 $X$ 是随机变量

 如果 $X$ 是连续随机变量，具有 $pdff(x)$ ，并且

$${\int }_{-\infty }^{\infty }|x|f(x)\mathrm{d}x<\infty$$

那么 $X$ 的期望是

$$E(X)={\int }_{-\infty }^{\infty }xf(x)\mathrm{d}x$$

如果 X 是连续随机变量，具有 $pmfp(x)$ ，并且

$$\sum _x|x|p(x)<\infty$$

那么 $X$ 的期望是

$$E(X)=\sum _{x}xp(x)$$

---

函数的期望

跟上面类似，设 $Y=g(X)$

连续情况

如果

$${\int }_{-\infty }^{\infty }|g(x)|f_X(x)\mathrm{d}x<\infty$$

那么 $Y$ 的期望为

$$E(X)={\int }_{-\infty }^{\infty }g(x)f_X(x)\mathrm{d}x$$

离散情况

如果

$$\sum _x|g(x)|p_X(x)<\infty$$

那么 $Y$ 的期望为

$$E(X)=\sum _{x}g(x)p_X(x)$$

---

期望算子是线性算子

设 $g_1(X)$ 和 $g_2(X)$ 是随机变量 $X$ 的函数. 假定 $g_1(X)$ 与 $g_2(X)$ 的期望均存在. 于是，对于任何常数 $k_1$ 与 $k_2$ ， $k_1{g}_1(X)+k_2{g}_2(X)$ 的期望存在，且

$$E[k_1{g}_1(X)+k_2{g}_2(X)]=k_{1}E[g_1(X)]+k_{2}E[g_2(X)]$$