概率论与数理统计——随机变量的数字特征

---

数学期望

---

收敛（复习）

（1）收敛数列
令{ $a_n$}为一个数列，且A为一个固定的实数，如果对于任意给出的b>0,存在一个正整数N，使得对于任意n>N,有|$a_n$-A|<b恒成立，就称数列{ $a_n$}收敛于A（极限为A），即数列{ $a_n$}为收敛数列。

（2）函数收敛
定义方式与数列收敛类似。柯西收敛准则：关于函数f(x)在点x0处的收敛定义。对于任意实数b>0,存在c>0,对任意x1,x2满足0<|x1-x0|<c,0<|x2-x0|<c,有|f(x1)-f(x2)|<b。

（3）绝对收敛
如果级数${\sum }_{n=1}^{\infty }{u}_n$各项的绝对值所构成的级数${\sum }_{n=1}^{\infty }|u_n|$收敛，则称级数${\sum }_{n=1}^{\infty }{u}_n$绝对收敛，级数${\sum }_{n=1}^{\infty }{u}_n$称为绝对收敛级数。

---

离散型随机变量的数学期望

设随机变量$X$的分布律为 P { X = x k } = p k P\{X=x_k\}=p_k P{ X=xk​}=pk​   $(k=1,2,3,\cdot \cdot \cdot )$
若级数${\sum }_k{x}_k{p}_k$绝对收敛，则称它的和为$X$的数学期望，记作$EX$，即$EX={\sum }_k{x}_k{p}_k$.

---

连续型随机变量的数学期望

设随机变量$X$的概率密度为$f(x)$，若积分${\int }_{-\infty }^{+\infty }xf(x)dx$绝对收敛，则称其值为$X$的数学期望，记作$EX$，即$EX={\int }_{-\infty }^{+\infty }xf(x)dx$.

---

离散型随机变量函数的数学期望

（1）一维随机变量函数的期望
设$X$的分布律为 P { X = x k } = p k P\{X=x_k\}=p_k P{ X=xk​}=pk​，又$Y=g(X)$，则
    $EY={\sum }_{k}g(x_k)p_k$;

（2）二维随机变量函数的期望
设$(X,Y)$的联合分布律为 P { X = x i , Y = y i } P\{X=x_i,Y=y_i\} P{ X=xi​,Y=yi​}，又 Z