文章目录
数学期望
收敛(复习)
(1)收敛数列
令{
a n a_n an}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_n an-A|<b恒成立,就称数列{
a n a_n an}收敛于A(极限为A),即数列{
a n a_n an}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 ∑ n = 1 ∞ u n \sum_{n=1}^\infty u_n ∑n=1∞un各项的绝对值所构成的级数 ∑ n = 1 ∞ ∣ u n ∣ \sum_{n=1}^\infty |u_n| ∑n=1∞∣un∣收敛,则称级数 ∑ n = 1 ∞ u n \sum_{n=1}^\infty u_n ∑n=1∞un绝对收敛,级数 ∑ n = 1 ∞ u n \sum_{n=1}^\infty u_n ∑n=1∞un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 X 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 , ⋅ ⋅ ⋅ ) (k=1,2,3,···) (k=1,2,3,⋅⋅⋅)
若级数 ∑ k x k p k \sum_kx_kp_k ∑kxkpk绝对收敛,则称它的和为 X X X的数学期望,记作 E X EX EX,即 E X = ∑ k x k p k EX=\sum_kx_kp_k EX=∑kxkpk.
连续型随机变量的数学期望
设随机变量 X X X的概率密度为 f ( x ) f(x) f(x),若积分 ∫ − ∞ + ∞ x f ( x ) d x \int_{-\infty}^{+\infty}xf(x)dx ∫−∞+∞xf(x)dx绝对收敛,则称其值为 X X X的数学期望,记作 E X EX EX,即 E X = ∫ − ∞ + ∞ x f ( x ) d x EX=\int_{-\infty}^{+\infty}xf(x)dx EX=∫−∞+∞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 X 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 ) Y=g(X) Y=g(X),则
E Y = ∑ k g ( x k ) p k EY=\sum_kg(x_k)p_k EY=∑kg(xk)pk;
(2)二维随机变量函数的期望
设 ( X , Y ) (X,Y) (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