《概率论与数理统计》学习笔记4-随机变量的数字特征

目录

数学期望

 方差

 常用分布的期望与方差

随机变量标准化

协方差与相关系数

矩

---

数学期望

        随机变量X的数学期望：

                离散（级数绝对收敛）：

                连续（反常积分绝对收敛）：

        随机变量函数的数学期望：

                离散（级数绝对收敛）：

                连续（反常积分绝对收敛）：

        二维随机变量数学期望：

                离散：

                连续：

        数学期望的性质：

 方差

        随机变量X的方差：

                离散：

                连续：

        性质：

 常用分布的期望与方差

        0-1分布：

        二项分布：

        泊松分布：

        均匀分布：

        指数分布：

        正态分布：

随机变量标准化

        随机变量X具有数学期望𝐸(𝑋)=𝜇及方差𝐷(𝑋)=𝜎^2，则称:

        为标准化随机变量

协方差与相关系数

        协方差：

        协方差性质：

        相关系数：

                表示随机变量X、Y线性相关的程度，当𝜌𝑋𝑌=0时，X、Y不相关；当𝜌𝑋𝑌>0时，X、Y正相关；当𝜌𝑋𝑌<0时，X、Y负相关

        相关系数的性质：

         等价命题：

                1）𝐶𝑜𝑣(𝑋,𝑌)=0

                2）X、Y不相关

                3）𝐸(𝑋𝑌)=𝐸(𝑋)𝐸(𝑌)

                4）𝐷(𝑋±𝑌)=𝐷(𝑋)+𝐷(𝑌)

        二维正态分布：

                独立与不相关等价，𝜌=0则X、Y独立

矩

        矩的概念：

        协方差矩阵：

                其中:

                C称为二维随机变量（𝑋1，𝑋2）的协方差矩阵

        n维随机变量的性质：

                1）n维随机变量服从n维正态分布的充要条件是n个随机变量的任意线性组合都服从n维正态分布

                2）n维随机变量是n维正态分布的线性函数，则n维随机变量服从n维正态分布

                3）n维正态分布的“两两相互独立”与“两两不相关”等价