第四章 随机变量的数字特征
一、数学期望
(一)概念
- 一维随机变量的数学期望
- 离散型
P{X=xi}=pi
EX=∑ixipi
更一般地,若 Y=φ(X) ,则
EY=∑iφ(xi)pi - 连续型
X∼f(x)
EX=∫+∞−∞xf(x)dx
更一般地,若 Y=φ(x) ,则
EY=∫+∞−∞φ(x)f(x)dx
- 离散型
P{X=xi}=pi
- 二维随机变量的数学期望
- 离散型
P{X=xi,Y=yj}=pij
,且
Z=φ(X,Y)
EZ=∑i=1m∑j=1nφ(xi,xj)pij - 连续型
(X,Y)∼f(x,y)
,令
Z=φ(X,Y)
,则
EZ=∫+∞−∞φ(x,y)f(x,y)dy
- 离散型
P{X=xi,Y=yj}=pij
,且
Z=φ(X,Y)
(二)数学期望的性质
- E(C)=C
- E(kX)=kEX
- E(aX±bY)=aEX±bEY
- 设随机变量
X,Y
相互独立,则
EXY=EXEY
,反之不对。
独立→EXY=EXEY
二、方差
(三)、方差的性质
- DC=0
- D(kX)=k2DX
-
D(aX+b)=a2DX
- 设随机变量
X,Y
相互独立,则
D(aX+bY)=a2DX+b2DY
-
DX<E(X−k)2,k≠EX
(四)、常见随机变量的数学期望及方差
分布 | 分布律 | 数学期望 | 方差 |
---|---|---|---|
X∼B(n,p) | P{X=k}=Cknpk(1−p)n−k | np | np(1−p) |
X∼π(λ) | P{X=k}=λkk!exp(−λ) | λ | λ |
X∼G(p) | P{X=k}=p(1−p)k−1 | 1p | 1−pp2 |
X∼U(a,b) |
f(x)={1b−a,a<x<b0,otherF(x)={0,x<ax−ax−b,a⩽x<b
| a+b2 | (b−a)212 |
X∼E(λ) |
f(x)={0,x⩽0λexp(−λx),x>0F(x)={0,x<01−exp(−λx),x⩾0
| 1λ | 1λ |
X∼N(μ,σ2) | f(x)=12πσ√exp(−(x−μ)22σ2) | μ | σ2 |
三、协方差、相关系数
(一)、协方差
- 定义
cov(X,Y)=E(X−EX)(Y−EY)
- 计算公式
cov(X,Y)=EXY−EXEY
- 协方差的性质
- cov(X,X)=DX
- cov(X,Y)=cov(Y,X)
- cov(aX+bY,Z)=acov(X,Z)+bcov(Y,Z)
- cov(aX,bY)=abcov(X,Y)
- 若
X,Y
不相互独立,则
D(aX+bY)=a2DX+b2DY+2abcov(X,Y)
(二)、相关系数
- 定义
ρXY=cov(X,Y)DX√DY√
- 若 ρXY=0 , 称 X,Y 不相关
- 若 ρXY=−1 , 称 X,Y 负相关
- 若 ρXY=1 , 称 X,Y 正相关
- 相关系数的性质
- |ρXY|⩽1
- ρXY=0 的充要条件是 EXY=EXEY
- ρXY=1 的充要条件是 P{Y=aX+b}=1(a>0)
- ρXY=−1 的充要条件是 P{Y=aX+b}=1(a<0)