目录
- 4.1 随机变量的数学期望和方差
- 例8 设随机变量 X ∼ P ( λ ) X\sim P(\lambda) X∼P(λ),试证 E ( X ) = λ E(X)=\lambda E(X)=λ。
- 例9 设随机变量 X X X的分布函数为 F ( x ) = 0.3 Φ ( x ) + 0.7 Φ ( x − 1 2 ) F(x)=0.3\varPhi(x)+0.7\varPhi\left(\cfrac{x-1}{2}\right) F(x)=0.3Φ(x)+0.7Φ(2x−1),其中 Φ ( x ) \varPhi(x) Φ(x)为标准正态分布函数,则 E ( X ) = E(X)= E(X)=______。
- 例11 设随机变量 X X X和 Y Y Y独立同分布,已知 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2),求 Z = min ( X , Y ) Z=\min(X,Y) Z=min(X,Y)的数学期望 E ( Z ) E(Z) E(Z)。
- 4.2 矩、协方差和相关系数
- 写在最后
4.1 随机变量的数学期望和方差
例8 设随机变量 X ∼ P ( λ ) X\sim P(\lambda) X∼P(λ),试证 E ( X ) = λ E(X)=\lambda E(X)=λ。
证
P
{
X
=
k
}
=
λ
k
k
!
e
−
λ
,
k
=
0
,
1
,
2
,
⋯
P\{X=k\}=\cfrac{\lambda^k}{k!}e^{-\lambda},k=0,1,2,\cdots
P{X=k}=k!λke−λ,k=0,1,2,⋯,故
E
(
X
)
=
∑
k
=
0
+
∞
k
⋅
λ
k
k
!
e
−
λ
=
∑
k
=
1
+
∞
λ
k
(
k
−
1
)
!
e
−
λ
=
∑
i
=
0
+
∞
λ
i
+
1
i
!
e
−
λ
=
λ
∑
i
=
0
+
∞
λ
i
i
!
e
−
λ
=
λ
.
\begin{aligned} E(X)&=\displaystyle\sum^{+\infty}_{k=0}k\cdot\cfrac{\lambda^k}{k!}e^{-\lambda}=\displaystyle\sum^{+\infty}_{k=1}\cfrac{\lambda^k}{(k-1)!}e^{-\lambda}\\ &=\displaystyle\sum^{+\infty}_{i=0}\cfrac{\lambda^{i+1}}{i!}e^{-\lambda}=\lambda\displaystyle\sum^{+\infty}_{i=0}\cfrac{\lambda^i}{i!}e^{-\lambda}=\lambda. \end{aligned}
E(X)=k=0∑+∞k⋅k!λke−λ=k=1∑+∞(k−1)!λke−λ=i=0∑+∞i!λi+1e−λ=λi=0∑+∞i!λie−λ=λ.
(这道题主要利用了二次项展开式求解)
例9 设随机变量 X X X的分布函数为 F ( x ) = 0.3 Φ ( x ) + 0.7 Φ ( x − 1 2 ) F(x)=0.3\varPhi(x)+0.7\varPhi\left(\cfrac{x-1}{2}\right) F(x)=0.3Φ(x)+0.7Φ(2x−1),其中 Φ ( x ) \varPhi(x) Φ(x)为标准正态分布函数,则 E ( X ) = E(X)= E(X)=______。
解
f
(
x
)
=
F
′
(
x
)
=
0.3
φ
(
x
)
+
0.7
2
φ
(
x
−
1
2
)
f(x)=F'(x)=0.3\varphi(x)+\cfrac{0.7}{2}\varphi\left(\cfrac{x-1}{2}\right)
f(x)=F′(x)=0.3φ(x)+20.7φ(2x−1),其中
φ
(
x
)
\varphi(x)
φ(x)为标准正态分布函数。
E
(
X
)
=
∫
−
∞
+
∞
x
f
(
x
)
d
x
=
0.3
∫
−
∞
+
∞
x
φ
(
x
)
d
x
+
0.7
2
∫
−
∞
+
∞
x
φ
(
x
−
1
2
)
d
x
=
0.3
×
0
+
0.7
∫
−
∞
+
∞
(
2
t
+
1
)
φ
(
t
)
d
t
=
0.7.
\begin{aligned} E(X)&=\displaystyle\int^{+\infty}_{-\infty}xf(x)\mathrm{d}x=0.3\displaystyle\int^{+\infty}_{-\infty}x\varphi(x)\mathrm{d}x+\cfrac{0.7}{2}\displaystyle\int^{+\infty}_{-\infty}x\varphi\left(\cfrac{x-1}{2}\right)\mathrm{d}x\\ &=0.3\times0+0.7\displaystyle\int^{+\infty}_{-\infty}(2t+1)\varphi(t)\mathrm{d}t=0.7. \end{aligned}
E(X)=∫−∞+∞xf(x)dx=0.3∫−∞+∞xφ(x)dx+20.7∫−∞+∞xφ(2x−1)dx=0.3×0+0.7∫−∞+∞(2t+1)φ(t)dt=0.7.
(这道题主要利用了积分求解)
例11 设随机变量 X X X和 Y Y Y独立同分布,已知 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) X∼N(μ,σ2),求 Z = min ( X , Y ) Z=\min(X,Y) Z=min(X,Y)的数学期望 E ( Z ) E(Z) E(Z)。
解 设
ξ
=
X
−
μ
σ
,
η
=
Y
−
μ
σ
\xi=\cfrac{X-\mu}{\sigma},\eta=\cfrac{Y-\mu}{\sigma}
ξ=σX−μ,η=σY−μ,
ξ
,
η
\xi,\eta
ξ,η独立同为标准正态分布
N
(
0
,
1
)
N(0,1)
N(0,1)。显然
Z
=
min
(
X
,
Y
)
=
min
(
σ
ξ
+
μ
,
σ
η
+
μ
)
=
σ
min
(
ξ
,
η
)
+
μ
,
E
[
min
(
ξ
,
η
)
]
=
∫
−
∞
+
∞
∫
−
∞
+
∞
min
(
X
,
Y
)
1
2
π
e
−
x
2
+
y
2
2
d
x
d
y
=
1
2
π
∫
−
∞
+
∞
e
−
x
2
2
d
x
∫
−
∞
x
y
e
−
y
2
2
d
y
+
1
2
π
∫
−
∞
+
∞
e
−
y
2
2
d
y
∫
−
∞
y
x
e
−
x
2
2
d
x
=
2
⋅
1
2
π
∫
−
∞
+
∞
(
−
1
)
e
−
x
2
d
x
=
−
1
π
.
Z=\min(X,Y)=\min(\sigma\xi+\mu,\sigma\eta+\mu)=\sigma\min(\xi,\eta)+\mu,\\ \begin{aligned} E[\min(\xi,\eta)]&=\displaystyle\int^{+\infty}_{-\infty}\displaystyle\int^{+\infty}_{-\infty}\min(X,Y)\cfrac{1}{2\pi}e^{-\frac{x^2+y^2}{2}}\mathrm{d}x\mathrm{d}y\\ &=\cfrac{1}{2\pi}\displaystyle\int^{+\infty}_{-\infty}e^{-\frac{x^2}{2}}\mathrm{d}x\displaystyle\int^x_{-\infty}ye^{-\frac{y^2}{2}}\mathrm{d}y+\cfrac{1}{2\pi}\displaystyle\int^{+\infty}_{-\infty}e^{-\frac{y^2}{2}}\mathrm{d}y\displaystyle\int^y_{-\infty}xe^{-\frac{x^2}{2}}\mathrm{d}x\\ &=2\cdot\cfrac{1}{2\pi}\displaystyle\int^{+\infty}_{-\infty}(-1)e^{-x^2}\mathrm{d}x=-\cfrac{1}{\sqrt{\pi}}. \end{aligned}
Z=min(X,Y)=min(σξ+μ,ση+μ)=σmin(ξ,η)+μ,E[min(ξ,η)]=∫−∞+∞∫−∞+∞min(X,Y)2π1e−2x2+y2dxdy=2π1∫−∞+∞e−2x2dx∫−∞xye−2y2dy+2π1∫−∞+∞e−2y2dy∫−∞yxe−2x2dx=2⋅2π1∫−∞+∞(−1)e−x2dx=−π1.
所以
E
(
Z
)
=
σ
E
[
min
(
ξ
,
η
)
]
+
μ
=
μ
−
σ
π
E(Z)=\sigma E[\min(\xi,\eta)]+\mu=\mu-\cfrac{\sigma}{\sqrt{\pi}}
E(Z)=σE[min(ξ,η)]+μ=μ−πσ。(这道题主要利用了积分公式求解)
4.2 矩、协方差和相关系数
例2 设随机变量 X 1 , X 2 , ⋯ , X n X_1,X_2,\cdots,X_n X1,X2,⋯,Xn相互独立且均服从标准正态分布,记 X ‾ = 1 n ∑ i = 1 n X i , Y i = X i − X ‾ \overline{X}=\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i,Y_i=X_i-\overline{X} X=n1i=1∑nXi,Yi=Xi−X,则 C o v ( Y 1 , Y n ) = \mathrm{Cov}(Y_1,Y_n)= Cov(Y1,Yn)=______。
解
E
(
X
‾
)
=
E
(
1
n
∑
i
=
1
n
X
i
)
=
1
n
∑
i
=
1
n
E
(
X
i
)
=
0
,
E
(
Y
i
)
=
E
(
X
i
)
−
E
(
X
‾
)
=
0.
C
o
v
(
Y
1
,
Y
n
)
=
E
{
[
Y
1
−
E
(
Y
1
)
]
[
Y
n
−
E
(
Y
n
)
]
}
=
E
(
Y
1
Y
n
)
=
E
[
(
X
1
−
X
‾
)
(
X
n
−
X
‾
)
]
=
E
(
X
1
X
n
−
X
1
X
‾
−
X
n
X
‾
+
X
‾
2
)
=
E
(
X
1
X
n
)
−
E
(
X
1
X
‾
)
−
E
(
X
n
X
‾
)
+
E
(
X
‾
2
)
.
E(\overline{X})=E\left(\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i\right)=\cfrac{1}{n}\displaystyle\sum^n_{i=1}E(X_i)=0,\\ E(Y_i)=E(X_i)-E(\overline{X})=0.\\ \begin{aligned} \mathrm{Cov}(Y_1,Y_n)&=E\{[Y_1-E(Y_1)][Y_n-E(Y_n)]\}\\ &=E(Y_1Y_n)=E[(X_1-\overline{X})(X_n-\overline{X})]\\ &=E(X_1X_n-X_1\overline{X}-X_n\overline{X}+\overline{X}^2)\\ &=E(X_1X_n)-E(X_1\overline{X})-E(X_n\overline{X})+E(\overline{X}^2). \end{aligned}
E(X)=E(n1i=1∑nXi)=n1i=1∑nE(Xi)=0,E(Yi)=E(Xi)−E(X)=0.Cov(Y1,Yn)=E{[Y1−E(Y1)][Yn−E(Yn)]}=E(Y1Yn)=E[(X1−X)(Xn−X)]=E(X1Xn−X1X−XnX+X2)=E(X1Xn)−E(X1X)−E(XnX)+E(X2).
由于
X
1
,
X
n
X_1,X_n
X1,Xn相互独立,
E
(
X
1
X
n
)
=
E
(
X
1
X
n
)
E(X_1X_n)=E(X_1X_n)
E(X1Xn)=E(X1Xn),由对称性得出
E
(
X
1
X
‾
)
=
E
(
X
n
X
‾
)
E(X_1\overline{X})=E(X_n\overline{X})
E(X1X)=E(XnX),而
E
(
X
‾
2
)
=
D
(
X
‾
)
+
[
E
(
X
‾
)
]
2
=
D
(
1
n
∑
i
=
1
n
X
i
)
+
0
2
=
1
n
2
∑
i
=
1
n
D
(
X
i
)
=
1
n
E(\overline{X}^2)=D(\overline{X})+[E(\overline{X})]^2=D\left(\cfrac{1}{n}\displaystyle\sum^n_{i=1}X_i\right)+0^2=\cfrac{1}{n^2}\displaystyle\sum^n_{i=1}D(X_i)=\cfrac{1}{n}
E(X2)=D(X)+[E(X)]2=D(n1i=1∑nXi)+02=n21i=1∑nD(Xi)=n1。
总之,
C
o
v
(
Y
1
,
Y
n
)
=
E
(
X
1
)
E
(
X
n
)
−
2
E
(
X
1
X
‾
)
+
1
n
=
0
−
2
⋅
1
n
⋅
E
(
X
1
2
+
∑
i
=
2
n
X
1
X
i
)
+
1
n
=
−
2
n
(
1
+
0
)
+
1
n
=
−
1
n
.
\begin{aligned} \mathrm{Cov}(Y_1,Y_n)&=E(X_1)E(X_n)-2E(X_1\overline{X})+\cfrac{1}{n}\\ &=0-2\cdot\cfrac{1}{n}\cdot E\left(X_1^2+\displaystyle\sum^n_{i=2}X_1X_i\right)+\cfrac{1}{n}\\ &=-\cfrac{2}{n}(1+0)+\cfrac{1}{n}=-\cfrac{1}{n}. \end{aligned}
Cov(Y1,Yn)=E(X1)E(Xn)−2E(X1X)+n1=0−2⋅n1⋅E(X12+i=2∑nX1Xi)+n1=−n2(1+0)+n1=−n1.
(这道题主要利用了方差性质求解)
写在最后
如果觉得文章不错就点个赞吧。另外,如果有不同的观点,欢迎留言或私信。
欢迎非商业转载,转载请注明出处。