第4章 随机变量的数字特征

第一节 数学期望

1. $\color{blue}{数学期望\;定义}$：设离散型随机变量 $X$ 的分布律为 $$P\{X=x_k\}=p_k,\quad k=1,2,\cdots$$ 若级数 $$\sum^\infty_{k=1}x_kp_k$$ 绝对收敛，则称级数 $\sum^\infty_{k=1}x_kp_k$ 的和为随机变量 $X$ 的数学期望，记为 $E(X)$.即 $$E(X)=\sum^\infty_{k=1}x_kp_k$$ 设连续型随机变量 $X$ 的概率密度为 $f(x)$，若积分 $$\int^\infty_{-\infty}xf(x)dx$$ 绝对收敛，则称积分 $\int^\infty_{-\infty}xf(x)dx$ 的值为随机变量 $X$ 的数学期望，记为 $E(x)$。即 $$E(X)=\int^\infty_{-\infty}xf(x)dx$$ 数学期望简称既往，又称为均值。
   <script type="math/tex; mode=display" id="MathJax-Element-51"></script> $\color{#F85}{注}$：数学期望 $E(X)$ 完全由随机变量 $X$ 的概率分布所确定。若 $X$ 服从某一分布，也称 $E(X)$ 是这一分布的数学期望。

第二节 方差

第三节 协方差及相关系数

第四节 矩、协方差矩阵