随机变量的数字特征

期望

离散：$E(X)={\sum }_{i=1}^{\infty }{x}_i{p}_i$，若绝对收敛

连续：$E(X)={\int }_{-\infty }^{+\infty }xf(x)dx$，若绝对收敛

---

$E(C)=C$

$E(CX)=CE(X)$

$E(X+Y)=E(X)+E(Y)$，X、Y为任意两个随机变量

$E(XY)=E(X)E(Y)$，X、Y相互独立

方差

$D(X)=E[X-E(X){]}^2=E(X^2)-[E(X){]}^2$

$D(C)=0$

$D(X+C)=D(X)$

$D(CX)=C^{2}D(X)$

$D(X\pm Y)=D(X)+D(Y)$，X、Y相互独立

$D(X)=0$的充要条件是$P(X=C)=1,C=E(X)$

$X^{\ast }=\frac{X-E(x)}{\sqrt{D(X)}}$叫做X的标准化随机变量。若$X\sim N(\mu ,{\sigma }^2)$，$X^{\ast }\sim N(0,1)$

原点矩、中心矩

协方差

正、符负、不相关，具有局限性（数值大小与变量本身有关，大小不具有参考价值）

C o v ( X , Y ) = E { [ X − E ( X ) ] [ Y − E [ Y ] ] } = E ( X Y ) − E ( X ) E ( Y ) Cov(X,Y)=E\{[X-E(X)][Y-E[Y]]\}=E(XY)-E(X)E(Y) Cov(X,Y)=E{[X−E(X)][Y−E[Y]]}=E(XY)−E(X)E(Y)，若存在

$Cov(X,Y)=Cov(Y,X)$

$Cov(aX,bY)=abCov(X,Y)$

$Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y)$

随机变量和的方差与协方差的关系：$D(X\pm Y)=D(X)+D(Y)\pm 2Cov(X,Y)$

相关系数

$${\rho }_{XY}=\frac{Cov(X,Y)}{\sqrt{D(X)D(Y)}}$$

$|{\rho }_{XY}|\le 1$

$|{\rho }_{XY}|=1$的充要条件是存在常数$a,b(a!=0)$使 P { Y = a X + b } = 1 P\{Y=aX+b\}=1 P{Y=aX+b}=1

$\rho$刻画了线性程度，${\rho }_{XY}=0$称$X$与$Y$不相关（无线性关系），不一定能推出两个变量相互独立