本文详细介绍了多维随机变量的数学期望、条件数学期望及其运算性质，包括重期望公式和协方差的概念、性质。同时讨论了相关系数，以及数学期望向量和协方差矩阵在二维及更高维度随机变量中的应用。
多维随机变量的特征数
数学期望
二维随机变量的数学期望
若二维随机变量 ( X , Y ) (X,Y) (X,Y) 的分布用联合发布列或联合密度函数表示，则 Z = g ( X , Y ) Z=g(X,Y) Z=g(X,Y) 的数学期望为
E ( Z ) = { ∑ i ∑ j g ( x i , y j ) P ( X = x i , Y = y j ) 离 散 ∫ − ∞ ∞ ∫ − ∞ ∞ g ( x , y ) p ( x , y ) d x d y 连 续 E(Z)=\left\{ \begin{array}{rcl} \sum\limits_i\sum\limits_jg(x_i,y_j)P(X=x_i,Y=y_j) & & {离散}\\ \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}g(x,y)p(x,y)dxdy & & {连续}\\ \end{array} \right. E(Z)={
i∑j∑g(xi,yj)P(X=xi,Y=yj)∫−∞∞∫−∞∞g(x,y)p(x,y)dxdy离散连续
条件数学期望
离 散 : E ( X ∣ Y = y ) = ∑ i x i P ( X = x i ∣ Y = y ) 离散:E(X|Y=y)=\sum\limits_ix_iP(X=x_i|Y=y) 离散:E(X∣Y=y)=i∑xiP(X=xi∣Y=y) 连 续 : E ( X ∣ Y = y ) = ∫ − ∞ ∞ x p ( x ∣ y ) d x 连续:E(X|Y=y)=\int_{-\infty}^{\infty}xp(x|y)dx 连续:E(X∣Y=y)=∫−∞∞xp(x∣y)dx
重期望公式
设 ( X , Y ) (X,Y) (X,Y) 是二维随机变量，且 E ( X ) E(X) E(X) 存在，则
E ( X ) = E ( E ( X ∣ Y ) ) E(X)=E(E(X|Y)) E(X)=E(E(X∣Y))
- 离散：
E ( x ) = ∑ j E ( X ∣ Y = y j ) P ( Y = y j ) E(x)=\sum\limits_jE(X|Y=y_j)P(Y=y_j) E(x)=
最低0.47元/天 解锁文章
4995
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
