随机变量的数字特征

前言

说明

第一篇博客，主要内容是自己在学习概率论时的总结。

参考书籍：程序员的数学2by平冈和幸 / 堀玄

几个概念

随机变量：是实验结果的一个实值函数，用以数值化描述试验结果。

随机变量的分布列（或概率密度函数）：精确地给出随机变量的取值和概率分布的规律。

随机变量的数字特征：用数值描述随机变量的某些特征。

数学期望与方差

一维随机变量的期望和方差

离散型

$X$是一维离散型随机变量，$X$的所有可能取值为$x_1,x_2,...,x_m$，对应的概率为$p_1,p_2,...,p_m$。用$E(X)$表示$X$的期望,用$D(X)$表示$X$的方差。
$$\begin{gathered} E(X)=\sum _{i=0}^m{p}_i{x}_i \\ D(X)=\sum _{i=0}^m{p}_i(x_i-E(X){)}^2=E(X-E(X){)}^2 \end{gathered}$$

连续型

$X$是一维连续型随机变量，其概率密度函数为$f(x)$。
$$\begin{gathered} E(X)={\int }_{-\infty }^{+\infty }xf(x)dx \\ D(X)={\int }_{-\infty }^{+\infty }(x-E(X){)}^{2}f(x)dx=E(X-E(X){)}^2 \end{gathered}$$

随机变量函数的期望

此处均以二维随机变量函数为例。

离散型

$（X,Y）$是二维离散型随机变量，$(X,Y)$的分布列为 P { X = x i , Y = y j } = p i j , i , j = 1 , 2 , 3... P\{X=x_i,Y=y_j\}=p_{ij},i,j=1,2,3... P{ X=xi​,Y=yj​}=pij​,i,j=1,2,3...。$Z$是$（X,Y）$的函数，满足$Z=g（X,Y）$。可以给出$Z$的期望：
$$E(Z)=E(g(X,Y))=\sum _i\sum _{j}g(x_i,y_j)p_{ij}$$

连续型

$（X,Y）$是二维连续型随机变量，$（X,Y）$的概率密度函数为$f(x,y)$。$Z=g(X,Y)$，$g(x,y)$是连续函数。可以给出$Z$的期望：
$$E(Z)=E(g(X,Y))={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }g(x,y)f(x,y)dxdy$$

运算性质

期望
E ( a X + b ) = a E ( X ) +