一、随机变量的数学期望和方差
数学期望E(X)的意义——反映一组数据平均取值的大小。
方差D(X)的意义——反映一组数据与其平均值的偏离程度。(衡量数据的离散程度)
口诀:期望E(X)等于X取值乘相应概率后相加
离散型随机变量的数学期望(均值)
随机变量X的数学期望E(X)=x1p1+x2p2+……+xnpn
连续型随机变量的数学期望(均值)
设随机变量X的概率密度为f(x),
随机变量的数学期望为E(x)=对xf(x)积分,积分区间-∞→+∞
题干问平均,就是求数学期望E(x)。
题型:古典概型(试验结果有限,试验结果等可能),求期望。
步骤:先列出各种可能情况,求出对应的概率,可能值乘对应概率再加和得到期望E(x)。
关键:求各种可能情况的概率。写出分布律。
数学期望的性质:
由X和Y不相关可以推出E(XY)=E(X)E(Y),由E(XY)=E(X)E(Y)可以推出X和Y不相关。原因:
注意区别于:由X、Y相互独立可以推出E(XY)=E(X)E(Y),但是由E(XY)=E(X)E(Y)不能推出X、Y相互独立。
随机变量Y=g(X)的数学期望(均值):
1)X为离散型随机变量时,概率分布为,
列出g(X)所有可能值g(xi),乘上相应概率pi,再相加
2)X为连续型随机变量时,概率密度为f(x),
随机变量Z=g(X,Y)的数学期望(均值):
1)X、Y为离散型随机变量时,概率分布为
列出g(X,Y)所有可能值,乘上相应概率pij,再相加
2)X、Y为连续型随机变量时,概率密度为f(x,y),
被积函数:(X,Y)乘上联合概率密度f(x,y),对x和y分别积分,积分区间:x:-∞→+∞、y:-∞→+∞
注意泊松分布的k是从0开始的。即X服从泊松分布时,X的可能取值为0、1、2、……
E=Σ取值×概率。
题型:已知随机变量X服从泊松分布,求随机变量Y=g(X)的数学期望E(Y)。
关键:
1、列出g(X)所有可能值g(xi),乘上相应概率pi,再相加
2、加和Σ时,下标从1开始的,怎么转成从0开始?加一项(i=0那一项)再减一项,恒等。
3、利用泊松分布的性质:Σpi=1
方差
方差的性质
方差的计算公式:内平方-外平方
题型:已知随机变量的概率密度f(x),求D(X^2)
代入方差公式计算:
背住常用积分,直接用:
积分区间0→+∞,被积函数x^n·e^(-x),积分结果为n!
常用随机变量的数学期望和方差(背住一维的5个E(X)和D(X))
二、矩、协方差和相关系数
一般只考三个:
数学期望E(X):X的1阶原点矩;E(X^2):X得阶原点矩;方差D(X):X的1阶中心矩;
协方差
协方差的计算公式和性质
协方差的三个性质:1交换 2提出常数 3线性拆分
相关系数
相关系数的性质:
相关系数的性质2不理解???
古典概型
题型:已知X和Y的关系,求相关系数ρXY。
关键:找到X与Y的关系
题型:求相关系数
关键:二项分布
题型:随机变量X1、X2、X3独立同分布,求X1+X2与X2+X3的相关系数。
同思路可以求X1-X2与X2+X3的相关系数ρ=-1/2。
独立与不相关
题型:已知X服从均匀分布,Y=g(X),求协方差Cov(X,Y)。
关键:背住均匀分布的数学期望E(X)=(a+b)/2
题型:已知X和Y的概率分布(分布律),求二维随机变量(X,Y)的概率分布;求Z=g(X,Y)的概率分布;X与Y是否相互独立?是否不相关?
关键思路:由题干所给X和Y的概率分布作为二维随机变量(X,Y)的关于X和关于Y的边缘分布,再结合题干P{X^2≠Y^2}=0,可得(X,Y)的概率分布(用列表表示)。
X、Y相互独立的充要条件:离散型pij=pi·p·j,连续型f(x,y)=fX(x)fY(y)。
题型:二维正态分布
关键:二维正态分布四个点
题型
关键:背住泊松分布的数学期望E(X)=λ
题型