概率论第四章 随机变量的数字特征

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