随机变量的数字特征

数学期望

$期望的实质是随机变量X随依概率P收敛于X的平均值(不等同于\overline{X})$

离散型随机变量X的数学期望

设 随 机 变 量 X 的 概 率 分 布 为 P { X = x k } = p k ， k = 1 , 2 , . . . 设随机变量X的概率分布为P\left \{ X=x_k\right \}=p_k，k=1,2,... 设随机变量X的概率分布为P{X=xk​}=pk​，k=1,2,...，$如果级数{\sum }_{k=1}^{\infty }{x}_k{p}_k绝对收敛，$$则该级数为随机变量X的数学期望或均值，$
$即E(X)={\sum }_{k=1}^{\infty }{x}_k{p}_k$

连续型随机变量

$设随机变量X的概率密度为f(x)，如果积分{\int }_{-\infty }^{+\infty }xf(x)dx绝对收敛，$$则称该积分为随机变量X的数学期望或均值，$$即E(X)={\int }_{-\infty }^{+\infty }xf(x)dx$

期望常见的性质

1. $E(C)=C$
2. $E(CX)=CE(X)$
3. $E(X\pm Y)=E(X)\pm E(Y)$
4. $X,Y独立\to E(XY)=E(X)E(Y)$

一维随机变量Y=g(x)的数学期望

$随机变量Y=g(X)的数学期望为，$
$离散型：E(Y)=E(g(X))={\sum }_{k=1}^{\infty }g(x_k)p_k$
$连续性：E(Y)=E(g(X))={\int }_{-\infty }^{+\infty }g(x)f(x)dx$

二维随机变量(X,Y)的函数Z=g(X,Y)的数学期望

$随机变量Z=g(X,Y)的数学期望为，$
$离散型：E(Z)=E(g(X,Y))={\sum }_{i=1}^{\infty }{\sum }_{j=1}^{\infty }g(x_i,y_j)p_{ij}$
$连续性：E(Z)=E(g(X,Y))={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }g(x,y)f(x,y)dxdy$

随机变量的方差

$概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度$，$即$$D(x)=E[x-E(x){]}^2或者D(x)=E(x^2)-E(x{)}^2$
5. $D(aX+b)=a^{2}D(x)$
6. $D(X\pm Y)=D(X)+D(Y)\pm 2COV(X,Y)$

常见的数学期望和方差

7. $0-1分布，E(x)=p，D(x)=1-p$
8. $0二项分布，X$~$B(n,p)，E(x)=np，D(x)=np(1-p)$
9. $泊松分布，X$~$P(\lambda )，E(x)=\lambda ，D(x)=\lambda$
10. 几 何 分 布 ， p { X = K } = p ( 1 − p ) k − 1 ， k = 1 , 2 , . . . . ， 几何分布，p\left \{X=K\right \}=p(1-p)^{k-1}，k=1,2,....， 几何分布，p{X=K}=p(1−p)k−1，k=1,2,....，
    $E(x)=\frac{1}{p}，D(x)=\frac{1-p}{p^2}$
11. $均匀分布，X$~$U(a,b)，E(x)=\frac{a+b}{2}，D(x)=\frac{(b-a{)}^2}{12}$
12. $指数分布，X$~$E(\lambda )，E(x)=\frac{1}{\lambda }，D(x)=\frac{1}{{\lambda }^2}$
13. $正态分布，X$~$N(\mu ,{\sigma }^2)，E(x)=\mu ，D(x)={\sigma }^2$

协方差

$协方差：表示两个变量总体的误差$
$对于随机变量X,Y，如果E[X-E(X)]E[Y-E(Y)]存在，$$则称之为X和Y的协方差，记作Cov(X,Y)，即$
$Cov(X,Y)=E[X-E(X)]E[Y-E(Y)]=E(XY)-E(X)E(Y)$

相关系数

${\rho }_{xy}=\frac{Cov(X,Y)}{\sqrt{D(x)}\sqrt{D(Y)}}，$$若{\rho }_{xy}=0，则X,Y不相关，即X,Y无线性关系$

协方差性质

14. $Cov(X,Y)=Cov(Y,X)$
15. $Cov(aX,bY)=abCov(X,Y)$
16. $Cov(X_1+X_2,Y)=Cov(X_1,X)+Cov(X_2,Y)$
17. $|{\rho }_{xy}|⩽1$
18. $|{\rho }_{xy}|=1的充要条件是存在常数a,b，a\ne 0，使得$
    P { Y = a X + b } = 1 P\left \{ Y=aX+b \right \}=1 P{Y=aX+b}=1
19. $独立\Rightarrow 不相关$$，不相关\nRightarrow 独立$
20. $对于二维正态随机变量(X,Y)来说，$
    $当\rho =0，X,Y独立\rightleftharpoons X,Y不相关$