第四章 随机变量的数字特征

第四章 随机变量的数字特征

一、数学期望

（一）概念

1. 一维随机变量的数学期望
   
   • 离散型$P\{X = x_i\} = p_i$
     $$EX = \sum_i x_i p_i$$
     更一般地，若 $Y = \varphi(X)$，则
     $$EY = \sum_i \varphi(x_i) p_i$$
   • 连续型$X \sim f(x)$
     $$EX = \int_{-\infty}^{+\infty} xf(x)dx$$
     更一般地，若 $Y = \varphi(x)$ ，则
     $$EY = \int_{-\infty}^{+\infty} \varphi(x)f(x)dx$$
2. 二维随机变量的数学期望
   
   • 离散型 $P\{X = x_i, Y = y_j\} = p_{ij}$，且 $Z = \varphi(X, Y)$
     $$EZ = \sum_{i=1}^{m} \sum_{j=1}^{n} \varphi(x_i, x_j)p_{ij}$$
   • 连续型$(X, Y) \sim f(x, y)$，令 $Z = \varphi(X, Y)$，则
     $$EZ = \int_{-\infty}^{+\infty} \varphi(x, y) f(x, y)dy$$

（二）数学期望的性质

1. $E(C) = C$
2. $E(kX) = kEX$
3. $E(aX \pm bY) =aEX \pm bEY$
4. 设随机变量 $X, Y$ 相互独立，则 $EXY = EX EY$，反之不对。
   $$\text{独立} \to \text{E}XY = \text{E}X\text{E}Y$$

二、方差

（三）、方差的性质

1. $DC = 0$
2. $D(kX) = k^2DX$
3. $$D(aX+b) = a^2DX$$
4. 设随机变量 $X, Y$ 相互独立，则 $$D(aX+bY) = a^2DX + b^2DY$$
5. $$DX < E(X-k)^2, k \neq EX$$

（四）、常见随机变量的数学期望及方差

分布	分布律	数学期望	方差
$X \sim B(n, p)$	$P\{X=k\} = C_n^kp^k(1-p)^{n-k}$	$np$	$np(1-p)$
$X \sim \pi(\lambda)$	$P\{X=k\} = \frac{\lambda^k}{k!}\exp(-\lambda)$	$\lambda$	$\lambda$
$X \sim G(p)$	$P\{X=k\} = p(1-p)^{k-1}$	$\frac{1}{p}$	$\frac{1-p}{p^2}$
$X \sim U(a, b)$	$$f(x) = \begin{cases} \frac{1}{b-a}, a < x < b \\ 0, other \end{cases} \\ F(x) = \begin{cases} 0, x < a \\ \frac{x-a}{x-b} , a \leqslant x < b \end{cases}$$	$\frac{a+b}{2}$	$\frac{(b-a)^2}{12}$
$X \sim E(\lambda)$	$$f(x) = \begin{cases} 0, x \leqslant 0 \\ \lambda \exp(-\lambda x) ,x > 0 \\ \end{cases} \\ F(x) = \begin{cases} 0 , x < 0 \\ 1 - \exp(-\lambda x) ,x \geqslant 0 \end{cases}$$	$\frac{1}{\lambda}$	$\frac{1}{\lambda}$
$X \sim N(\mu, \sigma^2)$	$f(x) = \frac{1}{\sqrt{2 \pi \sigma}} \exp(-\frac{(x - \mu)^2}{2\sigma^2})$	$\mu$	$\sigma^2$

---

三、协方差、相关系数

（一）、协方差

1. 定义 $$\mathrm{cov}(X, Y) = E(X - EX)(Y - EY)$$
2. 计算公式 $$\mathrm{cov}(X, Y) = EXY-EXEY$$
3. 协方差的性质
   
   • $\mathrm{cov}(X, X) = DX$
   • $\mathrm{cov}(X, Y) = \mathrm{cov}(Y, X)$
   • $\mathrm{cov}(aX+bY, Z) = a\mathrm{cov}(X, Z) + b\mathrm{cov}(Y, Z)$
   • $\mathrm{cov}(aX, bY) = ab\mathrm{cov}(X, Y)$
   • 若 $X, Y$ 不相互独立，则 $$D(aX + bY) = a^2DX + b^2DY +2ab\mathrm{cov}(X,Y)$$

（二）、相关系数

1. 定义$\rho_{XY} = \frac{\mathrm{cov}(X, Y)}{\sqrt{DX}\sqrt{DY}}$
   
   • 若 $\rho_{XY} = 0$， 称 $X, Y$ 不相关
   • 若 $\rho_{XY} = -1$， 称 $X, Y$ 负相关
   • 若 $\rho_{XY} = 1$， 称 $X, Y$ 正相关
2. 相关系数的性质
   
   • $| \rho_{XY} | \leqslant 1$
   • $\rho_{XY} = 0$ 的充要条件是 $EXY = EXEY$
   • $\rho_{XY} = 1$ 的充要条件是 $P\{Y=aX+b\}=1(a>0)$
   • $\rho_{XY} = -1$ 的充要条件是 $P\{Y=aX+b\}=1(a<0)$