第3章 随机变量的数字特征

第3章 随机变量的数字特征

[TOC]
随机变量的数字特征，是某些由随机变量的分布所决定的常数，它刻画了随机变量（或者说，刻画了其分布）的某一方面的性质。

3.1 数学期望（均值）与中位数

3.1.1 数学期望的定义

设随机变量X只能取有限个可能值$a_1,a_2,\cdots,a_m$，其概率分布为$P(X=a_i)=p_i (i=1,\cdots,m)$。则X的数学期望，记为E(X)或EX，定义为：

$$E(X)=a_1p_1+a_2p_2+\cdots+a_mp_m=\sum a_ip_i.$$
数学期望也常被称为 均值。
当X取无穷多个值时， $\sum a_ip_i$的上界取无穷，这时候要求这个级数是收敛的。这就要求：
$$\sum_{i=0}^{\infty}|a_i|p_i \lt \infty$$

对于连续型随机变量的情况，设X是一个连续型随机变量，如果：

$$\int_{-\infty}^{\infty}|x|f(x)dx \lt \infty$$
则X的数学期望为：
$$E(X)=\int_{-\infty}^{\infty}xf(x)dx$$

数学期望是由随机变量的分布完全决定的。

3.1.2 数学期望的性质

若干个随机变量和的期望等于各变量的期望之和，即：

$$E(X_1+X_2+\cdots+X_n)=E(X_1)+E(X_2)+\cdots+E(X_n).$$

---

若干个独立随机变量之积的期望等于各变量的期望之积，即：

$$E(X_1X_2\cdots X_n)=E(X_1)E(X_2)\cdots E(X_n).$$
注意这里要求各个随机变量是相互独立的。

---

设随机变量X为离散型，有分布函数$P(X=a_i)=p_i \quad (i=1,2,\cdots)$；或者为连续型，有概率密度函数$f(x)$。则：

$$E(g(x))=\sum_i g(a_i)p_i \quad （当\sum_i |g(a_i)|p_i） \lt \infty 时）$$
或

E(g(X))=