学习不易,把知识点讲清楚更是难上加难……
这一节是将特征数从一维推广到多维的情况。(一维的还没写,如果有时间以后会补充)。先给出理论知识,最后给出一些习题及解答。
多维随机变量(函数)的数学期望和方差
若二维随机变量
的分布用联合分布列
或用联合密度函数
表示,下面讨论:
1.多维随机变量的数学期望和方差
在离散场合:
的数学期望
的方差:
同样可给出
的数学期望和方差。
在连续场合:
的数学期望
的方差:
同样可给出
的数学期望和方差。
2.多维随机变量函数的数学期望和方差
随机变量
的数学期望为:(这里假设涉及到的数学期望都存在)
数学期望与方差的运算性质
1.
对于任意的随机变量
:
这个结论很强,对于随机变量间的关系没有任何要求。可简单地叙述为和的期望等于期望的和,可以推广到有限的
维的情形:
2.
若随机变量
这个结论亦可推广到有限的
维的情形:若
相互独立,则
3.
若随机变量
,有:
该性质只对方差成立,对标准差不成立,标准差应这样计算:
该性质亦可推广到有限的
维的情形:若
相互独立,则对于任意常数列
和任意常数
,有:
这说明对于独立随机变量来说,它们之间无论是相加或是相减,其方差只增不减。
特别地,
个方差均为
独立同分布的随机变量
,其算术平均值的方差:
这说明若对某个物理量进行测量,可用
次独立重复测量的平均值来提高测量的