概率论笔记 第4章 随机变量的数字特征

推荐b站《概率论与数理统计》教学视频全集（宋浩）

第4章 随机变量的数字特征

4.1 随机变量的数学期望

随机变量的数学期望，也称为随机变量的平均值。数学期望刻画了随机变量取值的平均性质。

随机变量的方差刻画了随机变量取值的波动特性。

4.1.1 离散型随机变量的数学期望

定义 4.1 设 $X$ 为离散型随机变量,其分布列为
$$P(X=x_i)=p_i,i=1,2,\cdots ,$$
若级数 ${\sum }_{i=1}^{\infty }{x}_i{p}_i$ 绝对收敛，则称其和为随机变量 $X$ (或其分布)的数学期望,简称为期望或均值,记为 $EX$ ，即
$$EX=\sum _{i=1}^{\infty }{x}_i{p}_i.$$
当级数 ${\sum }_{i=1}^{\infty }{x}_i{p}_i$ 非绝对收敛时，称随机变量 $X$ (或其分布)的数学期望不存在。

4.1.2 连续型随机变量的数学期望

定义 4.2 设随机变量 $X$ 的密度函数为 $f(x)$ ，若积分 ${\int }_{-\infty }^{+\infty }xf(x)dx$ 绝对收敛，则称其值为 $X$ (或其分布)的数学期望，简称为期望或均值，记为 $EX$ ，即
$$EX={\int }_{-\infty }^{+\infty }xf(x)dx.$$
（随机变量 乘 密度函数 求积分）

4.1.3 随机变量函数的数学期望

定理 4.1 设 $Y=g(X)$，其中 $X$ 为随机变量，$g(x)$ 为连续函数.

(1) 设离散型随机变量 $X$ 的分布列为 $P(X=x_i)=p_i,i=1,2,\cdots$ . 若级数 ${\sum }_{i=1}^{\infty }g(x_i{p}_i)$ 绝对收敛，则 $Y=g(X)$ 的数学期望为
$$EY=E[g(X)]=\sum _{i=1}^{\infty }g(x_i)p_i$$
(2) 若连续型随机变量 $X$ 的密度函数为 $f(x)$，且积分 ${\int }_{-\infty }^{+\infty }g(x)f(x)dx$ 绝对收敛，则 $Y=g(X)$ 的数学期望为
E Y = E [ g ( X ) ] = ∑ i = 1 ∞ ∫ − ∞ + ∞ g ( x ) f ( x ) d x EY=E[g(X)]=\sum_{i=1}^{\infty}\int_{-\infty}^{+\infty}g(x)f(x)dx