期望性质:E(C)=C,C为任意常数
E(aX+bY)=aE(X)+bE(Y)
E(aX+C)=aE(X)+C
X,Y独立 E(XY)=E(X)E(Y)
方差:D(X)=E(X*X)-E(X)*E(X)
D(C)=0
D(CX)=C*C*D(X)
D(X+Y)=D(X-Y)=D(X)+D(Y)
协方差:Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}=E(XY)-E(Y)*E(X)
Cov(X,Y)=D(X)
Cov(X,Y)=Cov(Y,X)
Cov(aX+c,bY+d)=ab*Cov(X,Y)
Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)
X,Y相互独立 Cov(X,Y)=0
D(aX+bY)=a*aD(X)+b*bD(Y)+2abCov(X,Y)
D(aX-bY)=a*aD(X)+b*bD(Y)-2abCov(X,Y)
相关系数:X*=[X-E(X)]/sqrt(D(X))
Y*=[Y-E(Y)]/sqrt(D(Y))
ρ=Cov(X*,Y*)=Cov(X,Y)/[sqrt(D(X))*sqrt(D(Y))]
|ρ|<=1;|ρ|=1的充分必要条件是X与Y以概率1线性相关,即存在常数a,b,使得P(Y=aX+b)=1
ρ=0,称X,Y不相关
X,Y相互独立,Cov(X,Y)=0,ρ=0,X,Y不相关
*注:不相关性和独立性是两个不同的概念,一般情况下不相关性推不出独立性
*正态分布不相关性和独立性一致,二维正态分布X,Y联合密度函数中的ρ就是X与Y的相关系数