期望
定义
- 离散型
E(X)=∑i∞xkpk
- 连续型
E(X)=∫∞−∞xf(x)dx
性质
E[aX+bY]=aE[X]+bE[Y]
方差
定义
D(X)=Var(X)=E{
[X−E(X)]2}=E(X2)−[E(X)]2
切比雪夫不等式
定理 设随机变量 X 具有数学期望
P{
∣X−μ∣≥ϵ}≤σ2ϵ
成立。
切比雪夫(Chebbyshev)不等式也可以写成如下的形式:
P{
∣X−μ∣<ϵ}≥1−σ2ϵ
切比雪夫不等式给出了在随机变量的分布未知,而只知道 E(X) \和 D(X) 的情况下估计概率 P{ ∣X−E(X)∣<ϵ} 的界限。
协方差
对于二维随机变量(X, Y),除了需要了解X与Y的数学期望和方差意外,还需要掌握描述X与Y之间相互关系的数字特征。
定义
如果两个随机变量X和Y是相互独立的,则
E{
[X−E(X)][Y−E(Y)]}=0
亦
E(XY)=E(X)E(Y)
量 E{ [X−E