第四章 随机变量的数字特征
1. 数学期望
\[E(X)=\int_{-\infty}^{+\infty}xf(x)dx\]
1.1. 泊松分布的数学期望
\[E(X)=\lambda\]
1.2. 指数分布的数学期望
\[E(X)=\frac{1}{\lambda}\]
1.3. 数学期望的特性
- \(E(C)=C\)
- \(E(CX)=CE(X)\)
- \(E(X+Y)=E(X)+E(Y)\)
- 若\(X,Y\)相互独立,\(E(XY)=E(X)E(Y)\)
2. 方差
设X是随机变量,若 \(E\{[X-E(X)]^2\}\)存在,则称其为\(X\)的方差,记为\(Var(X\))或\(D(X)\),即
\[Var(X)=E\{[X-E(X)]^2\}\]
将\(\sqrt{Var(X)}\)记为\(\sigma(X)\)称为\(X\)的标准差或均方差,它与\(X\)有相同的量纲.
- \(Var(X)=\int_{-\infty}^{+\infty}[x-E(X)]^2f(x)dx\)
- \(Var(X)=E(X^2)-[E(X)]^2\)
2.1. 两点分布的方差
2.2. 泊松分布的方差
2.3. 均匀分布的方差
2.4. 指数分布的方差
2.5. 二项分布的方差
2.6. 正态分布的方差
正态分布的两个参数\(\mu ,\sigma^2\)分别是该分布的数学期望和方差
- 标准化变量:设随机变量\(X\)具有数学期望\(E(X)=\mu\)方差\(Var(X)=\sigma^2\ne 0\),记\(X^*=\frac{X-\mu}{\sigma}\)则称\(X^*\)是\(X\)的标准化变量
方差的性质:
- \(Var(C)=0\)
- \(Var(CX)=C^2Var(X)\)
- \(Var(X+Y)=Var(X)+Var(Y)+2E\{[X-E(X)][Y-E(Y)\}\)
- 若\(X,Y\)相互独立,则有\(Var(X+Y)=Var(X)+Var(Y)\)
3. 协方差、相关系数
3.1. 协方差:
\[Cov(X,Y)=E\{[X-E(X)][Y-E(Y)]\}=E(XY)-E(X)E(Y)\]
- 方差性质的补充:\(Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)\)
- 协方差的性质:
- \(Cov(X,Y)=Cov(Y,X)\)
- \(Cov(X,X)=Var(X)\)
- \(Cov(aX,bY)=ab\cdot Cov(X,Y)\)
- \(Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y)\)
3.2. 相关系数:
\[\rho_{XY}=\frac{Cov(X,Y)}{\sqrt{Var(X)Var(Y)}}\]
-
相关系数的性质:
-
\(|\rho_{XY}| \le 1\)
-
\(|\rho|=1\)时,\(Y=a+bX\)
-
\(\rho=0\)时
-
\(Cov(X,Y)=0\)
-
\(E(XY)=E(X)E(Y)\)
-
\(Var(X\pm Y)=Var(X)+Var(Y)\)
-
4. 其它数字特征
略
表1