1.数学期望
设离散型随机变量
X的分布律为
P{X=xk}=pk,k=1,2,….
若级数
k=1∑∞xkpk
绝对收敛,则称级数
∑k=1∞xkpk的和为随机变量
X的数学期望,记为
E(X).即
E(X)=k=1∑∞xkpk.
设连续型随机变量
X的概率密度为
f(x),若积分
∫−∞∞xf(x)dx
绝对收敛,则称积分
∫−∞∞xf(x)dx的值为随机变量
X的数学期望,记为
E(X).即
E(X)=∫−∞∞xf(x)dx
数学期望简称期望,又称为均值.
2.定理
设
Y是随机变量
X的函数
:Y=g(X)(g是连续函数).
(i)如果
X是离散型随机变量,它的分布律为
P{X=xk}=pk,k=1,2,…
若
k=1∑∞g(xk)pk
绝对收敛,则有
E(Y)=E[g(X)]=k=1∑∞g(xk)pk.
(ii)如果
X是连续型随机变量,它的概率密度为
f(x),若
∫−∞∞g(x)f(x)dx
绝对收敛,则有
E(Y)=E[g(X)]=∫−∞∞g(x)f(x)dx.
3.方差
设
X是一个随机变量,若
E{[X−E(X)]2}存在,则称
E{[X−E(X)]2}为
X的方差,记为
D(x)或
Var(X),即
D(x)=Var(X)=E{[X−E(X)]2}.
在应用上还引入量
D(X)
,记为
σ(X),成为标准差或均方差.
对于离散型随机变量,有
D(X)=k=1∑∞[xk−E(X)]2pk
其中
P{X=xk}=pk,k=1,2,…是
X的分布律.
对于连续型随机变量,有
D(X)=∫−∞∞[x−E(X)]2f(x)dx
其中
f(x)是
X的概率密度.
4.方差的重要性质
(1)设
C是常数,则
D(C)=0.
(2)
D(CX)=C2D(X),D(X+C)=D(X).
(3)
D(X+Y)=D(X)+D(Y)+2E{(X−E(X))(Y−E(Y))}.
(4)
D(X)=0的充要条件是
P{X=E(X)}=1.
5.几个常见分布的数学期望和方差
(1)若
X∼π(λ),则
E(X)=λD(X)=λ
(2)若
X∼U(a,b),则
E(X)=2a+bD(X)=12(b−a)2
(3)若
X具有
(0−1)分布,其分布律为
P{X=1}=p,P{X=0}=1−p则
E(X)=pD(X)=p(1−p)
(4)若随机变量
X服从指数分布,其概率密度为
f(x)=⎩⎨⎧θ1e−θx,x>0,0,x≤0.
其中
θ>0,则
E(X)=θD(X)=θ2
(5)若
X∼b(n,p),则
E(X)=npD(X)=np(1−p)
(6)若
X∼N(μ,σ2),则
E(X)=μD(X)=σ2
6.切比雪夫不等式
设随机变量
X具有数学期望
E(X)=μ,方差
D(X)=σ2,则对于任意正数
ε,不等式
P{∣X−μ∣≥ε}≤ε2σ2
成立.切比雪夫不等式也可以写成
P{∣X−μ∣<ε}≥1−ε2σ2
7.协方差及相关系数
量
E{[X−E(X)][Y−E(Y)]称为随机变量
X和
Y的协方差,记为
Cov(X,Y),即
Cov(X,Y)=E{[X−E(X)][Y−E(Y)]
而
ρXY=D(X)
D(Y)
Cov(X,Y)
称为随机变量
X和
Y的相关系数.
8.结论
二维正态随机变量
(X,Y)的概率密度中的参数
ρ就是
X和
Y的相关系数,
X和
Y相互独立的充要条件是
ρ=0
9.矩和协方差矩阵
设
X和
Y是随机变量,若
E(Xk),k=1,2,…
存在,则称它为
X的
k阶原点矩,简称
k阶矩.
若
E{[X−E(X)]k},k=1,2,…
存在,则称它为
X的
k阶中心矩.
若
E(XkYl),k,l=1,2…
存在,则称它为
X和Y的
k+l阶混合矩.
若
E{[X−E(X)]k[Y−E(Y)]l}
存在,则称它为
X和Y的
k+l阶混合中心矩.
设
n阶随机变量
(X1,X2,…,Xn)的二阶混合中心矩
cij=Cov(Xi,Xj)=E{[Xi−E(Xi)][Xj−E(Xj)]},i,j=1,2,…,n
都存在,则称矩阵
C=⎝⎜⎜⎜⎛c11c21⋮cn1c12c22⋮cn2………c1nc2n⋮cnn⎠⎟⎟⎟⎞
为
n维随机变量
(X1,X2,…,Xn)的协方差矩阵.
引入列矩阵
X=⎝⎜⎜⎜⎛x1x2⋮xn⎠⎟⎟⎟⎞和μ=⎝⎜⎜⎜⎛μ1μ2⋮μn⎠⎟⎟⎟⎞=⎝⎜⎜⎜⎛E(X1)E(X2)⋮E(Xn)⎠⎟⎟⎟⎞.
n维正态随机变量
(X1,X2,…,Xn)的概率密度为
f(x1,x2,…,xn)=(2π)2n(detC)211exp{−21(X−μ)TC−1(X−μ)}
其中
C是
(X1,X2,…,Xn)的协方差矩阵.