数学期望
数学期望简称期望, 又称为均值. 数学期望
E(x)完全由随机变量
X的概率分布所确定. 若
X服从某一分布, 也称
E(X)是这一分布的数学期望.
定义
- 设离散型随机变量
X的分布律为
P{X=xk}=pkk=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
性质
- 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}=pkk=1,2,⋯, 若级数
∑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
证明见p.95
方差
研究随机变量与其平均值的偏离程度是十分必要的, 那么, 用怎样的量去度量这个偏离程度呢? 容易看到
E{∣X−E(X)∣}
能度量随机变量与其平均值
E(X)的偏离程度. 但由于上式还有绝对值, 运算不方便, 为运算方便起见, 通常用量
E{[X−E(X)]2}
来度量随机变量
X与其均值
E(X)的偏离程度.
定义
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}
在应用上还引入是
D(X)
, 记为
σ(X), 称为标准差或均方差.
按定义, 随机变量
X的方差表达了
X的取值与其数学期望的偏离程度. 若
D(X)较小意味着取值比较集中在
E(X)的附近, 反之, 若
D(X)较大则表示
X的取值比较分散. 因此,
D(X)是刻画
X取值分散程度的一个量, 它是衡量
X取值分散程度的一个尺度.
由定义可知, 方差实际上就是随机变量
X的函数
g(X)=(X−E(X))2的数学期望. 于是对于离散型随机变量, 按期望的性质1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, 按期望的性质1有
D(X)=∫−∞∞[x−E(X)]2f(X)dx
其中
f(x)是
X的概率密度.
性质
- 随机变量
X的方差可按下列公式计算
D(X)=E(X2)−[E(X)]2
- 设
C是常数, 则
D(C)=0
- 设X是随机变量,
C是常数, 则有
D(CX)=C2D(X),D(X+C)=D(X)
- 设
X,Y是两个随机变量, 则有
D(X+Y)=D(X)+D(Y)+2E{(X−E(X))(Y−E(Y))}
-
D(X)=0的充要条件是
X以概率1取常数
E(X), 即
P{X=E(X)}=1
注:本章所有证明来自《概率论与数理统计》(浙江大学第四版)