概率论笔记 第4章 随机变量的数字特征
概率论
- 第4章 随机变量的数字特征
- 4.1 随机变量的数学期望
- 4.1.1 离散型随机变量的数学期望
- 4.1.2 连续型随机变量的数学期望
- 4.1.3 随机变量函数的数学期望
- 4.1.4 数学期望的性质
- 4.2 随机变量的方差
- 方差的的定义
- 方差的性质
- 常见分布的期望和方差:
推荐b站《概率论与数理统计》教学视频全集(宋浩)
第4章 随机变量的数字特征
4.1 随机变量的数学期望
随机变量的数学期望,也称为随机变量的平均值。数学期望刻画了随机变量取值的平均性质。
随机变量的方差刻画了随机变量取值的波动特性。
4.1.1 离散型随机变量的数学期望
定义 4.1 设 XXX 为离散型随机变量,其分布列为
P(X=xi)=pi,i=1,2,⋯,P(X=x_{i})=p_{i},\qquad i=1,2,\cdots, P(X=xi)=pi,i=1,2,⋯,
若级数 ∑i=1∞xipi\sum_{i=1}^{\infty}x_{i}p_{i}∑i=1∞xipi 绝对收敛,则称其和为随机变量 XXX (或其分布)的数学期望,简称为期望或均值,记为 EXEXEX ,即
EX=∑i=1∞xipi.EX=\sum_{i=1}^{\infty}x_{i}p_{i}. EX=i=1∑∞xipi.
当级数 ∑i=1∞xipi\sum_{i=1}^{\infty}x_{i}p_{i}∑i=1∞xipi 非绝对收敛时,称随机变量 XXX (或其分布)的数学期望不存在。
4.1.2 连续型随机变量的数学期望
定义 4.2 设随机变量 XXX 的密度函数为 f(x)f(x)f(x) ,若积分 ∫−∞+∞xf(x)dx\int_{-\infty}^{+\infty}xf(x)dx∫−∞+∞xf(x)dx 绝对收敛,则称其值为 XXX (或其分布)的数学期望,简称为期望或均值,记为 EXEXEX ,即
EX=∫−∞+∞xf(x)dx.EX=\int_{-\infty}^{+\infty}xf(x)dx. EX=∫−∞+∞xf(x)dx.
(随机变量 乘 密度函数 求积分)
4.1.3 随机变量函数的数学期望
定理 4.1 设 Y=g(X)Y=g(X)Y=g(X),其中 XXX 为随机变量,g(x)g(x)g(x) 为连续函数.
(1) 设离散型随机变量 XXX 的分布列为 P(X=xi)=pi,i=1,2,⋯P(X=x_{i})=p_{i},\qquad i=1,2,\cdotsP(X=xi)=pi,i=1,2,⋯ . 若级数 ∑i=1∞g(xipi)\sum_{i=1}^{\infty}g(x_{i}p_{i})∑i=1∞g(xipi) 绝对收敛,则 Y=g(X)Y=g(X)Y=g(X) 的数学期望为
EY=E[g(X)]=∑i=1∞g(xi)piEY=E[g(X)]=\sum_{i=1}^{\infty}g(x_i)p_{i} EY=E[g(X)]=i=1∑∞g(xi)pi
(2) 若连续型随机变量 XXX 的密度函数为 f(x)f(x)f(x),且积分 ∫−∞+∞g(x)f(x)dx\int_{-\infty}^{+\infty}g(x)f(x)dx∫−∞+∞g(x)f(x)dx 绝对收敛,则 Y=g(X)Y=g(X)Y=g(X) 的数学期望为
EY=E[g(X)]=∑i=1∞∫−∞+∞g(x)f(x)dxEY=E[g(X)]=\sum_{i=1}^{\infty}\int_{-\infty}^{+\infty}g(x)f(x)dx EY=E[g(X)]=i=1∑∞∫−∞+∞g(x)f(x)dx
定理 4.2 设 Z=g(X,Y)Z=g(X,Y)Z=g(X,Y),其中 g(x,y)g(x,y)g(x,y) 为二元连续函数.
(1) 若二维离散型随机变量 (X,Y)(X,Y)(X,Y) 的分布列为 P(X=xi,Y=yi)=pij,i,j=1,2,⋯P(X=x_i,Y=y_i)=p_{ij},\; i,j=1,2,\cdotsP(X=xi,Y=yi)=pij,i,j=1,2,⋯,且级数 ∑i=1∞∑j=1∞g(xi,yi)pij\sum_{i=1}^{\infty}\sum_{j=1}^{\infty}g(x_i,y_i)p_{ij}∑i=1∞∑j=1∞g(xi,yi)pij 绝对收敛,则
EZ=E[g(X,Y)]=∑i=1∞∑j=1∞g(xi,yi)pijEZ=E[g(X,Y)]=\sum_{i=1}^{\infty}\sum_{j=1}^{\infty}g(x_i,y_i)p_{ij} EZ=E[g(X,Y)]=i=1∑∞j=1∑∞g(xi,yi)pij
(2) 若二维连续型随机变量 (X,Y)(X,Y)(X,Y) 的密度函数为 f(x,y)f(x,y)f(x,y),且积分 ∫−∞+∞∫−∞+∞g(x,y)f(x,y)dxdy\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}g(x,y)f(x,y)dxdy∫−∞+∞∫−∞+∞g(x,y)f(x,y)dxdy 绝对收敛,则
EZ=E[g(X,Y)]=∫−∞+∞∫−∞+∞g(x,y)f(x,y)dxdyEZ=E[g(X,Y)]=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}g(x,y)f(x,y)dxdy EZ=E[g(X,Y)]=∫−∞+∞∫−∞+∞g(x,y)f(x,y)dxdy
特别地,当 (X,Y)(X,Y)(X,Y) 是连续型随机变量时,X,Y 的数学期望分别为
EX=∫−∞+∞∫−∞+∞xf(x,y)dxdyEX=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}xf(x,y)dxdy EX=∫−∞+∞∫−∞+∞xf(x,y)dxdy
EY=∫−∞+∞∫−∞+∞yf(x,y)dxdyEY=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}yf(x,y)dxdy EY=∫−∞+∞∫−∞+∞yf(x,y)dxdy
4.1.4 数学期望的性质
设 X,YX,YX,Y 为随机变量,且 EX,EYEX,EYEX,EY 存在.
EC=CEC=CEC=C.
E(aX+bY)=aEX+bEYE(aX+bY)=aEX+bEYE(aX+bY)=aEX+bEY.
E(aX)=aEX,E(X+Y)=EX+EYE(aX)=aEX, E(X+Y)=EX+EYE(aX)=aEX,E(X+Y)=EX+EY.
E(kX+b)=kEX+bE(kX+b)=kEX+bE(kX+b)=kEX+b
若 X,YX,YX,Y 相互独立,则有 E(XY)=(EX)(EY)E(XY)=(EX)(EY)E(XY)=(EX)(EY).
若 X≥0X\geq 0X≥0,则有 EX≥0EX \geq 0EX≥0;若 X≤YX\leq YX≤Y,则有 EX≤EYEX \leq EYEX≤EY.
∣EX∣≤E∣X∣|EX|\leq E|X|∣EX∣≤E∣X∣ .
4.2 随机变量的方差
方差的的定义
定义 4.3 设 XXX 为随机变量,若 E(X−EX)2E(X-EX)^2E(X−EX)2 存在,则称它为随机变量 XXX 的方差,记为 DXDXDX 。即
DX=E(X−EX)2DX=E(X-EX)^2 DX=E(X−EX)2
而 DX\sqrt{DX}DX 称为随机变量 XXX 的标准差或均方差.
离散型: DX=∑k(xk−EX)2pkDX=\sum_{k}(x_k-EX)^{2}p_kDX=∑k(xk−EX)2pk
连续型: DX=∫−∞+∞(x−EX)2f(x)dxDX=\int_{-\infty}^{+\infty}(x-EX)^2f(x)dxDX=∫−∞+∞(x−EX)2f(x)dx
常用的计算随机变量方差的另一公式:
DX=E(X2)−(EX)2DX=E(X^2)-(EX)^2 DX=E(X2)−(EX)2
方差的性质
- DC=0DC=0DC=0
- 对任一随机变量 XXX 有 DX≥0DX\geq 0DX≥0. DX=0DX=0DX=0 的充要条件是存在常数 C, 使得 P(X=C)=1P(X=C)=1P(X=C)=1.
- D(CX+b)=C2DXD(CX+b)=C^2DXD(CX+b)=C2DX
- D(X±Y)=DX+DY±2E[(X−EX)(Y−EY)]D(X\pm Y)=DX+DY\pm 2E[(X-EX)(Y-EY)]D(X±Y)=DX+DY±2E[(X−EX)(Y−EY)]
- 特别地,若 X 与 Y 独立,则有 D(X±Y)=DX+DYD(X\pm Y)=DX+DYD(X±Y)=DX+DY (注意最后一定是+)
- 对任意常数 C≠EXC\neq EXC=EX,有 DX=E(X−EX)2<E(X−C)2DX=E(X-EX)^2<E(X-C)^2DX=E(X−EX)2<E(X−C)2
标准化:
X∗=X−EXDXX^*=\frac{X-EX}{\sqrt{DX}} X∗=DXX−EX
EX∗=0EX^*=0 EX∗=0
DX∗=1DX^*=1 DX∗=1
证明:EX∗=E(X−EXDX)=1DX(EX−EX)=0证明:EX^*=E(\frac{X-EX}{\sqrt{DX}})=\frac{1}{\sqrt{DX}}(EX-EX)=0 证明:EX∗=E(DXX−EX)=DX1(EX−EX)=0
证明:DX∗=1DXD(X−EX)=DXDX=1证明:DX^*=\frac{1}{DX}D(X-EX)=\frac{DX}{DX}=1 证明:DX∗=DX1D(X−EX)=DXDX=1
常见分布的期望和方差:
分布 | 定义 | EX | DX |
---|---|---|---|
0-1分布 | P(X=k)=pk(1−p)1−k,k=0,1,2,⋯P(X=k)=p^k(1-p)^{1-k},k=0,1,2,\cdotsP(X=k)=pk(1−p)1−k,k=0,1,2,⋯ | ppp | pqpqpq |
二项分布 B(n,p)B(n,p)B(n,p) | P(X=k)=Cnkpkqn−k,k=0,1,2,⋯P(X=k)=C_n^k p^kq_{n-k},k=0,1,2,\cdotsP(X=k)=Cnkpkqn−k,k=0,1,2,⋯ | npnpnp | npqnpqnpq |
几何分布 G(p)(1<p<1)G(p)(1<p<1)G(p)(1<p<1) | P(X=k)=(1−p)k−1p,k=1,2,⋯P(X=k)=(1-p)^{k-1}p,k=1,2,\cdotsP(X=k)=(1−p)k−1p,k=1,2,⋯ | 1p\frac{1}{p}p1 | 1−pp2\frac{1-p}{p^2}p21−p |
泊松分布 P(λ)(λ>0)P(\lambda)(\lambda>0)P(λ)(λ>0) | P(X=k)=λkk!e−λ,k=0,1,2,⋯P(X=k)=\frac{\lambda^k}{k!}e^{-\lambda},k=0,1,2,\cdotsP(X=k)=k!λke−λ,k=0,1,2,⋯ | λ\lambdaλ | λ\lambdaλ |
均匀分布 | f(x)={1b−a,x∈[a,b]0,elsef(x)=\begin{cases} \frac{1}{b-a}, & x\in [a,b] \\ 0, & else \end{cases}f(x)={b−a1,0,x∈[a,b]else | a+b2\frac{a+b}{2}2a+b | (b−a)212\frac{(b-a)^2}{12}12(b−a)2 |
指数分布 E(λ)(λ>0)E(\lambda)(\lambda>0)E(λ)(λ>0) | f(x)={λe−λx,x>00,elsef(x)=\begin{cases} \lambda e^{-\lambda x}, & x>0 \\ 0, & else \end{cases}f(x)={λe−λx,0,x>0else | 1λ\frac{1}{\lambda}λ1 | 1λ2\frac{1}{\lambda ^2}λ21 |
正态分布 N(μ,σ2)(σ>0)N(\mu,\sigma ^2)(\sigma>0)N(μ,σ2)(σ>0) | N(μ,σ2)(σ>0)N(\mu,\sigma ^2)(\sigma>0)N(μ,σ2)(σ>0) | μ\muμ | σ2\sigma ^2σ2 |
概率论笔记 第4章 随机变量的数字特征相关推荐
- 概率论 第四章 随机变量的数字特征
第四章 随机变量的数字特征 1 数学期望 1 数学期望
- 概率统计:第四章 随机变量的数字特征
第四章 随机变量的数字特征 内容提要 一.数学期望 1.设离散型随机变量的分布律为 , 若级数收敛,称级数的和为随机变量的数学期望,记为,即 2.设连续型随机变量的密度函数为, 若积分收敛,称积分的 ...
- 2021-08-29概率论—第四章随机变量的数字特征
文章目录 随机变量的数字特征 数学期望 方差 常见分布的E(X)与D(X) 协方差与相关系数 随机变量的数字特征 数学期望 方差 常见分布的E(X)与D(X) 协方差与相关系数
- 第三章 随机变量的数字特征
数学期望 数学期望用来反映平均情况. 定义 设离散型随机变量X的分布律为P(X=xk)=pk,k=1,2,3...P(X=x_k)=p_k,\;k=1,2,3...,若级数∑+∞k=1xkpk\sum ...
- 李永乐复习全书概率论与数理统计 第四章 随机变量的数字特征
目录 4.1 随机变量的数学期望和方差 例8 设随机变量X∼P(λ)X\sim P(\lambda)X∼P(λ),试证E(X)=λE(X)=\lambdaE(X)=λ. 例9 设随机变量XXX的 ...
- 概率论—随机变量的数字特征、大数定律及中心极限定理
文章目录 概率论4.5章 随机变量的数字特征 大数定律及中心极限定理 概率论4.5章 随机变量的数字特征 大数定律及中心极限定理
- 概率论与数理统计 Chapter3. 随机变量的数字特征
概率论与数理统计 Chapter3. 随机变量的数字特征 1. 重要定义 & 定理 1. 数学期望(均值) 1. 定义 2. 性质 2. 中位数 3. 方差 & 标准差 1. 定义 2 ...
- 概率论-随机变量的数字特征
1. 数学期望 1.1 定义 数学期望就是 加权平均!!离散型随机变量的数学期望很简单,就是各个可能的值乘以相应的概率.而连续性数学期望也是.其中的x为可能的取值,f(x)就是对应的密度函数,也就是 ...
- 考研:研究生考试(七天学完)之《概率与统计》研究生学霸重点知识点总结之考试内容各科占比及常考知识重点梳理(随机事件和概率、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律和中心
考研:研究生考试(七天学完)之<概率与统计>研究生学霸重点知识点总结之考试内容各科占比及常考知识重点梳理(随机事件和概率.一维随机变量及其分布.多维随机变量及其分布.随机变量的数字特征.大 ...
最新文章
- 图片怎么优化的8个小技巧
- 你以为它挂了么?并没有!Apache Struts 2.5.22 GA 发布
- EditPlus行首行尾批量添加字符 以及其它常用正则
- 树莓派 - 设置只读文件系统,避免分区错误
- .NET高级调试 | 通过JIT拦截无侵入调试 C# Emit 生成的动态代码
- linux tcp header更改,Linux Netfilter中修改TCP/UDP Payload的方法
- python随机出100道加法题_自动出题随机100题-20以内加减法全部算式
- 瑶琳c语言,来桐庐瑶琳仙境,开启一场18°C的奇妙之旅
- 一行代码,Pandas秒变分布式,快速处理TB级数据
- Spring 与 Hibernate 集成 Transactional设置为只读
- remote Incorrect username or password ( access token)问题解决
- http缓存与cdn相关技术
- 单元测试用例编写总结 (白盒测试)
- js调用数科阅读器_数科软文:如何提高网站内容的可读性? - 搜外问答
- 计算机行业的最新技术,计算机行业发展空间巨大 三大必然趋势引领发展
- WLAN 与WIFI的区别?
- App隐私合规注意事项和相关材料
- Mantis集成富文本插件
- 耗时两天,Html实现小米官网
- 成为域名代理商好不好?域名代理商赚钱吗?