随机变量的数字特征基本概念.docVIP

随机变量的数字特征基本概念 1、概念网络图 2、重要公式和结论 （1）一维随机变量的数字特征 离散型 连续型 期望 期望就是平均值 设X是离散型随机变量，其分布律为P()＝pk，k=1,2,…,n， （要求绝对收敛） 设X是连续型随机变量，其概率密度为f(x)， （要求绝对收敛） 函数的期望 Y=g(X) Y=g(X) 方差 D(X)=E[X-E(X)]2， 标准差 ， 矩 ①对于正整数k，称随机变量X的k次幂的数学期望为X的k阶原点矩，记为vk,即 νk=E(Xk)= , k=1,2, …. ②对于正整数k，称随机变量X与E（X）差的k次幂的数学期望为X的k阶中心矩，记为，即 =， k=1,2, …. ①对于正整数k，称随机变量X的k次幂的数学期望为X的k阶原点矩，记为vk,即 νk=E(Xk)= k=1,2, …. ②对于正整数k，称随机变量X与E（X）差的k次幂的数学期望为X的k阶中心矩，记为，即 = k=1,2, …. 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，有下列切比雪夫不等式 切比雪夫不等式给出了在未知X的分布的情况下，对概率 的一种估计，它在理论上有重要意义。 （2）期望的性质 E(C)=C E(CX)=CE(X) E(X+Y)=E(X)+E(Y)， E(XY)=E(X) E(Y)，充分条件：X和Y独立； 充要条件：X和Y不相关。 （3）方差的性质 D(C)=0；E(C)=C D(aX)=a2D(X)； E(aX)=aE(X) D(aX+b)= a2D(X)； E(aX+b)=aE(X)+b D(X)=E(X2)-E2(X) D(X±Y)=D(X)+D(Y)，充分条件：X和Y独立； 充要条件：X和Y不相关。 D(X±Y)=D(X)+D(Y) ±2E[(X-E(X))(Y-E(Y))]，无条件成立。 而E(X+Y)=E(X)+E(Y)，无条件成立。 （4）常见分布的期望和方差 期望 方差 0-1分布 p 二项分布 np 泊松分布 几何分布 超几何分布 均匀分布 指数分布 正态分布 n 2n t分布 0 (n2) （5）二维随机变量的数字特征 期望 函数的期望 ＝ ＝ 方差 协方差 对于随机变量X与Y，称它们的二阶混合中心矩为X与Y的协方差或相关矩，记为，即 与记号相对应，X与Y的方差D（X）与D（Y）也可分别记为与。 相关系数 对于随机变量X与Y，如果D（X）0, D(Y)0，则称 为X与Y的相关系数，记作（有时可简记为）。 ||≤1，当||=1时，称X与Y完全相关： 完全相关 而当时，称X与Y不相关。 以下五个命题是等价的： ①； ②cov(X,Y)=0; ③E(XY)=E(X)E(Y); ④D(X+Y)=D(X)+D(Y); ⑤D(X-Y)=D(X)+D(Y). 协方差矩阵 混合矩 对于随机变量X与Y，如果有存在，则称之为X与Y的k+l阶混合原点矩，记为；k+l阶混合中心矩记为： （6）协方差的性质 cov (X, Y)=cov (Y, X); cov(aX,bY)=ab cov(X,Y); cov(X1+X2, Y)=cov(X1,Y)+cov(X2,Y); cov(X,Y)=E(XY)-E(X)E(Y). （7）独立和不相关 若随机变量X与Y相互独立，则；反之不真。 若（X，Y）～N（）， 则X与Y相互独立的充要条件是X和Y不相关。 例4．1：箱内装有5个电子元件，其中2个是次品，现每次从箱子中随机地取出1件进行检验，直到查出全部次品为止，求所需检验次数的数学期望。 例4．2：将一均匀骰子独立地抛掷3次，求出现的点数之和的数学期望。 例4．3：袋中装有标着1，2，…，9号码的9只球，从袋中有放回地取出4只球，求所得号码之和X的数学期望。 例4．4：设随机变量X的概率密度为 求E（X）及D（X）。 例4．5：设随机变量X~N（0， 4）， Y~U（0， 4），且X，Y相互独立，求E（XY），D（X+Y）及D（2X-3Y）。 例4．6：罐中有5颗围棋子，其中2颗为白子，另3颗为黑子，如果有放回地每次取1子，共取3次，求3次中取到的白子次数X的数学期望与方差。 例4．7：在上例中，若将抽样方式改为不放回抽样，则结果又是如何？ 例4．8：“随机变量X的数学期望E(X)= μ.”的充分条件： (1)X的密度函数为f(x)= (λ0,-∞x+∞)(2)