概率论与数理统计4第四章随机变量的数字特征.docx

§4.1数学期望一、数学期望的定义定义1.若X~P{X=}=, k=1,2,…n, 则称为X的数学期望，简称期望或均值。定义2.若X~P{X=}=, k=1,2,…,且 则称为X的数学期望定义3.若X~f(x),-￥x￥,则称为X的数学期望。二.几个重要随机变量的期望和方差1.0-1分布 EX=p, 2.二项分布B(n, p) EX ，3.泊松分布＝λ, 4. 均匀分布U(a, b) 5.指数分布E(λ) x～ ，6. 正态分布N(m, s2) ，， EX，三.随机变量函数的期望定理1若X~P{X=}=, k=1,2,…, 则Y=g(X)的期望E(g(X))为推论: 若 (X, Y) ~ P{X= ,Y=,}=, i, j=1, 2, … , 则Z= g(X，Y)的期望定理2 若X~f(x), -￥x￥, 则Y=g(X)的期望推论 若(X, Y) ~f (x, y), -￥x￥, -￥y￥, 则Z=g(X, Y)的期望 四.数学期望的性质1. E(c)=c,c为常数;2. E(cX)=cE(X), c为常数;3. E(X+Y)=E(X)+E(Y);4. 若X与Y独立，则E(XY)=E(X)E(Y).§4.2方差一. 定义与性质1.定义:若E(X),E()存在，则称 为X的方差，记为D(X),或Var(X). 称为X的标准差2.推论 D(X)=E()-. 二. 方差的性质(1) D(c)=0反之，若D（X）=0，则存在常数C，使 P{X=C}=1, 且C=E(X); (2) D(aX+b)=D(X), a、b为常数；(3) D(X±Y)=D(X)+D(Y)±2COV(X, Y)若X，Y独立，则 D(X+Y)=D(X)+D(Y);三.切比雪夫不等式 若X的期望和方差存在，则对任意e0，有这就是著名的切比雪夫(Chebyshev)不等式。它有以下等价的形式：§4.３协方差，相关系数一.协方差定义与性质1.协方差定义：若X的期望E(X)和Y的期望E(Y)存在, 则称COV(X, Y)=E{[X-E(X)][Y-E(Y)]}.为X与Y的协方差, 易见 COV(X, Y)=E(XY）－E(X)E(Y). 当COV(X,Y)=0时，称X与Y不相关。2.协方差性质(1) COV(X, Y)=COV(Y, X);(2) COV(X,X)=D(X); COV(X,c)=0(3) COV(aX, bY)=abCOV(X, Y), 其中a, b为 常数；(4)COV(X+YZ,)=COV(X,Z)+COV(Y,Z)(5)D(X±Y)=D(X)+D(Y)±2COV(X,Y).二.相关系数1.定义:若X，Y的方差和协方差均存在, 且DX0,DY0，则，称为X与Y的相关系数.注：若记称为X的标准化，易知EX*=0，DX*=1.且2.相关系数的性质(1) ||￡1；(2) ||=1?常数a,b使P{Y=aX+b}=1；a﹥0时，＝1;a﹤0时, ＝－1(3) X与Y不相关?=0;注：若（X，Y）服从二维正态分布，则X与Y独立的充分必要条件是X与Y不相关。 三. 矩1. K阶原点矩=E(), k=1, 2, …而E()称为X的K阶绝对原点矩；2.K阶中心矩=,k=1,2, …而称为X的K阶绝对中心矩；3.K+L阶混合原点矩E(),k,L=0,1, 2, …；4. K+L阶混合中心矩E{[},k,L=0,1,2, …；四. 协方差矩阵1.定义:设，…,为n个r.v.,记=cov(,),i, j=1, 2, …, n. 则称由组成的矩阵为随机变量 ，…,的协方差矩阵C。即C=第四章练习题一、单项选择题1.随机变量X,Y的方差存在且不等于0，则D(X+Y)=D(X)+D(Y)是X,Y ( )(A)不相关的充分条件，但不是必要条件 (B)独立的充分条件，但不是必要条件(C)不相关的充分必要条件(D)独立的充分必要条件2.设随机变量X与Y相互独立,D(X)=5, D(Y)=2,则D(2XY+2) = ( )(A).12; (B).18; (C).20; (D).22.3．设随机变量X～N(0,1),Y=2X+1则Y服从 （ ）．（A）N(1,4) （B）N(0,1)（C）N(1,1) （D）N(1,2)．4．设随机变量X～N(1,σ2)，则D(X)满足 （ ）．（A）D(X)=E(X2)；（B）D(X)≥E(X2)；（C）D(X)＜E(X2)；（D）D(X)＞E(X2)．5．设X为随机变量且E(X)=μ，D(X)=σ2，则对任给常数C,有 （ ）．(A)E= E()-；(B)E= E((C)E＜E(； (D)E≥E(6.设随机变量X与Y相互独立,且它们分别在区间[-1,3]和[2,4]上服从均匀分布, 则E(XY)（ ）（A）1,