概率论课件-随机变量的数字特征.pptVIP

4.2.2 数学期望、方差与协方差的运算性质 期望的运算性质主要是其线性性，方差的主要性质是当随机变量两两不相关时的可加性。利用这些性质可以简化求解期望和方差的过程。 数学期望的运算性质 性质1 任意常数c的数学期望等于这个常数，即E(c)=c 证 将常数c看成一个离散随机变量，它服从单点分布， 即X=c(X不取其他值)，且P(X=c)=1， 由定义得 E(c)=E(X)=c?P(X=c)=c?1=c 该性质直观地表明，如果每次随机试验的结果都是 c，其均值必然为c。 性质2 (数学期望的线性性) 设随机变量X，Y的数学期望都存在，a，b为常数，则 E(aX+bY)=aE(X)+bE(Y) 证 以连续随机变量为例，设(X,Y)的联合概率密度函数为fX,Y(x,y)，由于X，Y的数学期望都存在，所以 性质2的推广： 若随机变量的函数f(X)，g(Y)的数学期望Ef(X)，Eg(Y)存在，则f(X)+g(Y)的数学期望也存在，且有 性质4 设随机变量X与Y相互独立，且X和Y的数学期望存在，则 E(XY)=E(X)·E(Y) 前面已证明过。 由于X与Y相互独立，Cov(X,Y)=E(XY)-E(X)E(Y)=0，从而r(X,Y)=0，即X与Y不相关。 注意： 独立性条件 不相关；一般情况下，不相关 独立；只有正态分布的随机变量独立与不相关等价。 可将性质2与性质4推广到n个随机变量X1, X2, …, Xn的情况： E(c1X1+c2X2+…+cnXn )=c1EX1+c2EX2+…+cnEXn 若X1, X2, …, Xn 相互独立，则 E(X1 X2 … Xn )= EX1EX2 …EXn 例4.2.3 设X～B(n,p)，利用数学期望的线性性质求E(X)。 解 由于X与n重伯努利试验中“成功”的次数同分布(设每次成功的概率为p)，若Xi为“第i次试验成功的次数”，则 则P(Xi=1)=p, P(Xi=0)=1-p , 故E(Xi)=1?p+0?(1-p)=p (i=1,2,…,n)，而n次试验中成功的次数X=X1+X2+…+Xn，由数学期望的线性性有 E(X)=E(X1+X2+…+Xn)=E(X1)+E(X2)+…+E(Xn)=np 由此可知，当随机变量服从参数为n,p的二项分布时，其数学期望为二项分布的期望，即X～B(n,p)，E(X)=np。 例 超几何分布的期望 解 设有一个不放回的相应抽样，令 X表示n次抽样抽出的废品数， X服从超几何分布。 (2) 方差的运算性质 性质1 Var(c)=0 (c是任意常数)。 证 由于E(c)=c，所以Var(c)=E(c-E(c))2=E(c-c)2=0 (D(X)=0的充分必要条件是：X以概率1取常数c；即P(X=c)=1) 性质2 设随机变量X与Y相互独立, 且X与Y的方差都存在， a， b 是任意常数，则 Var(aX±bY)=a2Va r(X)+b2Var(Y) 证 由X与Y相互独立知，Cov(X,Y)=0，故 Var(aX±bY)=E(((aX±bY)-E(aX±bY))2) = E((a(X-E(X))±b(Y-E(Y)))2) =E(a2(X-E(X))2 +b2(Y-E(Y)2)±2ab(X-E(X))(Y-E(Y))) =a2Var(X)+b2Var(Y)±2abCov(X,Y)=a2Var(X)+b2Var(Y) 性质2可推广到如下情形： 若X1, X2, …, Xn 相互独立，则 一般非独立情况下，对n个随机变量X1, X2, …, Xn，有 例4.2.4 设X~B(n,p)，试求Var(X)。 解 因为P(Xi=1)=p, P(Xi=0)=1-p , E(Xi)=1?p+0?(1-p)=p， Var(Xi)= E(X2i)–(E(Xi))2=p-p2=p(1-p)，i=1,2,…,n X1, X2, …, Xn相互独立，且 X=X1+X2+…+Xn， 由方差的性质有 Var(X)=Var(X1+X2+…+Xn)