第二节 随机变量的方差与矩.pdfVIP

第二节 随机变量的方差与矩 数学期望反映了随机变量取值的平均水平, 是一个很重要的数字特征. 但在某些场合, 只知道数学期望还是不够的. 如设随机变量 XU (?1,1), YU (?1000,1000) . 易知 EX= EY, 但随机变量Y 取值的波动性明显大于 X , 而数学期望无法描述 X 与Y 的这种 差异性. 为此, 需引入随机变量的另一重要的数字特征, 即方差的概念. 一. 随机变量的方差与矩的定义 2 定义 1 设 X 为随机变量. 若 EX(? E()X)存在, 则称它为随机变量 X 的方差, 记为 2 DX(). 即 DX()=?E(X E()X) （4.2.1） 称 D(X )为随机变量 X 的标准差, 或均方差. 定义 2 设 X 为随机变量. 若 E (X k )存在（ k 为正整数）, 则称它为随机变量 X 的 k 阶矩, 记为 即 k （ ） μk . μk = E (X ) 4.2.2 由定义知, DX()描述了随机变量 X 与其期望 E(X )的偏离程度. DX()越小, 说明 X 取值越集中; 反之, DX()越大, X 取值越分散, 即 X 取值的波动性越大. D(X )同 样也描述了随机变量 X 取值的偏离程度, 但值得注意的是, D(X )与 DX()的量纲不同, 而与 X 有相同的量纲. 故在实际问题中多采用 D(X ). 若 为离散型随机变量 其分布律为 X , : PX{ ==xkk} p,k=1,2,L , 则由（4.1.3）式有： ∞ 2 （ ） DX()=?∑(xkE()X)pk 4.2.3 k =1 若 X 为连续型随机变量, 其概率密度为 f ( x) , 则由（4.1.3）式有： ∞ 2 D()Xx=?()E()Xf(x)dx （4.2.4） ∫?∞ 无论 X 为离散型还是连续型随机变量, 通常采用下式计算方差： 2 D()XE=?()X2 (E()X). （4.2.5） 可见, 随机变量的二阶矩减去其一阶矩（数学期望）的平方, 就是该随机变量的方差. 利用 数学期望的性质可给出（4.2.5）式的证明. 即： 22 DX()