概率论与数理统计章末总结4..doc

第四章 随机变量的数字特征 数学期望的概率背景就是随机变量的随机取值 方差的概率背景就是随机变量取值的分散程度 协方差的概率背景就是随机变量之间的关联程度 相关系数的概率背景就是随机变量之间线性关系紧密程度 §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 1.设离散型随机变量的概率分布为. 若收敛，则随机变量的数学期望 若不收敛，则称随机变量的数学期望不存在 常见离散型随机变量分布的数学期望 两点分布 二项分布 设为个独立同分布的两点分布的随机变量，则有 利用数学期望的性质有 即 泊松分布 超几何分布 几何分布 设二维离散型随机变量的联合分布律为，则 §4.1.2连续型随机变量的数学期望 1.设连续型随机变量的概率密度为 若收敛，则随机变量的数学期望 若不收敛，则称随机变量的数学期望不存在 常见连续型随机变量分布的数学期望 均匀分布 指数分布 正态分布 对于标准正态分布， 对于正态分布，令则有 利用数学期望的性质有 设二维连续型随机变量的联合密度函数为，则 §4.1.3随机变量函数的数学期望 设为随机变量的连续函数 如果是离散型随机变量，概率分布为 若级数收敛，则的数学期望为 如果是连续型随机变量，概率密度为 若积分收敛，则的数学期望为 设是随机变量的连续函数 如果二维离散型随机变量联合分布律为 若绝对收敛，则的数学期望为 如果二维连续型随机变量联合概率密度为 若绝对收敛，则 §4.1.4数学期望的性质 若，则存在，且.对于常数，有 设是两个随机变量，与存在，则对任意实数有 推广：设是个随机变量，则对任意实数有 设是两个相互独立的随机变量，则 注意：如果，不一定是相互独立的随机变量 设是个相互独立的随机变量，则 §4.2随机变量的方差 设是一个随机变量，若存在，则的方差为 §4.2.1离散型随机变量的方差 设离散型随机变量的概率分布为. 则随机变量的方差为 常见离散型随机变量分布的方差 两点分布 二项分布 泊松分布 超几何分布 几何分布 设二维离散型随机变量的联合分布律为 则 §4.2.2连续型随机变量的方差 1.设连续型随机变量的概率密度为 则随机变量的方差 2.常见连续型随机变量分布的方差 （1）均匀分布 （2）指数分布 ， （3）正态分布 对于标准正态分布， ， 对于正态分布，令则有 利用方差的性质有 3.设二维连续型随机变量的联合密度函数为，则 §4.2.3方差的性质 对于常数，有 设是一个随机变量，是常数，则 设是两个随机变量，则 如果是两个相互独立的随机变量，则 推广：设是个相互独立的随机变量，则 设是一个随机变量，是常数,则 §4.2.4契比雪夫不等式 设随机变量具有数学期望，方差，则对于任意常数，都有 由契比雪夫不等式可知：的充要条件是 若，则有，即 若，则，从而有 注意：并不说明，但是的概率为1 §4.3协方差与相关系数 §4.3.1协方差 设是二维随机变量，若存在，则随机变量和的协方差 为 协方差的性质： §4.3.2相关系数 设是二维随机变量，且，则随机变量和的相关系数为 相关系数的性质： 若与相互独立，则和相关系数 注意：和相关系数，说明之间没有线性关系，但不一定独立 的充要条件是存在常数，使得，即与之间几乎处处有线性关系. §4.4矩与分位数 §4.4.1矩 设是二维随机变量. 如果存在，则称为的阶原点矩 如果存在，则称为的阶中心矩 如果存在，则称为和的阶混合矩 如果存在，则称 为和的阶混合中心矩 设维随机变量的二阶混合中心矩 都存在，则矩阵 称为维随机变量的协方差矩阵. 协方差矩阵的性质 协方差矩阵是一个对称矩阵，即 协方差矩阵是一个非负定矩阵，即 §4.4.2分位数 设连续型随机变量，其概率密度为，若实数满足 ，则称为的分位数. 当时，则称为的中位数，表示概率分布的中心位置 §4.5条件数学期望