(完整)第四章随机变量的数字特征总结,推荐文档.docxVIP

随机变量的数字特征——总结 第四章 随机变量的数字特征 ㈠ 数学期望 表征随机变量取值的平均水平、 “中心”位置或“集中”位置． 1、数学期望的定义 (1) 定义 离散型和连续型随机变量 X 的数学期望 定义为 xk P X xk ( 离散型 ) ， k EX xf ( x)dx ( 连续型 ) ， 其中 Σ 表示对 X 的一切可能值求和．对于离散型变量，若可能值个数无限，则要求级数绝对收敛；对于连续型变量，要求定义中的积分绝对收敛；否则认为数学期望不存在． ①常见的离散型随机变量的数学期望 1、离散型随机变量的数学期望 设离散型随机变量 的概率分布为 ，若 ，则称级数 为随 机变量 的数学期望（或称为均值） ，记为 , 即 2、两点分布的数学期望 设 服 从 0—1 分 布，则 有 ， 根据定 义 ， 的 数学期 望为 . 3、二项分布的数学期望 设 服从以 为参数的二项分布， ，则 。 4、泊松分布的数学期望 设随机变量 服从参数为 的泊松分布，即 ，从而有 。 ①常见的连续型随机变量的数学期望 )均匀分布 设随机变量 ξ服从均匀分布， ξ～U[ a， b] (ab),它的概率密度函数为 : = 则 = ∴ E(ξ)=(a+b )/2． 即数学期望位于区间的中点． - 1 - 随机变量的数字特征——总结 2)正态分布 设随机变量 ξ服从正态分布， ξ～ N( μ,2σ)，它的概率密度函数为 : ( σ0， - μ + ) 则 令 得 E(ξ)=μ . 3)指数分布 设随机变量 服从参数为 的指数分布， 的密度函数为 ，则 . (2) 随机变量的函数的数学期望 设 y g( x) 为连续函数或分段连续函数，而 X 是任一随机变 量，则随机变量 Y g( X ) 的数学期望可以通过随机变量 X 的概率分布直接来求，而不必先求出 Y 的概 率分布再求其数学期望；对于二元函数 Z g( X ,Y ) ，有类似的公式： g x k P X xk ( 离散型 ) ； k E Y E g ( X ) g ( x ) f ( x )dx （连续型） ． － g x i , y j P X xi , Y y j 离散型 ； i j E Z E g X ,Y g x , y f x, y d xdy 连续型 ． 设 ( X ,Y) 为二维离散型随机变量，其联合概率函数 P( X ai ,Y bj ) pij , i , j 1,2,L , g( ai ,bj ) pij 如果级数 j i 绝对收敛，则 ( X ,Y ) 的函数 g ( X, Y) 的数学期望为 E[ g( X , Y)] g (ai ,bj ) pij E( X ) ai pij ; E(Y ) bj pij ji ； 特别地 ii ji. 设 X 为连续型随机变量，其概率密度为 f ( x) ，如果广义积分 g(x) f ( x)dx 绝对收敛， 则 X 的函数 g ( X ) 的数学期望为 E[ g ( X )] g ( x) f ( x)dx ． - 2 - 随机变量的数字特征——总结 ( X ,Y) 为 二维 连续 型随机变 量， 其联 合概 率密度为 f ( x, y) ， 如果广义积 分 g( x, y) f ( x, y)dxdy 绝对收敛，则 ( X ,Y) 的函数 g( X ,Y ) 的数学期望为 E[ g(x, y)] g (x, y) f ( x, y)dxdy ； 特别地 E( x) xf ( x, y) dxdy E(Y ) yf (x, y)dxdy , . 注：求 E(X,Y) 是无意义的，比如说二维（身高，胖瘦）的数学期望是无意义的，但是二维随机变量函数 Z= E(X,Y) 是有意义的，他表示的是函数下的另一个一维意义。 2、数学期望的性质 (1) 对于任意常数 c，有 Ec c ． 例 E[E(X)]=E(X) (2) 对于任意常数 ，有 E X EX ．例： E(aX+b)=aE(X)+b (3) 对于任意 X 1, X 2 , , X m ，有 E X1 X 2 X m EX 1 EX 2 EX m ． (4) 如果 X 1 , X 2 , , X m 相互独立，则 E X 1 X 2 X m EX 1EX 2 EX m ． (注：相互独立 有后面的结论成立，但这是单向性的，即不能有结论推出独立 ) ㈡ 方差和标准差 表征随机变量取值分散或集中程度的数字特征． 1、方差的定义 称 DX E( X EX )2 EX 2 (EX )2 为随机变量 X 的方差， 称 DX 为随机变量 X 的标准差 ．随机变量 X 的方差有如下计算公式： k xk EX 2 P X xk (离