概率统计与矩阵分析定义.pdfVIP

概率论与数理统计 随机变量的分布 分布函数 F(X) ：F(x) 表示随机变量 X 落在区间 (－∞， x] 上的概率。 随机变量：离散型、非离散型（连续型、奇异型） 离散型随机变量分布： 0 －1 分布、二项分布、泊松分布 连续型随机变量分布：均匀分布 (uniform distribution) 、正态分布（高斯分布 normal or Gaussian distribution ）、指数分布 (exponential distribution) 正态分布 指数分布 2 X ~ N ( , ) ，X 的分布密度函数 X ~ E( ) ，X 的分布密度函数 2 (t ) e x x 0 1 2 f (x) e 2 x f ( x) 2 0 x 0 X 的分布函数 x F (x) f (t )dt 随机变量的数字特征 数学期望（平均值） （反映统计变量自身特征） n E( X ) xk pk xf (x )dx k 1 数学期望的性质 E(C ) C E(CX ) CE (X ) E( X Y ) E( X ) E(Y ) E( XY ) E(X ) E (Y ) （X 、Y 相互独立） 方差（ variance ）（反映统计变量自身特征） 2 2 2 D( X ) Var (X ) E{[ X E(X )] } E( X ) [ E( X )] 标准差（均方差） ( X ) D( X ) 方差的性质 D(C ) 0 2 D(CX ) C D (X ) D( X Y ) D ( X ) D(Y ) 2E{[ X E( X )][ Y E(Y )]} 协方差（ convariance ）和相关系数（反应统计变量之间的关系） Cov( X ,Y ) E{[ X E( X )][ Y E(Y )]} E (XY ) E(X ) E(Y ) 协方差的性质 Cov( X ,Y ) Cov(Y , X ) Cov( aX , bY) abCov (X ,Y ) Cov( X 1 X 2,Y ) Cov (X 1,Y ) Cov ( X 2,Y ) 2 2 2 [ E( XY )] E( X ) E(Y ) （柯西施瓦兹不等式） 协方差与 X ，Y 量纲有关，为更好地反映随机变量 X ，Y 之间的关系，引入相关系数 X E( X ) Y E(Y ) X 1 ， Y 1 D (X ) D(Y ) Cov( X ,Y ) (X ,Y ) Cov(X 1,Y1) E (X 1Y1)