概率论重要公式复习课件.pptVIP

*************************************数学期望离散型随机变量离散型随机变量X的数学期望定义为：E(X)=∑x_i·P(X=x_i)其中求和是对X的所有可能取值进行的，要求上述级数绝对收敛。连续型随机变量连续型随机变量X的数学期望定义为：E(X)=∫_{-∞}^{+∞}x·f(x)dx其中f(x)是X的概率密度函数，要求上述积分绝对收敛。随机变量函数的期望若Y=g(X)是X的函数，则：离散情况：E(Y)=E(g(X))=∑g(x_i)·P(X=x_i)连续情况：E(Y)=E(g(X))=∫_{-∞}^{+∞}g(x)·f(x)dx数学期望（均值）是描述随机变量集中趋势的重要特征，它表示随机变量取值的平均水平。从物理意义上看，数学期望相当于随机变量概率分布的重心。并非所有随机变量都存在数学期望，例如柯西分布就没有有限的期望值。数学期望的性质数学期望具有以下重要性质：1.线性性：E(aX+bY)=aE(X)+bE(Y)，其中a、b为常数。这一性质对任意随机变量都成立，不要求X和Y独立。2.乘积期望：若X和Y相互独立，则E(XY)=E(X)·E(Y)。这一性质要求随机变量独立，否则可能不成立。3.常数性质：若X为常数c，则E(X)=c。4.可加性：E(X?+X?+...+X?)=E(X?)+E(X?)+...+E(X?)，这是线性性的推广。方差D(X)方差定义随机变量X的方差是X与其期望值差的平方的期望E[(X-E(X))2]定义式度量随机变量偏离期望值的程度E(X2)-[E(X)]2计算公式通常使用这一公式简化计算方差是描述随机变量分散程度的重要特征，它表示随机变量取值与期望的偏离程度。方差越大，表示随机变量的取值越分散，波动性越大；方差越小，表示取值越集中在期望附近。方差的平方根称为标准差，它与方差具有相同的含义，但单位与随机变量相同，便于直观理解。对于某些分布（如正态分布），标准差有特殊的概率意义。方差的性质非负性方差总是非负的：D(X)≥0。当且仅当X为常数（或以概率1为常数）时，D(X)=0。平移不变性常数加减不改变方差：D(X+c)=D(X)，其中c为常数。这表明随机变量整体平移不影响其分散程度。尺度变换方差的尺度变换：D(aX)=a2D(X)，其中a为常数。这表明随机变量尺度扩大a倍，其方差扩大a2倍。可加性若X和Y相互独立，则D(X+Y)=D(X)+D(Y)。这一性质可推广到任意有限个相互独立的随机变量。协方差定义随机变量X和Y的协方差定义为：Cov(X,Y)=E[(X-E(X))(Y-E(Y))]协方差可用以下公式计算：Cov(X,Y)=E(XY)-E(X)E(Y)性质协方差具有以下性质：对称性：Cov(X,Y)=Cov(Y,X)线性性：Cov(aX+b,cY+d)=ac·Cov(X,Y)，其中a,b,c,d为常数自协方差：Cov(X,X)=D(X)独立性：若X和Y独立，则Cov(X,Y)=0意义协方差反映两个随机变量的线性相关程度：Cov(X,Y)0：正相关，X增大，Y也倾向于增大Cov(X,Y)0：负相关，X增大，Y倾向于减小Cov(X,Y)=0：不相关，X和Y之间没有线性相关关系相关系数相关系数分布情况相关系数是标准化的协方差，用于度量两个随机变量之间线性相关的强度。随机变量X和Y的相关系数定义为：ρ_XY=Cov(X,Y)/(σ_X·σ_Y)=Cov(X,Y)/√(D(X)·D(Y))相关系数的取值范围是[-1,1]。|ρ_XY|=1表示完全线性相关；ρ_XY=0表示不相关；|ρ_XY|接近1表示强相关，接近0表示弱相关。相关系数为0的随机变量称为不相关，但不相关不等同于独立。只有在联合正态分布的情况下，不相关才等价于独立。矩原点矩随机变量X的k阶原点矩定义为：E(X^k),k=1,2,3,...一阶原点矩就是数学期望E(X)中心矩随机变量X的k阶中心矩定义为：E[(X-E(X))^k],k=1,2,3,...二阶中心矩就是方差D(X)高阶矩的应用三阶中心矩用于计算偏度系数，表示分布的偏斜程度四阶中心矩用于计算峰度系数，表示分布的尖峭程度矩是描述概率分布的重要数字特征。低阶矩（如一阶和二阶矩）描述分布的位置和分散度，高阶矩（如三阶和四阶矩）描述分布的形状特征。对于正态分布，其所有奇数阶中心矩均为0（分布对称），