Ch56随机变量的数字特征.pptxVIP

Ch5-6随机变量的数字特征概率论与数理统计·数学期望、方差、协方差、矩与特征函数

Contents目录概率论与数理统计中数字特征的核心框架与分析工具01数学期望：定义、性质与常见分布02方差：定义、性质与计算技巧03协方差与相关系数：变量间线性关系04矩与协方差矩阵：多维数字特征05特征函数：分布的分析工具

CHAPTER01数学期望：定义、性质与常见分布从离散型到连续型，系统掌握随机变量的集中趋势度量

PROBABILITYTHEORY数学期望的概念与定义数学期望（均值）是描述随机变量集中趋势的核心数字特征，由分布唯一确定。离散型通过概率加权求和定义，连续型通过概率密度加权积分定义，两者都要求绝对收敛才能保证期望存在。数字特征概述01由随机变量分布确定的常数，能刻画随机变量某一方面的特征，包括数学期望、方差、相关系数和矩等核心统计量，是概率论研究随机现象的重要工具。离散型期望02E(X)=Σx?p?，要求级数绝对收敛，即Σ|x?|p?∞，否则期望不存在。适用于取值可数的随机变量，如泊松分布、二项分布等。连续型期望03E(X)=∫xf(x)dx，要求积分绝对收敛，即∫|x|f(x)dx∞。适用于取值连续的随机变量，如正态分布、指数分布等。本质与意义04概率加权平均，反映随机变量取值的中心位置，是统计推断的基础量。大数定律表明样本均值依概率收敛于期望。