Chapter4—随机变量的数字特征

2019-08-12 本文已影响0人 crishawy

1. 数学期望

数学期望刻画了随机变量X的所有可能取值在概率意义下的平均值，实际上是均值的一种体现。

离散型随机变量的数学期望：

连续型随机变量的数学期望：

随机变量函数的数学期望:

数学期望的性质：

2. 方差

定义：反应随机变量与其数学期望的偏离程度

设 $X$ 是一个随机变量，如果 $E([X-E(X)])^{2}$ 存在，则称 $E([X-E(X)])^{2}$ 为 $X$ 的方差，记为 $D(X)$ ，即
$D(X)=E([X-E(X)])^{2}$ 称 $\sqrt{D(X)}$ 为 $X$ 的标准差。

性质：

重要分布的期望和方差：

其中，指数分布的概率密度函数为： $f(x)=\begin{cases}\frac{1}{\theta} e^{-\frac{1}{\theta} x}, &x>0\\ 0, &x\le0 \end{cases}$

3. 协方差

描述二维随机变量 $(X,Y)$ 之间的 $X$ 与 $Y$ 的关系。

协方差的定义：

协方差的计算式以及性质：

补：
$D(X\pm Y)=D(X)+D(Y)\pm 2Cov(X,Y)$ 推广到n维随机变量得到：
$D(\sum_{i=1}^{n}X_{i})=\sum_{i=1}^{n}D(X_{i})+2\sum_{1\le i<j \le n}Cov(X_{i},X_{j})$

4. 相关系数

相关系数的定义："标准化的协方差"

设 $(X,Y)$ 是二维随机变量，若 $D(X)>0,D(Y)>0$ ，称
$\rho_{XY}=\frac{Cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}$ 为 $X$ 和 $Y$ 的相关系数，当 $\rho_{XY}=0$ ，称随机变量 $X$ 与 $Y$ 不相关。
注意：当 $X$ 与 $Y$ 独立时， $X$ 与 $Y$ 不相关。因为：
$Cov(X,Y)=E(XY)-E(X)E(Y)=0$

等价定义：将随机变量标准化为
$X^{*}=\frac{X-E(X)}{\sqrt{D(X)}},Y^{*}=\frac{Y-E(Y)}{\sqrt{D(Y)}}$ 则， $\rho_{XY}=E(X^{*}Y^{*})=Cov(X^{*},Y^{*})$

相关系数的性质：

设 $\rho_{XY}$ 为随机变量 $(X,Y)$ 的相关系数，则有：
(1). $|\rho_{XY}|\le 1$ 。
(2). $|\rho_{XY}| = 1$ 的充要条件是 $X$ 与 $Y$ 依概率线性相关，即存在常数 $a(a\ne 0),b$ ，使 $P(Y=aX+b)=1$ 证明过程见《概率论与随机过程》P115

讨论：

当 $|\rho_{XY}| = 1$ 时， $X$ 与 $Y$ 存在线性相关的概率为1，不存在线性相关的概率为0.

当 $|\rho_{XY}| < 1$ 时，这种线性相关的概率随着 $\rho_{XY}$ 的降低而减小。

当 $|\rho_{XY}| = 0$ 时，它们之间不存在线性关系。

Chapter4—随机变量的数字特征

1. 数学期望

2. 方差

3. 协方差

4. 相关系数

5. 矩的概念

猜你喜欢

热点阅读