一、期望

1.离散随机变量的X的数学期望:

E(X)=k=1xkpkE(X)=∑k=1∞xkpk

p1

2.连续型随机变量X的数学期望:

E(X)=+xf(x)dxE(X)=∫−∞+∞xf(x)dx

p2
p3
p4

3.常见分布的期望

1)泊松分布的期望等于λλ
2)均匀分布的期望位于区间的中心;
3) 高斯分布的期望为μμ
4)二项分布的期望为npnp

4.期望的性质

常数的期望等于该常数;
E(CX)=CE(X)E(CX)=CE(X);
E(X+Y)=E(X)+E(Y)E(X+Y)=E(X)+E(Y);
X,YX,Y独立时,E(XY)=E(X)E(Y)E(XY)=E(X)E(Y)



二、 方差

研究随机变量与其均值的偏离程度,记为:

D(X)=E[XE(X)]2D(X)=E[X−E(X)]2

1.均方差,标准差

σ(X)=E[XE(X)]2σ(X)=E[X−E(X)]2

2.方差的计算

E[XE(X)]2E[X−E(X)]2看做函数g(X)g(X), 方差相当于求g(X)g(X)的期望。
对于离散的:

D(X)=k=1[xkE(X)]2pkD(X)=∑k=1∞[xk−E(X)]2pk

对于连续的:

D(X)=+[xkE(X)]2f(x)dxD(X)=∫−∞+∞[xk−E(X)]2f(x)dx

实际中常用下面公式计算:

D(X)=E(X2)+[E(X)]2D(X)=E(X2)+[E(X)]2

3.常见分布的方差

1)高斯分布的方差σ2σ2
2) 0-1分布的方差为D(X)=p(1p)D(X)=p(1−p)
3) 泊松分布的方差为λλ
4) 均匀分布的方差为(ba)212(b−a)212
5)指数分布f(x)=1θex/θf(x)=1θe−x/θ的方差为 θ2θ2

4. 性质

p5



三、协方差

描述两个变量的相关性

Cov=E[XE(X)][YE(Y)]Cov=E[X−E(X)][Y−E(Y)]

相关系数

ρXY=Cov(X,Y)D(X)D(Y)ρXY=Cov(X,Y)D(X)D(Y)

ρXY=0ρXY=0, 两个变量不相关
p6
p7



四、协方差矩阵

p8
推广到多维:
p9
对于连续的情况:
p0

例子:
可以参考下面的博客:
详解协方差与协方差矩阵:https://blog.csdn.net/ybdesire/article/details/6270328


参考: 概率论与数理统计 浙大

版权声明:本文为siucaan原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://www.cnblogs.com/siucaan/p/9623171.html