杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
在职研究生数学(一)考前辅导第十二章 概率论第 29 节 / 共 32 节约 35 分钟报名学员看全文

随机变量的数字特征

讲随机变量的数学期望、方差、标准差及其性质,随机变量函数的数学期望,矩、协方差、相关系数及其性质,以及常用分布的数字特征。

本节考点:数学期望方差与标准差随机变量函数的数学期望协方差与相关系数常用分布的数字特征

本节导读

本节对应「随机变量的数字特征」的考试内容:「随机变量的数学期望(均值)、方差、标准差及其性质」「随机变量函数的数学期望」「矩、协方差、相关系数及其性质」。考试要求原文:

  1. 理解随机变量数字特征(数学期望、方差、标准差、矩、协方差、相关系数)的概念,会运用数字特征的基本性质,并掌握常用分布的数字特征。
  2. 会求随机变量函数的数学期望。

本课记号:E(X)E(X)E(X) 是数学期望,D(X)D(X)D(X) 是方差,Cov(X,Y)\mathrm{Cov}(X, Y)Cov(X,Y) 是协方差,ρXY\rho_{XY}ρXY​ 是相关系数。数字特征的计算要用到上两节的各种分布,可以和它们结合起来出题。学完本节,你应该熟记常用分布的期望和方差,会用性质化简计算,并会计算协方差和相关系数。

数学期望

  • 离散型:E(X)=∑kxkpkE(X) = \sum\limits_k x_kp_kE(X)=k∑​xk​pk​(级数绝对收敛时);连续型:E(X)=∫−∞+∞xf(x) dxE(X) = \int_{-\infty}^{+\infty} xf(x)\,dxE(X)=∫−∞+∞​xf(x)dx(积分绝对收敛时)。
  • 随机变量函数的期望:E[g(X)]=∑kg(xk)pkE[g(X)] = \sum\limits_k g(x_k)p_kE[g(X)]=k∑​g(xk​)pk​ 或 ∫−∞+∞g(x)f(x) dx\int_{-\infty}^{+\infty} g(x)f(x)\,dx∫−∞+∞​g(x)f(x)dx,不必先求 g(X)g(X)g(X) 的分布;二维时 E[g(X,Y)]=∬g(x,y)f(x,y) dx dyE[g(X, Y)] = \iint g(x, y)f(x, y)\,dx\,dyE[g(X,Y)]=∬g(x,y)f(x,y)dxdy。
  • 性质:E(C)=CE(C) = CE(C)=C;E(aX+b)=aE(X)+bE(aX + b) = aE(X) + bE(aX+b)=aE(X)+b;E(X+Y)=E(X)+E(Y)E(X + Y) = E(X) + E(Y)E(X+Y)=E(X)+E(Y);XXX,YYY 独立时 E(XY)=E(X)E(Y)E(XY) = E(X)E(Y)E(XY)=E(X)E(Y)。

方差与矩

D(X)=E[(X−E(X))2]=E(X2)−[E(X)]2D(X) = E\left[(X - E(X))^2\right] = E\left(X^2\right) - \left[E(X)\right]^2D(X)=E[(X−E(X))2]=E(X2)−[E(X)]2,标准差为 D(X)\sqrt{D(X)}D(X)​。

  • 性质:D(C)=0D(C) = 0D(C)=0;D(aX+b)=a2D(X)D(aX + b) = a^2D(X)D(aX+b)=a2D(X);D(X±Y)=D(X)+D(Y)±2Cov(X,Y)D(X \pm Y) = D(X) + D(Y) \pm 2\mathrm{Cov}(X, Y)D(X±Y)=D(X)+D(Y)±2Cov(X,Y),XXX,YYY 独立(或不相关)时 D(X±Y)=D(X)+D(Y)D(X \pm Y) = D(X) + D(Y)D(X±Y)=D(X)+D(Y)。
  • 由 E(X2)=D(X)+[E(X)]2E\left(X^2\right) = D(X) + \left[E(X)\right]^2E(X2)=D(X)+[E(X)]2 可以反求二阶矩,这是计算题里最常用的一步。
  • 矩:E(Xk)E\left(X^k\right)E(Xk) 叫 kkk 阶原点矩,E[(X−E(X))k]E\left[(X - E(X))^k\right]E[(X−E(X))k] 叫 kkk 阶中心矩;期望是一阶原点矩,方差是二阶中心矩。

协方差与相关系数

Cov(X,Y)=E[(X−E(X))(Y−E(Y))]=E(XY)−E(X)E(Y)\mathrm{Cov}(X, Y) = E\left[(X - E(X))(Y - E(Y))\right] = E(XY) - E(X)E(Y)Cov(X,Y)=E[(X−E(X))(Y−E(Y))]=E(XY)−E(X)E(Y)。性质:Cov(X,X)=D(X)\mathrm{Cov}(X, X) = D(X)Cov(X,X)=D(X);Cov(aX,bY)=ab Cov(X,Y)\mathrm{Cov}(aX, bY) = ab\,\mathrm{Cov}(X, Y)Cov(aX,bY)=abCov(X,Y);Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)\mathrm{Cov}(X_1 + X_2, Y) = \mathrm{Cov}(X_1, Y) + \mathrm{Cov}(X_2, Y)Cov(X1​+X2​,Y)=Cov(X1​,Y)+Cov(X2​,Y)。

相关系数 ρXY=Cov(X,Y)D(X)D(Y)\rho_{XY} = \dfrac{\mathrm{Cov}(X, Y)}{\sqrt{D(X)}\sqrt{D(Y)}}ρXY​=D(X)​D(Y)​Cov(X,Y)​,∣ρXY∣≤1\lvert \rho_{XY} \rvert \le 1∣ρXY​∣≤1;∣ρXY∣=1⇔\lvert \rho_{XY} \rvert = 1 \Leftrightarrow∣ρXY​∣=1⇔ 存在常数 a≠0a \ne 0a=0,bbb 使 P{Y=aX+b}=1P\{Y = aX + b\} = 1P{Y=aX+b}=1。ρXY=0\rho_{XY} = 0ρXY​=0 称不相关,它只说明 XXX,YYY 之间没有线性关系。

常用分布的数字特征

分布期望方差
0-1 分布pppp(1−p)p(1 - p)p(1−p)
二项分布 B(n,p)B(n, p)B(n,p)npnpnpnp(1−p)np(1 - p)np(1−p)
泊松分布 P(λ)P(\lambda)P(λ)λ\lambdaλλ\lambdaλ
几何分布1p\dfrac{1}{p}p1​1−pp2\dfrac{1 - p}{p^2}p21−p​
均匀分布 U(a,b)U(a, b)U(a,b)a+b2\dfrac{a + b}{2}2a+b​(b−a)212\dfrac{(b - a)^2}{12}12(b−a)2​
指数分布 E(λ)E(\lambda)E(λ)1λ\dfrac{1}{\lambda}λ1​1λ2\dfrac{1}{\lambda^2}λ21​
正态分布 N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)μ\muμσ2\sigma^2σ2

超几何分布(NNN 件中有 MMM 件次品,取 nnn 件)的期望为 nMN\dfrac{nM}{N}NnM​。

本节后面还有约 1766 字:报名学员看全文

每门课前 10 节免费看全文;从第 11 节起,完整教程要报名后由顾问在后台为你的账号开通才能看。

题库账号可以直接登录,但第 11 节起的完整教程要报名后由后台开通才能看。

学完练一练

按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。第 11 节起的课后练习报名学员才能练。

本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。

我要提问免费报名咨询