一、数学期望

1.离散型随机变量的数学期望

设X为离散随机变量,其概率分布为:P(X=xk)=pk

若无穷级数$\sum_{k=1}^{+\infty}x_kp_k$绝对收敛

(即满足$\sum_{k=1}^{+\infty}|x_kp_k|$收敛)

则称其为X的数学期望,记作$E(X)=\sum_{k=1}^{+\infty}x_kp_k$

二项分布,X~B(n,p),E(X)=np

泊松分布,X~P(λ),E(X)=λ

超几何分布,X~H(N,M,n),E(X)=nM/N

几何分布,X~GE(p),E(X)=1/p

2.连续型随机变量的数学期望

设连续型随机变量X的概率密度为f(x)

若广义积分$\int_{-\infty}^{+\infty}xf(x)dx$绝对收敛

则称此积分为X的数学期望

$E(X)=\int_{-\infty}^{+\infty}xf(x)dx$

均匀分布,X~U[a,b],E(X)=(a+b)/2

指数分布,X~E(λ),E(X)=1/λ

正态分布,X~N(μ,σ2),E(X)=μ

卡方分布,X~Γ(α,β),E(X)=α/β

3.随机变量函数Y的数学期望

Y=g(X)

离散型,$E(Y)=\sum_{i=1}^{+\infty}g(x_i)p_i$

连续型,$E(Y)=\int_{-\infty}^{+\infty}g(x)f(x)$

Z=φ(X1,...,Xn)

$E(Z)=\int_{-\infty}^{+infty}...\int_{-\infty}^{+\infty}\varphi(x_1,x_2,...,x_n)f(x_1,x_2,...,x_n)dx_1dx_2...dx_n$

4.数学期望的性质

设a,ai,C为常数

(1)E(C)=C

(2)E(aX)=aE(X)

(3)E(X+Y)=E(X)+E(Y)

(4)X,Y独立->E(XY)=E(X)E(Y)

逆命题不成立,可推广到n个独立随机变量

(5)若存在数a使得P(X≥a)=1,则E(X)≥a

(6)[E(XY)]2≤E(X2)(Y2),许瓦尔兹不等式

二、方差

1.方差的定义

若E[X-E(X)]2存在,则称其随机变量X的方差,记为D(X)或Var(X),即:

D(X)=E[X-E(X)]2

称$σ=\sqrt{D(X)}$为X的均方差或标准差

【方差描述随机变量 X 的取值偏离其平均水平的平均偏离程度,从而刻划了X 可能取值的分散程度】

2.

离散型随机变量的方差:$D(X)=\sum_{k=1}^{+\infty}(x-E(X))^2p_k$

连续型随机变量的方差:$D(X)=\int_{-\infty}^{+\infty}(x-E(X))^2f(x)dx$

计算方差常用公式:D(X)=E(X2)-E2(X)

证:D(X)=E[(X-EX)2]=E[X2-2XEX+(EX)2]=E(X2)-E(2XEX)+E[(EX)2]=E(X2)-2(EX)2+(EX)2=E(X2)-(EX)2

0-1分布,D(X)=pq

二项分布,D(X)=npq

泊松分布,D(X)=λ

几何分布,D(X)=q/p2

均匀分布,D(X)=(b-a)2/12

指数分布,D(X)=1/λ2

正态分布,D(X)=σ2

Γ分布,D(X)=α/β2

3.方差的性质:

(1)D(C)=0

(2)D(aX)=a2D(X)

D(aX+b)=a2D(X)

(3)D(X±Y)=D(X)+D(Y)±2E((X-E(X))(Y-E(Y))

特别地,若X,Y相互独立,则D(X+Y)=D(X)+D(Y),反之不成立

(4)若X1,...,Xn相互独立,a1,a2,...,an,b为常数

则$D\left(\sum_{i=1}^{n}a_iX_i+b\right)=\sum_{i=1}^{n}a_i^2D(X_i)$

(5)对任意常数C,D(X)≤E(X-C)2,当且仅当C=E(X)时,等号成立

(6)D(X)=0 <==> P(X=E(X))=1

即X服从单点分布

切尔雪夫不等式:对随机变量X,设E(X),D(X)存在,则对任意ε>0:

P{|X-E(X)|≥ε}≤$\frac{D(X)}{\varepsilon^2}$

注:

(1)不是所有的随机变量都有数学期望和方差

(2)数学期望和方差不能确定分布

(3)已知分布类型,数学期望和方差的情况下,可完全确定分布

4.偏度系数,峰度系数,分位数,中位数,变异系数

设随机变量X,a和p(0<p<1),若下式成立

P(X≤a)≥p≥P(X<a)

则称a为X的p分位数,记为xp=a

0.5分位数又称为X的中位数,记位med(X)

p分位数一定存在,但不唯一

当X为连续随机变量时,p分位数通常存在且唯一,可(重新)定义分位数如下:

设连续随机变量X的概率分布密度为f(x),0<p<1.若xp使得

P(X≤xp)=p

即$\int_{-\infty}^{x_p}f(x)dx=p$

则称xp为X的p分位数,该分位数又称下侧分位数(左)

上侧分位数(右):

若xα使得P(X>xα)=α

即$\int_{x_\alpha}^{+\infty}f(x)dx=\alpha$

三、协方差与相关系数

1.协方差的定义

对二维随机变量(X,Y),若E([X-E(X)][Y-E(Y)])存在,称其为二维随机变量(X,Y)的协方差,记为

cov(X,Y)=E((X-E(X)(Y-E(Y)))

2.协方差的性质

(1)cov(X,Y)=cov(Y,X)=E(XY)-E(X)E(Y)

(2)cov(X,X)=D(X)

(3)cov(a1X+b1,a2Y+b2)=a1a2cov(X,Y),其中a1,b1,a2,b2为常数

(4)cov(X+Y,Z)=cov(X,Z)+cov(Y,Z)

(5)D(X±Y)=D(X)+D(Y)±2cov(X,Y)

(6)|cov(X,Y)|2≤D(X)D(Y)

3.随机变量的标准化

设随机变量X的期望E(X)、方差D(X)都存在,且D(X)≠0,则称

$X*=\frac{X-E(X)}{\sqrt{D(X)}}$

为X的标准化随机变量.易见,

E(X*)=0,D(X*)=1

4.相关系数的定义

对二维随机变量(X ,Y),若其协方差存在,且D(X)>0,D(Y)>0,则称

$E\left(\frac{(X-E(X))(Y-E(Y))}{\sqrt{D(X)}\sqrt{D(Y)}}\right)=\frac{cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}$

为X,Y的相关系数,记为ρXY=cov(X*,Y*)

若ρXY=0,则称X,Y(线性)不相关<==>cov(X,Y)=0<==>E(XY)=E(X)E(Y)<==>D(X±Y)=D(X)+D(Y)

(注:独立一定不相关,不相关不一定独立。若(X,Y)服从二维正态分布,则等价)

若ρXY=1,则X,Y有线性相关的概率为1<==>存在常数a,b,且a≠0,使得P(Y=aX+b)=1

5.协方差矩阵

$$
\left[
\begin{matrix}
   D(X) & cov(X,Y) \\
   cov(Y,X) & D(Y)
  \end{matrix}
  \right]
$$

为二维随机变量(X,Y)的协方差矩阵

n维随机变量的协方差矩阵

设n维随机变量(X1,X2,...,Xn),记σij=cov(Xi,Xj),若σij都存在,则称

$$
\left[
\begin{matrix}
   \sigma_{11} & \sigma_{12} & \cdots & \sigma_{1n} \\
   \sigma_{21} & \sigma_{22} & \cdots & \sigma_{2n} \\
   \vdots & \vdots & \ddots & \vdots \\
   \sigma_{n1} & \sigma_{n2} & \cdots & \sigma_{nn} \\
\end{matrix}
\right]
$$

为(X1,X2,...,Xn)的协方差矩阵

性质:(1)对称非负定(2)σii=DXi(3)$\sigma_{ij}^2<\sigma_{ii}\sigma_{jj}$

【博客园使用latex块级元素,无行距】

Lecture5_1&5_2.随机变量的数字特征(数学期望、方差、协方差)的更多相关文章

  1. R语言结合概率统计的体系分析---数字特征

    现在有一个人,如何对这个人怎么识别这个人?那么就对其存在的特征进行提取,比如,提取其身高,其相貌,其年龄,分析这些特征,从而确定了,这个人就是这个人,我们绝不会认错. 同理,对数据进行分析,也是提取出 ...

  2. 【HDU4652】Dice(数学期望,动态规划)

    [HDU4652]Dice(数学期望,动态规划) 题面 Vjudge 有一个\(m\)面骰子 询问,连续出现\(n\)个相同的时候停止的期望 连续出现\(n\)个不同的时候停止的期望 题解 考虑两种分 ...

  3. k阶原点距和k阶中心距各是说明什么数字特征

    k阶原点距和k阶中心距各是说明什么数字特征 二阶中心距,也叫作方差,它告诉我们一个随机变量在它均值附近波动的大小,方差越大,波动性越大.方差也相当于机械运动中以重心为转轴的转动惯量.(The mome ...

  4. 【区间dp+组合数+数学期望】Expression

    https://www.bnuoj.com/v3/contest_show.php?cid=9148#problem/I [题意] 给定n个操作数和n-1个操作符,组成一个数学式子.每次可以选择两个相 ...

  5. [BZOJ 3143][HNOI2013]游走(数学期望)

    题目:http://www.lydsy.com:808/JudgeOnline/problem.php?id=3143 分析: 易得如果知道了每条边经过的数学期望,那就可以贪心着按每条边的期望的大小赋 ...

  6. Codeforces Round #259 (Div. 2) C - Little Pony and Expected Maximum (数学期望)

    题目链接 题意 : 一个m面的骰子,掷n次,问得到最大值的期望. 思路 : 数学期望,离散时的公式是E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn) p(xi)的是 ...

  7. 数学期望和概率DP题目泛做(为了对应AD的课件)

    题1: Uva 1636 Headshot 题目大意: 给出一个000111序列,注意实际上是环状的.问是0出现的概率大,还是当前是0,下一个还是0的概率大. 问题比较简单,注意比较大小: A/C & ...

  8. [2013山东ACM]省赛 The number of steps (可能DP,数学期望)

    The number of steps nid=24#time" style="padding-bottom:0px; margin:0px; padding-left:0px; ...

  9. 【BZOJ2134】单位错选(数学期望,动态规划)

    [BZOJ2134]单位错选(数学期望,动态规划) 题面 BZOJ 题解 单独考虑相邻的两道题目的概率就好了 没了呀.. #include<iostream> #include<cs ...

随机推荐

  1. 深入浅出UE4网络

    UE4中的官方文档结构比较混乱,且有部分错误,不方便学习.笔者试图通过本文,整理出一篇关于UE4网络的文章,方便朋友们对UE4中的网络同步部分的认识,并有进一步理解.如有讲得不清楚明白的地方,还望批评 ...

  2. YYS FZU - 2278 (期望)JAVA

    题目链接: G - YYS FZU - 2278 题目大意: 我们现在想要收集到n个卡片,现在已知抽到每种卡片的概率为1/n,现在每隔(n-1)!天就可以进行一次抽奖,问收集齐所有卡片的期望天数. 具 ...

  3. 人体姿势识别,Convolutional pose machines文献阅读笔记。

    开源实现 https://github.com/shihenw/convolutional-pose-machines-release(caffe版本) https://github.com/psyc ...

  4. Pytorch 常用函数

    1. torch.renorm(input, p, dim, maxnorm, out=None) → Tensor Returns a tensor where each sub-tensor of ...

  5. JVM--02

    Java虚拟机内存管理: 共享: 方法区:存储运行时常量池.已被虚拟机加载的类信息.常量.静态变量.即时编译器编译后的代码等数据 java堆:存储对象实例 线程独占区: 虚拟机栈:存放方法运行时所需的 ...

  6. POST 请求中 multipart/form-data、 application/x-www-form-urlencoded 的区别

    以 Postman 为工具来看一下这两个编码类型的数据格式,假设我们需要传输的数据为 { "name": "test", "age": 18 ...

  7. 【原创】大叔问题定位分享(19)spark task在executors上分布不均

    最近提交一个spark应用之后发现执行非常慢,点开spark web ui之后发现卡在一个job的一个stage上,这个stage有100000个task,但是绝大部分task都分配到两个execut ...

  8. lua table表判断是否为空

    官方手册里早已经给了答案,那就是靠lua内置的next函数 即如此用: a = {} if next(a) == nil then next其实就是pairs遍历table时用来取下一个内容的函数. ...

  9. SSM(SpringMVC Spring Mybatis)框架整合搭建

    1.新建一个web工程. 2.首先看一下整体的框架结构: 3.将ssm框架搭建所需要的jar包复制到lib目录下 3.需要配置各个配置文件. 1)配置web.xml文件: <?xml versi ...

  10. sqlserver(查看被锁进程)

    -- ###### 查看被锁进程 ###### select 标志, 进程ID=spid,线程ID=kpid,块进程ID=blocked,数据库ID=dbid, 数据库名=db_name(dbid), ...