下载文档原格式
均值、方差和协方差的定义和基本性质1 数学期望（均值）的定义和性质定义：设离散型随机变量X 的分布律为{}, 1,2,k k P X x p k === 若级数1k k k xp ∞=∑绝对收敛，则称级数1k k k xp ∞=∑的和为随机变量X 的数学期望，记为()E X 。
即()1k k k E X x p ∞==∑。
设连续型随机变量X 的概率密度为()f x ，若积分()xf x dx ∞−∞⎰ 绝对收敛，则称积分()xf x dx ∞−∞⎰的值为随机变量X 的数学期望，记为()E X 。
即 ()()E X xf x dx ∞−∞=⎰ 数学期望简称期望，又称为均值。
性质：下面给出数学期望的几个重要的性质（1）设C 是常数，则有()E C C =；（2）设X 是一个随机变量，C 是常数，则有()()E CX CE X =；（3）设X 和Y 是两个随机变量，则有()()()E X Y E X E Y +=+，这一性质可以推广至任意有限个随机变量之和的情况；（4）设X 和Y 是相互独立的随机变量，则有()()()E XY E X E Y =。
2 方差的定义和性质定义：设X 是一个随机变量，若(){}2E X E X −⎡⎤⎣⎦存在，则称(){}2E X E X −⎡⎤⎣⎦为X的方差，记为()D X 或()Var X ，即性质：下面给出方差的几个重要性质（1）设C 是常数，则有()0D C =；（2）设X 是一个随机变量，C 是常数，则有()()2D CX C D X =，()()D X C D X +=；（3）设X 和Y 是两个随机变量，则有()()()()()()(){}2D X Y D X D Y E X E X Y E Y +=++−−特别地，若X 和Y 相互独立，则有()()()D X Y D X D Y +=+ （4）()0D X =的充分必要条件是以概率1取常数()E X ，即(){}1P X E X ==。
方差性质及应用方差是描述一组数据分布的离散程度的统计量，它可以帮助我们了解数据的波动程度和稳定性。
方差的计算方法是将每个数据点与数据的平均值相减，然后求平方，最后将这些差的平方求和并除以数据的个数。
方差的计算公式如下：\[s^2 = \frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n}\]其中，\(s^2\)表示方差，\(x_i\)表示第i个数据点，\(\bar{x}\)表示数据的均值，n表示数据的个数。
方差的性质：1. 方差是非负数，即方差的值始终大于或等于零，当方差等于零时，表示数据的波动程度为零，即所有的数据点都与均值相等。
2. 如果一个常数k被加到数据中的每个数上，方差不变，即对数据进行平移对方差没有影响。
3. 如果一个常数k被乘到数据中的每个数上，方差成为原方差的k的平方倍，即对数据进行缩放会影响方差的值。
4. 如果我们有两组数据，第一组数据是第二组数据每个数据点的k倍，那么第一组数据的方差是第二组数据方差的k的平方倍。
5. 如果数据是独立的，那么它们的方差加起来等于它们的和的方差。
方差的应用：1. 方差可以用来衡量一组数据的离散程度，当数据的方差较大时，表示数据的波动较大，反之，当数据的方差较小时，表示数据的波动较小。
2. 方差可以用来比较不同组数据的稳定性，当两组数据的方差相差较大时，表示它们的波动程度不同，可以用来选择稳定性更好的数据。
3. 方差可以用来评估一个模型的拟合程度，当模型的预测值与实际值的方差较大时，表示模型的拟合程度较差，需要进一步优化。
4. 方差还可以用来进行假设检验，通过比较两组数据的方差来检验它们是否来自同一个总体，从而进行统计推断。
总而言之，方差是一种非常重要的统计量，它能够帮助我们全面了解数据的分布，衡量数据的稳定性和波动程度，评估模型的拟合程度，以及进行假设检验。
在实际应用中，方差被广泛应用于统计学、经济学、金融学等领域，是一种非常有用的工具。
二次变差(quadratic variation)和方差(variance)的区别1. 引言1.1 概述在统计学和金融领域，我们经常会遇到二次变差（quadratic variation）和方差（variance）这两个概念。
尽管它们都与随机变量的波动性有关，但它们在定义、计算方法以及在统计学中的应用上存在着明显的区别。
本文将深入探讨二次变差和方差之间的区别，并解释它们分别在数学模型和实践中的重要意义。
1.2 文章结构本文将分为以下几个部分进行探讨。
首先，我们将阐述二次变差和方差的定义与解释，并比较它们之间的异同。
接着，我们将介绍计算二次变差和方差的方法以及它们所具有的性质。
然后，我们将重点关注二次变差和方差在统计学中的应用，并探讨它们对于数据分析与模型构建的意义。
最后，我们将总结二次变差和方差之间的区别和联系，并提出一些对进一步研究有启示性作用的建议。
1.3 目的本文旨在帮助读者更好地理解二次变差和方差这两个重要概念之间的区别，并认识到它们在统计学和金融领域中的实际应用。
通过对这两个概念的深入探讨，我们可以更准确地理解和分析随机变量的波动性，并在实践中更好地运用它们来进行风险管理、投资决策等方面的工作。
接下来，我们将开始介绍二次变差和方差的定义与解释。
2. 二次变差和方差的定义与解释：2.1 二次变差的定义与解释：二次变差（quadratic variation）是指一个随机过程在给定时间段内波动的累积量。
对于一个连续随机过程X(t)，其二次变差可以通过将其离散化为多个间隔，然后计算每个间隔内X(t)的变化量的平方和来获得。
具体地说，如果我们将时间段[a, b]分成n个子区间，并选择子区间上任意一点{t0, t1,...,tn-1}，则这些点构成了一个分割（partition）。
然后，我们可以计算每个子区间上X(t)的变化量ΔX(ti) = X(ti) - X(ti-1)并将其平方求和。
当分割逐渐细化且子区间长度趋近于零时，得到的二次变差就会趋向于稳定或极限值。
