随机变量的数学期望及其性质(doc 8页)

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 ==。

数学期望性质除法离散型如果随机变量只取得有限个值或无穷能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变量称为离散型随机变量。

离散型随机变量的一切可能的取值与对应的概率乘积之和称为该离散型随机变量的数学期望(若该求和绝对收敛），记为它是简单算术平均的一种推广，类似加权平均。

公式离散型随机变量X的取值为,为X对应取值的概率，可理解为数据出现的频率，则：定理设Y是随机变量X的函数：（是连续函数）它的分布律为若绝对收敛，则有:连续型设连续性随机变量X的概率密度函数为f(x)，若积分绝对收敛，则称积分的值为随机变量的数学期望，记为E(X)。

若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分，则称X为连续性随机变量，f(x)称为X的概率密度函数（分布密度函数）。

数学期望完全由随机变量X的概率分布所确定。

若X服从某一分布，也称是这一分布的数学期望。

定理若随机变量Y符合函数，且绝对收敛，则有：该定理的意义在于：我们求时不需要算出Y的分布律或者概率密度，只要利用X的分布律或概率密度即可。

上述定理还可以推广到两个或以上随机变量的函数情况。

设Z是随机变量X、Y的函数（g是连续函数），Z是一个一维随机变量，二维随机变量（X，Y）的概率密度为，则有：设C为一个常数，X和Y是两个随机变量。

以下是数学期望的重要性质：1、2、3、4、当X和Y相互独立时，性质3和性质4可以推到到任意有限个相互独立的随机变量之和或之积的情况。

证明：这里只对连续性随机变量的情况加以证明，对离散型的证明只要将证明中的积分改为和式即可。

1、永远都只能取C，常数C的平均数还是它本身。

2、设二维随机变量的概率密度函数为3、若X和Y相互独立，其边缘概率密度函数为。