随机向量的方差

概率论与数理统计公式整理

第1章 随机事件及其概率

随机试验和随机事件 如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。

试验的可能结果称为随机事件。

基本事件、样本空间和事件 在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质：

①每进行一次试验，必须发生且只能发生这一组中的一个事件；

②任何事件，都是由这一组中的部分事件组成的。

这样一组事件中的每一个事件称为基本事件，用来表示。

基本事件的全体，称为试验的样本空间，用表示。

一个事件就是由中的部分点（基本事件）组成的集合。通常用大写字母A，B，C，…表示事件，它们是的子集。

为必然事件，Ø为不可能事件。

不可能事件（Ø）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。

）事件的关系与运算 ①关系：

如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：BA

如果同时有BA，AB，则称事件A与事件B等价，或称A等于B：A=B。

A、B中至少有一个发生的事件：AB，或者A+B。

属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者BA，它表示A发生而B不发生的事件。

A、B同时发生：AB，或者AB。AB=Ø，则表示A与B不可能同时发生，称事件A与事件B互不相容或者互斥。基本事件是互不相容的。

-A称为事件A的逆事件，或称A的对立事件，记为A。它表示A不发生的事件。互斥未必对立。

②运算：

结合率：A(BC)=(AB)C A∪(B∪C)=(A∪B)∪C

分配率：(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)∪(BC)

德摩根率：11iiiiAA BABA，BABA

§2.3.2 离散型随机变量的方差（1）

学习目标

1．理解随机变量方差的概念；

2．各种分布的方差．

学习过程

一、课前准备

（预习教材P64~ P66，找出疑惑之处）

复习1：若随机变量 Y～)8.0,5(B，则EY ；又若42YX，则2EX

复习2：已知随机变量的分布列为 ：

 0 1 x

P 51 p 103

且1.1E，则p ；x

二、新课导学

※ 学习探究

探究：

要从两名同学中挑出一名，代表班级参加射击比赛，根据以往的成绩纪录，第一名同学击中目标靶的环数1X～)8.0,10(B，第二名同学击中目标靶的环数42YX，其中Y～)8.0,5(B，请问应该派哪名同学参赛？

新知1：离散型随机变量的方差：

当已知随机变量的分布列为kkpxP ),2,1(k时，则称D

为的方差， 为的标准差

随机变量的方差与标准差都反映了随机变量取值的 ．D越小，稳定性越 ，波动越 ．

新知2：方差的性质：

当ba,均为常数时，随机变量ba的方差)()(baDD ．特别是：

①当0a时，bD ，即常数的方差等于 ；

②当1a时，)(bD ，即随机变量与常数之和的方差就等于这个随机变量的方差 ；

③当0b时，aD ，即随机变量与常之积的方差，等于常数的 与这个随机变量方差的积

新知2：常见的一些离散型随机变量的方差：

（1）单点分布：D ；（2）两点分布：D ；（3）二项分布：D ．

※ 典型例题

例1已知随机变量X的分布列为：

方差定理公式

方差定理公式是一种用于描述随机变量的离散程度的数学工具，它可以帮助我们分析数据的变化情况，评估统计模型的

拟合效果，以及进行假设检验等。方差定理公式有多种形式，本文将介绍其中的几种，并给出相应的证明和应用。

什么是方差

方差是一种衡量随机变量或者一组数据与其均值之间的距离的度量，它反映了数据的波动程度。方差越大，说明数据越

分散，越不稳定；方差越小，说明数据越集中，越稳定。

方差的定义有多种方式，其中最常见的一种是：

Var(X)=E[(X−E(X))2]

其中，X是一个随机变量，E(X)是它的期望值，E[(X−E(X))2]是它与期望值之差的平方的期望值。这个定义可以理解为：方差等于每个可能的输出值与均值之差的平方乘以其概率后求和。

另一种常见的定义是：

Var(X)=E(X2)−[E(X)]2

这个定义可以通过展开上面的定义得到，也可以记忆为“期望平方内减外”。这个定义可以理解为：方差等于随机变量的

平方的期望值减去随机变量的期望值的平方。

还有一种常见的定义是：

Var(X)=n∑i=1(xi−μ)2f(xi)

其中，xi是随机变量X的第i个可能取值，μ=E(X)是它的期望值，f(xi)是它取该值的概率。这个定义可以理解为：方差等于每个可能取值与均值之差的平方乘以其概率后求和。

以上三种定义都是等价的，可以根据不同的情况选择合适的形式来计算或推导方差。

方差定理公式

方差定理公式是一些关于方差运算或性质的公式，它们可以帮助我们简化计算或推导过程，也可以帮助我们理解方差背

后的含义或规律。以下介绍几种常用的方差定理公式。

方差线性性质

如果X,Y是两个随机变量，a,b是两个常数，则有：

Var(aX+bY)=a2Var(X)+b2Var(Y)+2abCov(X,Y)

其中，Cov(X,Y)是X,Y之间的协方差，它表示两个随机变量之间的线性相关程度。如果X,Y相互独立，则协方差为

零，上式就简化为：

Var(aX+bY)=a2Var(X)+b2Var(Y)

随机向量的方差

随机向量的方差是衡量向量元素之间变化程度的统计量。在统计学和概率论中，方差是衡量一组数据或概率分布的离散程度的度量。

对于一个随机向量X=(X1,X2,...,Xn)，其中X1,X2,...,Xn是X的元素，其方差定义为：

Var(X) = E[(X - E(X))(X - E(X))^T]

其中，E(X)表示X的期望向量，^T表示向量的转置运算。

方差的计算步骤如下：

1. 计算X的期望向量E(X)，即计算X1,X2,...,Xn的平均值；

2. 将X的元素减去期望向量的对应元素，得到(X1-E(X1)),(X2-E(X2)),...,(Xn-E(Xn))；

3. 将得到的向量按列构成矩阵，记作(X - E(X))；

4. 将(X - E(X))与它的转置矩阵相乘，得到一个n×n的矩阵；

5. 对矩阵的对角线上的元素求和，得到方差Var(X)。

方差的性质：

1. 方差是非负的，即Var(X) ≥ 0；

2. 当且仅当X的所有元素都相等时，方差为0；

3. 方差与线性变换具有以下性质：对于任意的常数a和b，Var(aX + b) = a^2Var(X)；

4. 方差是一个二次齐次函数，即Var(aX) = a^2Var(X)，其中a是常数；

5. 对于两个随机向量X和Y，Var(X+Y) = Var(X) + Var(Y) +

2Cov(X,Y)，其中Cov(X,Y)表示X和Y之间的协方差。

方差的应用：

1. 方差可以用来衡量随机向量的不确定性和变化程度，比如在金融领域中，方差可以用来衡量股票价格的波动性；

2. 方差可以用来评估数据的分布，比如在统计学中，方差可以用来比较不同组样本的离散程度；

3. 方差可以用来构建模型和进行预测，比如在机器学习中，方差可以用来评估模型对数据的拟合程度。

总结起来，随机向量的方差是衡量向量元素之间变化程度的统计量，能够描述随机向量的分布情况和不确定性，具有重要的应用价值。方差的计算和性质也为我们研究和应用随机向量提供了基础。