概论:
一维随机变量期望与方差 二维随机变量期望与方差 协方差1.一维随机变量期望与方差:
公式: 离散型:E(X)=∑i=1->nXiPi
Y=g(x)
E(Y)=∑i=1->ng(x)Pi
连续型:E(X)=∫-∞->+∞xf(x)dx
Y=g(x)
E(Y)=∫-∞->+∞g(x)f(x)dx
方差:D(x)=E(x²)-E²(x) 标准差:根号下的方差 常用分布的数学期望和方差: 0~1分布 期望p 方差p(1-p) 二项分布B(n,p) 期望np,方差np(1-p) 泊松分布π(λ) 期望λ 方差λ 几何分布 期望1/p ,方差(1-p)/p² 正态分布 期望μ,方差σ² 均匀分布,期望a+b/2,方差(b-a)²/12指数分布E(λ)期望1/λ,方差1/λ²
卡方分布,x²(n) 期望n 方差2n 期望E(x)的性质:E(c)=c
E(ax+c)=aE(x)+c
E(x+-Y)=E(X)+-E(Y)
X和 Y相互独立:E(XY)=E(X)E(Y)
D(c)=0
D(aX+b)=a²D(x)
D(X+-Y)=D(X)+D(Y)+-2Cov(X,Y)
X和Y相互独立:D(X+-Y)=D(X)+D(Y)
2.二维随机变量的期望与方差:
3.协方差:Cov(X,Y):
D(X+-Y)=D(X)+D(Y)+-2Cov(X,Y)
协方差:Cov(X,Y)=E(XY)-E(X)E(Y)
相关系数: ρxY=Cov(X,Y)/X的标准差*Y的标准差 ρxY=0为X与Y不相关 记住:独立一定不相关 ,不相关不一定独立。 协方差的性质:Cov(X,Y)=Cov(Y,X)
Cov(X,C)=0
CoV(X,X)=D(X)
Cov(ax+b,Y)=aCov(X,Y)
声明:本文由网站用户竹子发表,超梦电商平台仅提供信息存储服务,版权归原作者所有。若发现本站文章存在版权问题,如发现文章、图片等侵权行为,请联系我们删除。