概率论知识回顾（十五）：变量函数的期望，期望的性质

概率论知识回顾（十五）

重点：变量函数的期望，期望的性质

知识回顾用于巩固知识和查漏补缺。知识回顾步骤：

查看知识回顾中的问题，尝试自己解答

自己解答不出来的可以查看下面的知识解答巩固知识。

对知识解答有疑问的，说明有关这一点的知识或者公式没有理解透彻或者没有记住，要重新翻看书籍。

知识回顾

离散型随机变量的函数的数学期望怎么表示？
连续型随机变量的函数的数学期望怎么表示？
证明 E(Y)=∫0+∞P{Y>y}dy−∫0+∞P{Y<−y}dyE(Y) = \int_{0}^{+\infty}P\begin{Bmatrix} Y > y \end{Bmatrix}dy - \int_0^{+\infty}P\begin{Bmatrix} Y < -y \end{Bmatrix}dyE(Y)=∫0+∞P{Y>y}dy−∫0+∞P{Y<−y}dy
二维离散型随机变量的函数的数学期望怎么表示？
二维连续型随机变量的函数的数学期望怎么表示？
随机变量期望的性质有哪些？

知识解答

离散型随机变量的函数的数学期望怎么表示？
- 设随机变量 XXX 的分布律为P{X=xk}=pk,k=0,1,2,...P\begin{Bmatrix} X = x_k \end{Bmatrix} = p_k, k = 0, 1, 2,...P{X=xk}=pk,k=0,1,2,...。对于 g(X)g(X)g(X) 来说：如果 g(x)g(x)g(x) 是实值单值函数并且 ∑k∣g(xk)∣pk<+∞\sum_k|g(x_k)|p_k < +\infty∑k∣g(xk)∣pk<+∞ 则 g(X)g(X)g(X) 的期望存在，并且 Eg(X)=∑kg(xk)pkEg(X) = \sum_kg(x_k)p_kEg(X)=∑kg(xk)pk
连续型随机变量的函数的数学期望怎么表示？
- 设随机变量 XXX 的密度函数为 f(x)f(x)f(x), 对于 g(X)g(X)g(X) 来说：如果 g(x) 是实值单值函数并且 ∫−∞+∞∣g(x)∣f(x)dx<+∞\int_{-\infty}^{+\infty}|g(x)|f(x)dx < + \infty∫−∞+∞∣g(x)∣f(x)dx<+∞, 则 g(X)g(X)g(X) 的期望存在，并且 Eg(X)=∫−∞+∞g(x)f(x)dxEg(X) = \int_{-\infty}^{+\infty}g(x)f(x)dxEg(X)=∫−∞+∞g(x)f(x)dx
证明 E(Y)=∫0+∞P{Y>y}dy−∫0+∞P{Y<−y}dyE(Y) = \int_{0}^{+\infty}P\begin{Bmatrix} Y > y \end{Bmatrix}dy - \int_0^{+\infty}P\begin{Bmatrix} Y < -y \end{Bmatrix}dyE(Y)=∫0+∞P{Y>y}dy−∫0+∞P{Y<−y}dy。
- 首先推导前半部分
  
  ∫0+∞P{Y>y}dy=∫0+∞∫y+∞fY(x)dxdy=∫0+∞∫0xdyfY(x)dx=∫0+∞xfY(x)dx\int_{0}^{+\infty}P\begin{Bmatrix} Y > y \end{Bmatrix}dy \\ = \int_{0}^{+\infty} \int_{y}^{+\infty}f_Y(x)dxdy \\ = \int_{0}^{+\infty} \int_{0}^{x}dyf_Y(x)dx \\ = \int_{0}^{+\infty} xf_Y(x)dx∫0+∞P{Y>y}dy=∫0+∞∫y+∞fY(x)dxdy=∫0+∞∫0xdyfY(x)dx=∫0+∞xfY(x)dx
- 同理后半部分
  
  ∫0+∞P{Y<−y}dy=∫0+∞∫−∞−yfY(x)dxdy=∫−∞0∫0−xdyfY(x)dx=−∫−∞0xfY(x)dx\int_{0}^{+\infty}P\begin{Bmatrix} Y < -y \end{Bmatrix}dy \\ = \int_{0}^{+\infty} \int_{-\infty}^{-y}f_Y(x)dxdy \\ = \int_{-\infty}^{0} \int_{0}^{-x}dyf_Y(x)dx \\ = -\int_{-\infty}^{0} xf_Y(x)dx∫0+∞P{Y<−y}dy=∫0+∞∫−∞−yfY(x)dxdy=∫−∞0∫0−xdyfY(x)dx=−∫−∞0xfY(x)dx
- 因此有：
  
  E(Y)=∫0+∞P{Y>y}dy−∫0+∞P{Y<−y}dy=∫0+∞xfY(x)dx−(−∫−∞0xfY(x)dx)=∫−∞+∞xfY(x)dx=E(Y)\begin{aligned}E(Y) &= \int_{0}^{+\infty}P\begin{Bmatrix} Y > y \end{Bmatrix}dy - \int_0^{+\infty}P\begin{Bmatrix} Y < -y \end{Bmatrix}dy \\&= \int_{0}^{+\infty} xf_Y(x)dx - ( -\int_{-\infty}^{0} xf_Y(x)dx) \\&= \int_{-\infty}^{+\infty}xf_Y(x)dx = E(Y)\end{aligned}E(Y)=∫0+∞P{Y>y}dy−∫0+∞P{Y<−y}dy=∫0+∞xfY(x)dx−(−∫−∞0xfY(x)dx)=∫−∞+∞xfY(x)dx=E(Y)
- 根据这个定理可证明连续随机变量的数学期望公式。
二维离散型随机变量的函数的数学期望怎么表示？
- 设二维随机变量 (X,Y)(X, Y)(X,Y) 的分布律为 P{X=xi,Y=yj}=pij,i,j=0,1,2,...P\begin{Bmatrix} X = x_i, Y = y_j \end{Bmatrix} = p_{ij}, i,j = 0, 1, 2,...P{X=xi,Y=yj}=pij,i,j=0,1,2,... 对于 g(X,Y)g(X, Y)g(X,Y) 来说，如果 g(x,y)g(x, y)g(x,y) 是关于x, y实值单值函数,并且有 ∑i∑j∣g(xi,yj)∣pij<+∞\sum_{i}\sum_{j}|g(x_i, y_j)|p_{ij} < + \infty∑i∑j∣g(xi,yj)∣pij<+∞ ，则其数学期望存在，并且 Eg(X,Y)=∑i∑jg(xi,yj)pijEg(X, Y) = \sum_{i}\sum_{j}g(x_i, y_j)p_{ij}Eg(X,Y)=∑i∑jg(xi,yj)pij
二维连续型随机变量的函数的数学期望怎么表示？
- 设二维随机变量 (X,Y)(X, Y)(X,Y) 的密度函数为 f(x,y)f(x, y)f(x,y) 对于 g(X,Y)g(X, Y)g(X,Y) 来说，如果 g(x,y)g(x, y)g(x,y) 是关于x, y实值单值函数,并且有 ∫−∞+∞∣g(x,y)∣f(x,y)dxdy<+∞\int_{-\infty}^{+\infty}|g(x, y)|f(x, y)dxdy < +\infty∫−∞+∞∣g(x,y)∣f(x,y)dxdy<+∞ ，则其数学期望存在，并且 Eg(X,Y)=∫−∞+∞g(x,y)f(x,y)dxdyEg(X, Y) = \int_{-\infty}^{+\infty}g(x, y)f(x, y)dxdyEg(X,Y)=∫−∞+∞g(x,y)f(x,y)dxdy
随机变量期望的性质有哪些？
- 对于常数，E(C)=CE(C) = CE(C)=C
- E[∑i=1naiXi+b]=∑i=1naiE(Xi)+bE[\sum_{i=1}^na_iX_i + b] = \sum_{i=1}^{n}a_iE(X_i) + bE[∑i=1naiXi+b]=∑i=1naiE(Xi)+b
- 如果 X1,X2,...,XnX_1, X_2, ..., X_nX1,X2,...,Xn 相互独立，那么
  
  E(X1X2⋯Xn)=E(X1)E(X2)⋯E(Xn)E(X_1X_2\cdots X_n) = E(X_1)E(X_2)\cdots E(X_n)E(X1X2⋯Xn)=E(X1)E(X2)⋯E(Xn)

概率论知识回顾（十五）：变量函数的期望，期望的性质相关推荐

概率论知识回顾（二十）：随机变量序列收敛性
概率论知识回顾(二十) 重点:随机变量序列收敛性知识回顾用于巩固知识和查漏补缺.知识回顾步骤: 查看知识回顾中的问题,尝试自己解答自己解答不出来的可以查看下面的知识解答巩固知识. 对知识解答有疑问 ...
概率论知识回顾（十八）：协方差和相关系数
概率论知识回顾(十八) 重点:协方差和相关系数知识回顾用于巩固知识和查漏补缺.知识回顾步骤: 查看知识回顾中的问题,尝试自己解答自己解答不出来的可以查看下面的知识解答巩固知识. 对知识解答有疑问的 ...
概率论知识回顾（二）：古典概型，几何概型
概率论知识回顾(二) 关键词:古典概型,几何概型知识回顾用于巩固知识和查漏补缺.知识回顾步骤: 查看知识回顾中的问题,尝试自己解答自己解答不出来的可以查看下面的知识解答巩固知识. 对知识解答有疑问 ...
概率论知识回顾（四）：事件独立性、贝努利概型
概率论知识回顾(四) 重点:事件独立性.贝努利概型知识回顾用于巩固知识和查漏补缺.知识回顾步骤: 查看知识回顾中的问题,尝试自己解答自己解答不出来的可以查看下面的知识解答巩固知识. 对知识解答有疑 ...
概率论知识回顾（三）：事件域，条件概率，全概率，贝叶斯概率
概率论知识回顾(三) 关键点:事件域,条件概率,全概率,贝叶斯概率知识回顾用于巩固知识和查漏补缺.知识回顾步骤: 查看知识回顾中的问题,尝试自己解答自己解答不出来的可以查看下面的知识解答巩固知识. ...
项目管理知识领域--十五至尊图
十五至尊图 4 项目整合管理:整合启动定章程,规划定管理计划,执行第一管工作,第二就要管知识,监控第一看工作,第二控制整体变更,收尾来结束项目. 5 项目范围管理:范围不用管启动,规划第一规范围,第二 ...
项目管理核心知识之十五至尊
项目管理主要解决一个企业在做项目中以下存在的问题: 1．目标不明确, 2．进度失控, 3．成本超支, 4．规章制度不全, 5．责任不清, 6．范围不明, 7．质量不符合, 8．重复低效, 9．计划不当 ...
Shell 脚本知识回顾 (二) —— Shell变量
一.Shell变量:Shell变量的定义.删除变量.只读变量.变量类型 Shell支持自定义变量. 定义变量定义变量时,变量名不加美元符号($),如: [cpp] view plaincopy va ...
python函数助手_转jmeter（十五）函数助手
由于时间和版本问题,其中有些内容和排版我做了修改和重新整理,使其更符合最新的jmeter版本. 一.使用jmeter函数助手启动jmeter后,可以在JMeter的选项菜单中找到函数助手对话框(快捷 ...

概率论知识回顾（十五）：变量函数的期望，期望的性质

概率论知识回顾（十五）

知识回顾

知识解答

概率论知识回顾（十五）：变量函数的期望，期望的性质相关推荐

最新文章

热门文章