数学期望、方差、协方差 指数分布的方差是什么

简介:一维随机变量的期望和方差
二维随机变量的期望和方差
协方差
1.一维随机变量期望和方差:公式:
离散型:
e(X)=∑I = 1-& gt;nXiPi
Y=g(x)
e(Y)=∑I = 1-& gt;ng(x)Pi
连续型:
e(X)=∫-∞-& gt;+∞xf(x)dx
Y=g(x)
e(Y)=∫-∞-& gt;+∞g(x)f(x)dx
方差:D(x)=E(x)-E(x)
标度差:根号下的方差
常用的数学期望和离差方差:
0~1散布期望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()期望方差
【数学期望、方差、协方差 指数分布的方差是什么】几何离差期望1/p,方差(1-p)/p
正态分布期望,方差
均匀分布,预期a+b/2,方差(b-a)/12
指数离差e()预期为1/,方差为1/
卡方离差,x(n)期望n方差2n
期望E(x)的性质:
E(c)=c
e(红豆博客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)

方差D(X)的性质:
D(c)=0
D(aX+b)=aD(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和方差:[div]3 。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)
相干系数:
XY=Cov(X,y)/X的比例差* y的比例差
XY=0表示x与y无关 。
记住:独立一定是无关的,无关不一定独立 。洪都博客
协方差红豆博客的性质:
Cov(X,Y)=Cov(Y,X)
Cov(X,C)=0
CoV(X,X)=D(X)
Cov(ax+b,Y)=aCov(X,Y)