§5 离散型随机变量的均值与方差自主整理1
设随机变量 X 的可能取值为 a1,a2,…,ar,取 ai的概率为 pi(i=1,2,…,r),即 X 的分布为P(X=ai)=pi(i=1,2,…,r)
则定义 X 的均值为_________________,即随机变量 X 的取值 ai乘上取值 ai的概率 P( X=ai)再求和
X 的均值也称作 X 的数学期望(简称期望),它是一个数,记为_________________,即EX=_________________
均值 EX 刻画的是 X 取值的“_________________”,均值能够反映随机变量取值的“_________________”,这是随机变量 X 的一个重要特征
一般地,设 X 是一个离散型随机变量,我们用_________________来衡量 X 与 EX 的平均偏离程度,E(X-EX)2是_________________的期望,并称之为随机变量 X 的方差,记为_________________
方差越小,则随机变量的取值就越_________________在其均值周围;反之,方差越大,则随机变量的取值就越_________________
期望是算术平均值概念的推广,是概率意义下的平均
EX 是一个实数,由 X 的分布列唯一确定
即作为随机变量 X 是可变的,可取不同值,而 EX 是不变的,它描述 X 取值的平均状态
EX=a1p1+a2p2+…+arpr直接给出了 EX 的求法,即随机变量取值与相应概率值分别相乘后再相加
E(aX+b)=aEX+b,∴随机变量 X 的线性函数 Y=aX+b 的期望等于随机变量 X 的期望的线性函数
此式可有如下几种特殊形式:当 b=0 时,E(aX)=aEX,此式表明常量与随机变量乘积的数学期望,等于这个常量与随机变量的期