标签：infty cov int 方差 矩阵 协方差 常数 随机变量

1.期望

定义

\[E(x)=\sum\limits_{k=1}^{\infty}x_kp_k-离散型 \]

\[E(x)=\int_{-\infty}^{+\infty}xf(x)dx-连续型 \]

性质

• \(E(C)=C,C是常数\)
• \(E(CX)=CE(X),C是常数\)
• \(E(X+Y)=E(X)+E(Y)\)
• \(若X,Y相互独立，有E(XY)=E(X)E(Y)\)

2.方差

定义

\[D(X)=\sum\limits_{k=1}^{\infty}[x_k-E(X)]^2 p_k-离散型 \]

\[D(X)=\int_{-\infty}^{+\infty}[x-E(X)]^2f(x)dx \]

性质

• \(D(X)=E(X^2)-[E(X)]^2\)
• \(D(C)=0,C是常数\)
• \(D(CX)=C^2D(X),C是常数\)
• \(D(X+C)=D(X),C是常数\)
• \(两个随机变量有\)

\[D(X+Y)=D(X)+D(Y)+2E[(X-E(X)(Y-E(Y))] \]

• \(若两个随机变量独立，有\)

\[D(X+Y)=D(X)+D(Y) \]

3.协方差

定义

\(两个随机变量X,Y的协方差\)

\[cov(X,Y)=E[(X-E(X)(Y-E(Y))] \]

\(相关系数\)

\[\rho_{XY}=\frac{cov(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}} \]

性质

• \(cov(aX,bY)=ab\ cov(X,Y),a,b是常数\)
• \(cov(X_1+X_2,Y)=cov(X_1,Y)+cov(X_2,Y)\)
• \(独立一定不相关，不相关不一定独立\)

协方差矩阵

\(一定是对称，半正定的\)

标签：infty,cov,int,方差,矩阵,协方差,常数,随机变量
来源： https://www.cnblogs.com/boyknight/p/16214230.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。