常见分布的期望和方差

常见分布的期望和方差 Last updated on the afternoon of January 3, 2021

概率与数理统

计

重点摘要 1、正态分布的计算：()()(

)X F x P X x μσ-=≤=Φ。 2、随机变量函数的概率密度：X 是服从某种分布的随机变量，求()Y f X =的概率密度：()()[()]'()Y X f y f x h y h y =。（参见P66～72）

3、分布函数(,)(,)x

y F x y f u v dudv -∞-∞=⎰⎰具有以下基本性质：

⑴、是变量x ，y 的非降函数；

⑵、0(,)1F x y ≤≤，对于任意固定的x ，y 有：(,)(,)0F y F x -∞=-∞=； ⑶、(,)F x y 关于x 右连续，关于y 右连续；

⑷、对于任意的11221212(,),(,),,x y x y x x y y <<　

　，有下述不等式成立： 4、一个重要的分布函数：1(,)(arctan )(arctan )23

x y F x y πππ2=++22的概率密度为：22226(,)(,)(4)(9)

f x y F x y x y x y π∂==∂∂++ 5、二维随机变量的边缘分布：

边缘概率密度：()(,)()(,)X Y f x f x y dy f y f x y dx

+∞-∞

+∞-∞==⎰

⎰

边缘分布函数：()(,)[(,)]()(,)[(,)]x X y Y F x F x f u y dy du F y F y f x v dx dv

+∞

-∞

-∞+∞-∞-∞=+∞==+∞=⎰⎰⎰⎰ 二维正态分布的边缘分布为一维正态分布。

6、随机变量的独立性：若(,)()()X Y F x y F x F y =则称随机变量X ，Y 相互独立。简称X 与Y 独立。

7、两个独立随机变量之和的概率密度：

()()()()()Z X Y Y X f z f x f z x dx f y f z y dy +∞

+∞

-∞-∞=-=-⎰⎰其中Z ＝X ＋Y

8、两个独立正态随机变量的线性组合仍服从正态分布，即

22221212(,Z aX bY N a b a b μμσσ=+++)。

9、期望的性质：……（3）、()()()E X Y E X E Y +=+；（4）、若X ，Y 相互独立，则()()()E XY E X E Y =。

10、方差：22()()(())D X E X E X =-。 若X ，Y 不相关，则

()()()D X Y D X D Y +=+，否则()()()2(,)D X Y D X D Y Cov X Y +=++，

()()()2(,)D X Y D X D Y Cov X Y -=+-

11、协方差：(,)[(())(())]Cov X Y E X E X Y E Y =--，若X ，Y 独立，则

(,)0Cov X Y =，此时称：X 与Y 不相关。

12

、相关系数：(,)()()XY Cov X Y X Y ρσσ==，1XY ρ≤，当且仅当X 与Y 存在线性关系时1XY ρ=，且1,b>0;1,b<0XY ρ⎧=⎨-⎩

　当 当。 13、k 阶原点矩：()k k v E X =，k 阶中心矩：[(())]k k E X E X μ=-。

14、切比雪夫不等式：{}{}22()

()(),()1D X D X P X E X P X E X εεεε-≥≤-<≤-或。贝努利大数定律：0lim 1n m P p n ε→⎧⎫-<=⎨⎬⎩⎭

。 15、独立同分布序列的切比雪夫大数定律：因2111n i i P X n n σμεε2

=⎧⎫-<≥-⎨⎬⎩⎭

∑，所以011lim 1n i n i P X n με→=⎧⎫-<=⎨⎬⎩⎭

∑　。 16、独立同分布序列的中心极限定理：

(1)、当n 充分大时，独立同分布的随机变量之和1n

n i i Z X ==∑的分布近似于正态

分布2(,)N n n μσ。

(2)、对于12,,...n X X X 的平均值11n i i X X n ==∑，有11()()n i i n E X E X n n

μμ====∑，2211()()n

i i n D X D X n n n σσ22====∑，即独立同分布的随机变量的均值当n 充分大时，近似服从正态分布()N n σμ2,

。

(3)、由上可知：{}{}lim ()()()()n n n P a Z b b a P a Z b b a →∞

<≤=Φ-Φ⇒<≤≈Φ-Φ。 17、棣莫弗—拉普拉斯中心极限定理：设m 是n 次独立重复试验中事件A 发生的次数，p 是事件A 发生的概率，则对任意x

,

lim ()n P x x →∞⎧⎫⎪≤=Φ⎬⎪⎭

，其中1q p =-。 (1)、当n 充分大时，m 近似服从正态分布，()N np npq ,。

(2)、当n 充分大时，m n 近似服从正态分布，(,)pq N p n 。 18、参数的矩估计和似然估计：(参见P200)

19、正态总体参数的区间估计：

20、关于正态总值均值及方差的假设检验，参见P243和P248。