附录1统计学、矩阵代数知识简介

附录2 统计学、矩阵代数知识简介

求和算子定义：对于T个观测值，x1, x2, …, x T，求和可以简化地表示为

其中称作求和算子。求和算子的运算规则如下：

(1) 变量观测值倍数的和等于变量观测值和的倍数。

(2) 两个变量观测值和的总和等于它们分别求总和后再求和。

(3) T个常数求和等于该常数的T倍。

其中k是常数。利用求和算子定义，样本平均数可表示为

(4) 变量观测值对于其平均数的离差和等于零。

利用规则(2)，(3)和样本平均数定义即可推导出上述结果。

(5) 随机变量的方差等于其平方的均值减去其均值的平方

证明：

(6) 两个随机变量的协方差等于它们乘积的均值减去它们均值的乘积。

与规则(5)的证明类似，即可证明上述结果。定义双重求和为

(7) 两个变量和的双重求和等于它们各自双重求和的和。

(8) 两个不同单下标变量积的双重求和等于它们各自求和的乘积。

2.2.1 随机变量的数学期望

随机变量定义：按一定的概率取不同实数值的变量称为随机变量，用x, y等表示。

若随机变量x可能取的值为有限个或可列个，则称x为离散型随机变量。离散型随机变量的一切可能取值及其取值的相应概率称作离散型随机变量的概率分布。

若随机变量x可能取的值是整个数轴，或数轴上的某个区间，则称x为连续型随机变量。连续型随机变量的概率分布是通过随机变量在一切可能区域内取值的概率定义的。最常用和最简便的形式是通过概率密度函数表示。

对于随机变量x，若存在非负可积函数f (x)，（- ∞ < x < ∞），使对任意实数a, b, (a < b)有

则称x为连续型随机变量。f(x)为x的概率密度函数（简称概率密度或密度）。由上式知f(x)在[a, b]区间上的积分等于随机变量x在[a, b]区间取值的概率。

对于离散型随机变量x，若有概率分布 P{x = x i} = p, (i= 1, 2, …, )，则称

为x的数学期望，简称为期望或均值。记作E(x)。

对于连续型随机变量x，若密度函数为f (x)，则称

为x的数学期望。记作E(x)。

期望属于位置特征。用来描述随机变量取值的集中位置。体现了随机变量取值的平均大小。期望就是随机变量取一切可能值的加权平均。其中的权数就是概率值。

数学期望的性质如下：

(1) 常量的期望就是这个常量本身。

E(k) = k

(2) 常量与随机变量和的期望等于这个随机变量的期望与这个常量的和。

E(x + k) = E(x) + k

(3) 常量与随机变量乘积的期望等于这个常量与随机变量期望的乘积。

E(k x) = k E(x)

(4) 随机变量的线性函数的期望等于这个随机变量期望的同一线性函数。

E(k x + k) = k E(x) + k

(5) 两个随机变量和（或差）的期望等于这两个随机变量期望的和（或差）。

E(x± y) = E(x) ± E(y)

(6) 两个相互独立随机变量乘积的期望等于这两个随机变量期望的乘积。

E(x y) = E(x) E(y)

2.2.2 随机变量的方差、标准差