前言
为什么要研究离散型随机变量和其分布列?
一、相关概念
随机变量
离散型随机变量
连续型随机变量
离散型随机变量的分布列
离散型随机变量的均值
\(E(X)=x_1p_1+x_2p_2+x_3p_3+\cdots+x_np_n\),称为离散型随机变量\(X\)的均值或数学期望,其刻画的是离散型随机变量\(X\)取值的平均水平。
它和\(\bar{x}=\cfrac{x_1+x_2+\cdots+x_n}{n}\)是一致的吗?一致的,上述的概念实质是\(x_i\)加权平均值。
- 离散型随机变量的方差
\(D(X)=\sum\limits_{i=1}^n{(x_i-E(X))^2\cdot p_i}\),为随机变量\(X\)的方差,它刻画了随机变量\(X\)与其均值\(E(X)\)的平均偏离程度,其算术平方根\(\sqrt{D(X)}\)为随机变量\(X\)的标准差.
它和\(s^2=\cfrac{1}{n}[(x_1-\bar{x})^2+(x_2-\bar{x})^2+\cdots+(x_{n}-\bar{x})^2]\)的定义是一致的吗?一致的,上述的概念实质是\((x_i-E(X))^2\)的加权平均值。
二、 相关性质
- 离散型随机变量的均值
\(E(aX+b)=aE(X)+b\);
对比:如果数据\(x_1\),\(x_2\),\(\cdots\),\(x_n\)的平均数为\(\bar{x}\),则数据\(ax_1+b\),\(ax_2+b\),\(\cdots\),\(ax_n+b\)的平均数为\(a\bar{x}+b\);
- 离散型随机变量的方差
\(D(aX+b)=a^2\cdot D(X)\);
对比:如果数据\(x_1\),\(x_2\),\(\cdots\),\(x_n\)的方差为\(s^2\),则数据\(ax_1+b\),\(ax_2+b\),\(\cdots\),\(ax_n+b\)的方差为\(a^2\cdot s^2\);
三、常见分布列
两点分布
超几何分布
二项分布