一维随机变量的数字特征数学期望、方差的定义、性质及其求法

一维随机变量的数字特征指的是该随机变量的数学期望和方差。数学期望是随机变量的平均值，反映了该随机变量在长期观察中的平均表现。方差则反映了随机变量的离散程度，即随机变量与其数学期望之间的偏差。

定义：

设 $X$ 是一个一维随机变量，其概率密度函数为 $f(x)$，则 $X$ 的数学期望 $\operatorname{E}(X)$ 定义为：

$$\operatorname{E}(X)=\int_{-\infty}^{+\infty}xf(x)\mathrm{d}x$$

方差 $\operatorname{Var}(X)$ 定义为：

$$\operatorname{Var}(X)=\operatorname{E}[(X-\operatorname{E}(X))^2]=\operatorname{E}(X^2)-[\operatorname{E}(X)]^2$$

性质：

1. 对于任意常数 $a$ 和 $b$，有 $\operatorname{E}(aX+b)=a\operatorname{E}(X)+b$。

2. 对于任意常数 $a$，有 $\operatorname{Var}(aX)=a^2\operatorname{Var}(X)$。

3. 对于两个独立的随机变量 $X$ 和 $Y$，有 $\operatorname{E}(XY)=\operatorname{E}(X)\operatorname{E}(Y)$。

4. 对于两个独立的随机变量 $X$ 和 $Y$，有 $\operatorname{Var}(X+Y)=\operatorname{Var}(X)+\operatorname{Var}(Y)$。

求法：

1. 对于离散型随机变量，可以使用概率分布表来计算数学期望和方差。

2. 对于连续型随机变量，可以使用积分来计算数学期望和方差。

3. 对于一些特殊的随机变量，可以利用其分布的特殊性质来计算数学期望和方差，如正态分布、泊松分布等。