方差与标准差

所属章节:第4章 随机变量的数字特征

设 XX 是随机变量,如果 E[(X−EX)2]E[(X - EX)^2] 存在,则

  • 方差 DX=E[(X−EX)2]=E(X2)−(EX)2DX = E[(X - EX)^2] = E(X^2) - (EX)^2
  • 标准差或均方差 σ(X)=DX\sigma(X) = \sqrt{DX}
  • 随机变量 X∗=X−EXDXX^* = \dfrac{X - EX}{\sqrt{DX}} 为 XX 的标准化随机变量,此时 EX∗=0,DX∗=1EX^* = 0, DX^* = 1

性质

  • DX⩾0,E(X2)=DX+(EX)2⩾(EX)2DX \geqslant 0, E(X^2) = DX + (EX)^2 \geqslant (EX)^2
  • Dc=0Dc = 0(cc 为常数)
  • DX=0⇔XDX = 0 \Leftrightarrow X 几乎处处为某个常数 aa,即 P{X=a}=1P\{X = a\} = 1
  • D(aX+b)=a2DXD(aX + b) = a^2 DX
  • D(X±Y)=DX+DY±2Cov(X,Y)D(X \pm Y) = DX + DY \pm 2\mathrm{Cov}(X, Y),D(∑i=1naiXi)=∑i=1nai2DXi+2∑1⩽i<j⩽naiajCov(Xi,Xj)D\left( \sum_{i=1}^n a_i X_i \right) = \sum_{i=1}^n a_i^2 DX_i + 2 \sum_{1 \leqslant i < j \leqslant n} a_i a_j \mathrm{Cov}(X_i, X_j)
  • 如果 XX 与 YY 相互独立,则
    • D(aX+bY)=a2DX+b2DYD(aX + bY) = a^2 DX + b^2 DY
    • D(XY)=DXDY+DX(EY)2+DY(EX)2⩾DXDYD(XY) = DX DY + DX (EY)^2 + DY (EX)^2 \geqslant DX DY
  • 如果 X1,X2,⋯ ,XnX_1, X_2, \cdots, X_n 相互独立,gi(x)(i=1,2,⋯ ,n)g_i(x)(i = 1, 2, \cdots, n) 为 xx 的连续函数,则
    • D(∑i=1naiXi)=∑i=1nai2DXiD\left( \sum_{i=1}^n a_i X_i \right) = \sum_{i=1}^n a_i^2 DX_i
    • D[∑i=1ngi(Xi)]=∑i=1nD[gi(Xi)]D\left[ \sum_{i=1}^n g_i(X_i) \right] = \sum_{i=1}^n D[g_i(X_i)]
  • 对任意常数 cc,有 DX=E[(X−EX)2]⩽E[(X−c)2]DX = E[(X - EX)^2] \leqslant E[(X - c)^2]

关联知识

原文:原笔记 · 4.2 随机变量的方差、标准差(原文件第 553–577 行)。

返回概率论导航