随机变量及分布的特征参数——数字特征
引入随机变量后,随机空间(Ω,F,P)就基本具备了分析条件。首先考虑的就是提取其中的一些能表征其某些特征的参数——数字特征。
先给个一般表达式(离散分布也适用)
∫[-∞,+∞]g(x)dF(x)
其中F(x)是概率分布函数,g(x)是一个满足一定条件的函数。上式是个广义积分,在此要求其绝对可积,即
∫[-∞,+∞]|g(x)|dF(x)
存在。显然,上式表示的就是g(x)关于F(x)的平均值,求平均值无“次序”约束,故必须绝对收敛。对于连续分布(存在常规的密度函数p(x)),前式还可写成如下形式
∫[-∞,+∞]g(x)p(x)dx
下面首先考虑g(x) = x,即
Eξ = ∫[-∞,+∞]xdF(x)
其中ξ是满足分布函数F(x)的随机变量,上式表述的是随机变量ξ的一个平均值特征参数——数学期望(用Eξ表示)。“期望”意味着试验中期待出现的值,通常随机变量会出现在此值附近。
接下来考虑g(x)=(x-Eξ)^2,即
Dξ = ∫[-∞,+∞](x-Eξ)^2dF(x)
其中Eξ就是前面的数学期望,上式表述的是随机变量偏离其数学期望的一个平均值特征参数——方差。考虑到量纲和“线性”表示,通常还用根方差(标准差)√(Dξ)表述,其也表征了随机变量的某种不确定程度。
上式还可以表示成下式
Dξ = ∫[-∞,+∞]x^2dF(x) - (Eξ)^2
所以,只要知道了∫[-∞,+∞]x^2dF(x),便知Dξ。用Eξ^2表之,则有如下表示形式
Dξ = Eξ^2 - (Eξ)^2
这就引入了“矩”,n阶原点矩定义如下
Eξ^n = ∫[-∞,+∞]x^ndF(x)
相应的,有n阶中心矩,表为
E(ξ-Eξ)^n = ∫[-∞,+∞](x-Eξ)^ndF(x)
显然,数学期望(Eξ)是一阶原点矩,而方差(Dξ)则是二阶中心矩。
除了上述“矩”外,还有混合矩(譬如协方差)。这些都是重要的数字特征,具体将在后续具体分布和实例分析中再作进一步论述。
|