常见分布的期望和方差
概率与数理统计重点摘要
1、正态分布的计算：()()()X F x P X x μ
σ-=≤=Φ。

2、随机变量函数的概率密度：X 是服从某种分布的随机变量，求()Y f X =的概率密度：()()[()]'()Y X f y f x h y h y =。

（参见P66～72）
3、分布函数(,)(,)x y
F x y f u v dudv -∞-∞=⎰⎰具有以下基本性质：
⑴、是变量x ，y 的非降函数；
⑵、0(,)1F x y ≤≤，对于任意固定的x ，y 有：(,)(,)0F y F x -∞=-∞=；
⑶、(,)F x y 关于x 右连续，关于y 右连续；
⑷、对于任意的11221212(,),(,),,x y x y x x y y <<　
　，有下述不等式成立： 22122111(,)(,)(,)(,)0F x y F x y F x y F x y --+≥
4、一个重要的分布函数：1(,)(arctan )(arctan )23
x y F x y πππ2=++22的概率密度为：22226(,)(,)(4)(9)f x y F x y x y x y π∂==∂∂++ 5、二维随机变量的边缘分布：
边缘概率密度：()(,)()(,)X Y f x f x y dy f y f x y dx
+∞-∞
+∞-∞==⎰
⎰
边缘分布函数：()(,)[(,)]()(,)[(,)]x X y Y F x F x f u y dy du F y F y f x v dx dv
+∞
-∞
-∞+∞-∞-∞=+∞==+∞=⎰⎰⎰⎰ 二维正态分布的边缘分布为一维正态分布。

6、随机变量的独立性：若(,)()()X Y F x y F x F y =则称随机变量X ，Y 相互独立。

简称X 与Y 独立。

7、两个独立随机变量之和的概率密度：()()()()()Z X Y Y X f z f x f z x dx f y f z y dy +∞
+∞
-∞-∞=-=-⎰⎰其中Z ＝X ＋Y
8、两个独立正态随机变量的线性组合仍服从正态分布，即22221212(,Z aX bY N a b a b μμσσ=+++)。

9、期望的性质：……（3）、()()()E X Y E X E Y +=+；（4）、若X ，Y 相互独立，则()()()E XY E X E Y =。

10、方差： 22
()()(())D X E X E X =-。

若X ，Y 不相关，则()()()D X Y D X D Y +=+，否则()()()2(,)D X Y D X D Y Cov X Y +=++，()()()2(,)D X Y D X D Y Cov X Y -=+-
11、协方差：(,)[(())(())]Cov X Y E X E X Y E Y =--，若X ，Y 独立，则(,)0Cov X Y =，此时称：X 与Y 不相关。

12
、相关系数：(,)()()XY Cov X Y X Y ρσσ==1XY ρ≤，当且仅当X 与Y 存在线性关系时1XY ρ=，且1,b>0;1,b<0XY ρ⎧=⎨-⎩
　当 当。

13、k 阶原点矩：()k k v E X =，k 阶中心矩：[(())]k k E X E X μ=-。

14、切比雪夫不等式：{}{}22()
()(),()1D X D X P X E X P X E X εεεε-≥≤-<≤-或。

贝努利大数定律：0lim 1n m P p n ε→⎧⎫-<=⎨⎬⎩⎭。

15、独立同分布序列的切比雪夫大数定律：因2111n i i P X n n σμεε2
=⎧⎫-<≥-⎨⎬⎩⎭∑，所以011lim 1n i n i P X n με→=⎧⎫-<=⎨⎬⎩⎭
∑　。

16、独立同分布序列的中心极限定理：
(1)、当n 充分大时，独立同分布的随机变量之和1n n i i Z X
==∑的分布近似于正态分布2
(,)N n n μσ。

20、关于正态总值均值及方差的假设检验，参见P243和P248。