23.03 离散型随机变量及其数字特征

🟦 离散型随机变量及其数字特征

核心心法

“分布定全局，期望定中心，方差定波动”。离散型随机变量的分布列是其灵魂，它完整描述了所有可能结果及其发生的概率；而数学期望和方差则是描述这一随机现象的两大核心指标。掌握线性变换下的数字特征变化规律（$aE(X)+b$ 与 $a^{2}D(X)$），是快速处理复杂统计问题的关键。

---

一、 离散型随机变量及其分布列

1. 随机变量 (Random Variable)

• 概念：对样本空间 $\Omega$ 中每个样本点 $\omega$，都有唯一实数 $X(\omega )$ 对应。
• 分类：
  • 离散型：取值可以一一列举（如：投掷骰子的点数）。
  • 连续型：取值无法列举，充满一个区间（如：摄入卡路里数值）。

2. 分布列 (Probability Distribution)

对于离散型随机变量 $X$，其取值 $x_i$ 对应的概率 $P(X=x_i)=p_i$：

$X$	$x_1$	$x_2$	$\dots$	$x_i$	$\dots$	$x_n$
$P$	$p_1$	$p_2$	$\dots$	$p_i$	$\dots$	$p_n$

• 性质：
  1. 非负性：$p_i\ge 0$。
  2. 规范性：${\sum }_{i=1}^n{p}_i=1$。

---

二、 离散型随机变量的数字特征

1. 数学期望 (Mathematical Expectation)

• 定义：反映 $X$ 取值的平均水平。 $E(X)={\sum }_{i=1}^n{x}_i{p}_i=x_1{p}_1+x_2{p}_2+\cdots +x_n{p}_n$
• 线性变换：若 $Y=aX+b$，则： $E(aX+b)=aE(X)+b$

2. 方差与标准差 (Variance & Standard Deviation)

• 方差定义：反映 $X$ 偏离均值的波动程度。 $D(X)={\sum }_{i=1}^n(x_i-E(X){)}^2{p}_i$
• 标准差：$\sigma (X)=\sqrt{D(X)}$。
• 线性变换： $D(aX+b)=a^{2}D(X)$

---

🚀 深度拓展：方差的简化计算公式

在实际计算中，直接使用定义式往往计算量巨大，通常使用简化公式： $D(X)=E(X^2)-[E(X){]}^2$

🔍 公式证明：

D(X) &= \sum_{i=1}^{n}(x_i-E(X))^2p_i \\ &= \sum_{i=1}^{n}[x_i^2 - 2x_iE(X) + E^2(X)]p_i \\ &= \sum_{i=1}^{n}x_i^2p_i - 2E(X)\sum_{i=1}^{n}x_ip_i + E^2(X)\sum_{i=1}^{n}p_i \\ &= E(X^2) - 2E(X) \cdot E(X) + E^2(X) \cdot 1 \\ &= E(X^2) - E^2(X) \end{align*}$$ --- ## ⚠️ 考场避坑与做题技巧 > [!TIP] **期望与算术平均值的区别** > > 算术平均值是实验后的样本统计量，而数学期望是实验前的理论预测值。但在实验次数 $n \to \infty$ 时，样本平均值会趋近于期望值。 > [!CAUTION] **方差计算中的“平移不变性”** > > 注意到 $D(aX+b) = a^2D(X)$。这意味着给随机变量加上一个常数 $b$，其方差**保持不变**。因为平移不会改变数据的波动结构，只有伸缩变换（乘 $a$）会改变波动。 > [!IMPORTANT] **$E(X^2)$ 的含义** > > 在简化公式中，$E(X^2)$ 是指取值的平方与其对应概率的乘积之和，即 $\sum x_i^2 p_i$。千万不要把它误认为是 $(E(X))^2$。