單隨機變數
跟discrete 版本一樣:多隨機變數
兩個以上的變數的random variable G(X,Y)的期望值,我們需要對joint density與G的乘積做雙重積分:E(X+Y) = E(X) + E(Y)
這個也是跟discrete版本一樣的性質,寫出證明如下,因為這過程中會用到一些觀念,值得寫出來:1. 首先X+Y可以看成g(X,Y) = x+y
所以E(X+Y) = 對 (x+y) * fx,y(x,y) 做雙重積分:
2. 這個雙重積分可以拆成x part和 y part, x part如下:
後面對joint density的y偏積分其實就是density of X,所以上式變成E(X)的定義。
同理y part變成E(Y)的定義,所以E(X+Y) = E(X) + E(Y)。
E(X+Y+Z+...) = E(X) + E(Y) + E(Z) + .....
這個性質也跟discrete版本一樣。Independent X Y, then E(XY) = E(X)*E(Y)
注意一定要independent這個證明也值得寫出來,因為會用到一個性質:independent X Y的joint density可以拆成fx(x)*fy(y):
沒有留言:
張貼留言