概率论与数理统计3-2随机变量函数的数学期望
1
4
9
p( y j ) 0.25 0.40 0.25 0.10
于是数学期望
E(Y ) 0 0.25 1 0.40 4 0.25 9 0.10
2.30.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
（2）设连续随机变量 X的概率密度为 f (x) , 则随机变
可列表如下：
Y g(x1) g(x2 ) g(xn ) p( y) p(x1) p(x2 ) p(xn )
则
E(Y ) Eg(x) g(xi )p(xi ).
i
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
说明：
(1) 一般来说,上表不一定是 Y g( X ) 的概率分布
解：随机变量 X 的概率密度为
所以
f (x) 1π , 0 ,
0 x π; 其它.
E(Y )
sin xf (x)dx
π sin x 1 dx
0
π
1
π
sin xdx
2.
π0
π
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
说明：也可以先求出Y sin X的概率密度
表，但有了这个表格就可以计算 Y 的数学期望.
例如：
设 g(xi ) g(xj ) yk , 则由加法定理有
此时
P(Y yk ) p(xi ) p(x j ),
yk P(Y yk ) yk[ p(xi ) p( y j )]
g(xi ) p(xi ) g(x j ) p(x j ).
补充例题
[例1] 设X 服从参数为1的指数分布,求 E( X e2X ) . 解： 已知 X ~ e(1) , 则 X 的概率密度为
ex , x 0 ; f (x)
0, x 0 . 则
E( X e2X ) (x e2x ) ex dx 0
E(g( X )) g(xi )p(xi ).
i
若 X 为一维连续随机变量，且 Y g( X ) ,则
E[g(X )] g(x) f (x)dx.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
二维情形
若 (X ,Y )为二维离散随机变量，且 Z g(X ,Y ) , 则
fY ( y) π
2, 1 y2
0 ,
再计算数学期望
0 y 1; 其它.
E(Y )
1
y 0π
2 dy 1 y2
2 1 π0
y dy 1 y2
2. π
但这样麻烦，从例1、例2 知： 计算随机变量函数的 数学期望不必求随机变量函数的分布.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
E[g( X ,Y )] g(xi , y j ) p(xi , y j )
ij
若(X ,Y )为二维连续随机变量，且 Z g(X ,Y ) ,则
E[g( X ,Y )] g(x , y) f (x , y)dxdy
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
ij
（2） 设二维连续随机变量( X ,Y )的联合概率密度为
f (x , y) , 则随机变量函数 g( X ,Y )的数学期望为
Eg(X ,Y )
g(x , y) f (x , y)dxdy.
注：假定上面的级数与反常积分都是绝对收敛的.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
量的函数 Y g( X ) 的数学期望定义为
E(Y
)
Eg
(
X
)
g
(x)
f
( x)dx.
注：假定这个反常积分是绝对收敛的.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
[例2] 设随机变量 X在区间 0 , 上服从均匀分布，
求随机变量函数Y sin X的数学期望.
结束
§3.2 随机变量函数的数学期望
[例3] 设二维随机变量( X ,Y )的联合概率密度为：
f
(x
,
y)
π(
x2
8 y2
1)3
,
x 0,y 0;
0
,
其它.
求随机变量函数 Z X 2 Y 2 的数学期望.
解： E(Z) E(X 2 Y 2 )
0
(x2
0
y2)
ห้องสมุดไป่ตู้
π( x 2
8 y2
(2) 若 X的可能值为一个可数无穷集合时,公式的右
边为级数. 假定这个级数是绝对收敛的.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
[例1] 设随机变量X 的概率分布为
X 2 1 0 1 2 3 p(xi ) 0.10 0.20 0.25 0.20 0.15 0.10 求随机变量函数 Y X 2的数学期望.
第三章 随机变量的数字特征
§3.2 随机变量函数的数学期望
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
1.一维随机变量函数的数学期望
（1） 设离散随机变量X 的X 概率分布为
X
x1
x2
xn
p(xi ) p(x1) p(x2 ) p(xn )
则随机变量 Y g( X ) 的可能值与取得这些值的概率
解：直接按公式计算
E(Y ) (2)2 0.10 (1)2 0.20 02 0.25 12 0.20 22 0.15 32 0.10
2.30.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
另解：先求随机变量 Y X 2的概率分布
Y X2 0
1)3
dxdy
8 π
0
0
x2 (x2
y2 y2
1)3dxdy
8
π
2 d
0
0
(r
r2 2
1)3
rdr
8π1 π24
1.
概率论与数理统计教程（第四版）
目录
上一页 下一页
返回
结束
§3.2 随机变量函数的数学期望
小结
一维情形
若 X 为一维离散随机变量，且 Y g( X ) ,则
结束
§3.2 随机变量函数的数学期望
2.二维随机变量函数的数学期望
（1） 设二维离散随机变量( X ,Y )的联合概率函数为 p(xi , y j ) , i 1 ,2 j 1 ,2
则随机变量函数 g( X ,Y ) 的数学期望为
Eg( X ,Y ) g(xi , y j ) p(xi , y j ).
概率论与数理统计 --- 第四章{随机变量的数字特征} 第一节：数学期望
这个数能否作为 X的平均值呢？
若统计100天,
可以想象, 若另外统计100天, 车工小张不出废品, 这另外100天每天的平均废品数也不一定是1.27. 一般来说, 若统计n天 ,
(假定小张每天至多出三件废品)
又设飞机机翼受到的正压力W 是V 的函数 : W kV 2 ( k 0, 常数), 求W 的数学期望.
解: 由上面的公式
1 1 2 E (W ) kv f (v )dv kv dv ka a 3 0
2 2
a
例7 设二维连续型随机变量（X , Y）的概率密度为
A sin( x y ) 0 x , 0 y f ( x, y) 2 2 0 其它 (1)求系数A , ( 2)求E ( X ), E ( XY ).
x f ( x )x
i i i
i
阴影面积近似为
这正是:
f ( xi )xi
x f ( x )dx
的渐近和式.
小区间[xi, xi+1)
定义: 设X是连续型随机变量, 其密度函数为 f (x), 如果积分: xf ( x )dx
概率论
绝对收敛, 则称此积分值为X的数学期望, 即:
2. 设二维连续型随机变量 (X, Y) 的联合概率密度为 f (x, y), 则： E ( X )
E (Y )
xf X ( x )dx
yfY
( y )dy
xf ( x , y )dxdy,
概率论与数理统计第一节随机变量的数学期望
2. 连续型随机变量函数的数学期望的求法：
(1)设X的概率密度为f ( x)，则Y g( X )的数学期望为：
EY E[g( X )] g( x) f ( x)dx.
(2) 设( X，Y )的概率密度为f ( x，y)，则Z g( X，Y )的数学期望为：
EZ E[g( X ,Y )] g( x, y) f ( x, y)dxdy.
0
1 3
.
(3)
E(X 2)
x2 f ( x)dx
1 2x3dx
0
1 2
x4
1 0
1 2
.
2. 连续型随机变量函数的数学期望的求法：
(1)设X的概率密度为f ( x)，则Y g( X )的数学期望为：
EY E[g( X )] g( x) f ( x)dx.
(2) 设( X，Y )的概率密度为f ( x，y)，则Z g( X，Y )的数学期望为：
0
0
(
xex
)
0
exdx
0
1
e x
0
1
.
(3) 正态分布N(, 2)的数学期望
设X服从正态分布，其概率密度为：
f (x)
1
( x )2
e
2 2
,
x ,
2
则 EX .
证明：E( X )
xf ( x)dx
＋
x
( x )2
e 2 2 dx
2
令t
x
1
(t
)e
t2 2
dt
甲： 环数 8
9 10 乙： 环数 8
9 10
P 0.4 0.2 0.4
P 0.2 0.5 0.3
《概率论与数理统计》数学期望
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
概率论与数理统计
§4.4 协方差和相关系数
协方差 相关系数 授课内容 例题
§4.4 协方差和相关系数 协方差
1. 定义
§4.4 协方差和相关系数 协方差
2. 协方差的计算公式
概率论与数理统计
§4.1 数学期望
离散型随机变量的数学期望
连续型随机变量的数学期望
授课内容
数学期望的性质
§4.1 数学期望 离散型随机变量的数学期望
1. 定义
§4.1 数学期望 离散型随机变量的数学期望
关于定义的几点说明
(2) 级数的绝对收敛性保证了级数的和不随级数各项次序的改变 而改变 , 之所以这样要求是因为数学期望是反映随机变量X 取可能值 的平均值,它不应随可能值的排列次序而改变.
§4.4 协方差和相关系数 相关系数
3. 不相关的定义
§4.4 协方差和相关系数 相关系数
4. 不相关性的判定
以下四个条件等价 (1) ρ 0; (2)Cov( X ,Y ) 0; (3) D( X Y ) DX DY;
(4)3 随机变量函数的数学期望 二维随机变量函数的数学期望
§4.3 随机变量函数的数学期望 二维随机变量函数的数学期望
一维随机变量函数的数学期望 二维随机变量函数的数学期望 授课内容 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
§4.3 随机变量函数的数学期望 例题
5 .不相关与相互独立的关系
协方差 相关系数 授课内容 例题
§4.4 协方差和相关系数 例题
概率论与数理统计--数学期望EX分析解析课堂
21
均匀分布的期望
分布密度
f (x) ?
?? ?
b
1 ?
a
?? 0
a? x? b 其它
数学期望
? ? E( X) ?
??
xf (x)dx ?
b
x dx ? a ? b
??
a b? a
2
22
正态分布的期望
分布密度
X~ N (μ，σ2）
f (x) ?
1
? ( x? ? )2
e 2? 2
2? ?
数学期望
???
E(X) ? x
1
? ( x? ? )2
e 2? 2 dx
?? 2??
t
?
x?
?
?
??
??? (? t ? ? ) ??
1
? t2
e 2 ?? dt
2??
23
指数分布的期望
分布密度
f ( x)
?
??e?? x
?
?0
x? 0 x? 0
数学期望
? ? E(X) ?
??
xf (x)dx ?
?? x? e? ? xdx
(0 ? x ? 1) 其它
求E（XY ）
f2 ( y)
?
?e? ( y?5) , ? ? 0,
( y ? 5) 其它
? ? 解
?? ??
E[XY)] ?
xyf(x, y)dxdy
?? ??
?? ??
? ? ? ?? ?? xyf1(x) f2 ( y)dxdy
? ? ?
1
dx
??
xy?2x?e? ( y?5)dy
? 若级数 pk xk 绝对收敛， 则称此级数为 k
概率论与数理统计-第4章-第2讲-随机变量函数的数学期望
02 典型例题
应用 设市场上对某种产品每年需求量为X 吨 ，其中X ~ U [200,400],
每出售一吨可赚300元 , 售不出去，则每吨需保管费100元，问应
该组织多少货源, 才能使平均利润最大？
f
X
(
x)
1 200
,
0,
200 x 400, 其它
解 设组织n吨货源, 利润为 Y，
Y
因此只要掌握了期望的计算，所有的数字特征计算都解决了！
概率论与数理统计
学海无涯，祝你成功！
主讲教师 |
01 随机变量函数的数学期望
(1) Y = g(X) 的数学期望
设离散 r.v. X 的概率分布为 P( X xi ) pi , i 1, 2,
若无穷级数 g(xi ) pi 绝对收敛，则 i 1 E(Y ) g(xi ) pi i 1
设连续 r.v. X 的密度为 f (x)
若广义积分 g(x) f (x)dx 绝对收敛, 则
例 设风速V是一个随机变量，它服从（0，a）上的均匀分布，而飞 机某部位受到的压力F是风速V 的函数：
F kV 2
（常数k > 0），求F 的数学期望.
01 随机变量函数的数学期望
如何计算随机变量函数的数学期望?
一种方法是: 因为g(X)也是随机变量，故应有概率分布，它 的分布可以由X的分布求出来. 一旦我们知道了g(X)的分布，就 可以按照期望的定义把E[g(X)]计算出来.
xf (x, y)dxdy
0
0
dx
2xdy 1
1 x1
3
E(3X 2Y )
(3x 2 y) f (x, y)dxdy
0
0
随机变量的数学期望例题和知识点总结
随机变量的数学期望例题和知识点总结在概率论与数理统计中，随机变量的数学期望是一个非常重要的概念。
它反映了随机变量取值的平均水平，具有十分广泛的应用。
接下来，让我们通过一些具体的例题来深入理解随机变量的数学期望，并对相关知识点进行总结。
一、知识点回顾数学期望，简称期望，记作 E(X)。
对于离散型随机变量 X，其概率分布为 P(X ＝ xᵢ) ＝ pᵢ（i ＝ 1, 2, 3,），则数学期望 E(X) ＝Σxᵢpᵢ。
对于连续型随机变量 X，其概率密度函数为 f(x)，则数学期望 E(X) ＝∫xf(x)dx（积分区间为整个定义域）。
数学期望具有以下几个重要性质：1、设 C 为常数，则 E(C) ＝ C。
2、设 X 为随机变量，C 为常数，则 E(CX) ＝ CE(X)。
3、设 X、Y 为两个随机变量，则 E(X ＋ Y) ＝ E(X) ＋ E(Y)。
二、例题解析例 1：掷一枚均匀的骰子，设随机变量 X 表示掷出的点数，求 E(X)。
解：骰子的点数分别为 1, 2, 3, 4, 5, 6，且每个点数出现的概率均为1/6。
则 E(X) ＝ 1×（1/6) ＋ 2×（1/6) ＋ 3×（1/6) ＋ 4×（1/6) ＋ 5×（1/6) ＋ 6×（1/6) ＝ 35例 2：已知离散型随机变量 X 的概率分布如下：｜ X ｜ 0 ｜ 1 ｜ 2 ｜｜｜｜｜｜｜ P ｜ 02 ｜ 05 ｜ 03 ｜求 E(X)。
解：E(X) ＝ 0×02 ＋ 1×05 ＋ 2×03 ＝ 11例 3：设连续型随机变量 X 的概率密度函数为 f(x) ＝ 2x，0 ＜ x ＜1，求 E(X)。
解：E(X) ＝∫0,1 x×2x dx ＝ 2/3例 4：已知随机变量 X 服从参数为λ 的泊松分布，求 E(X)。
解：泊松分布的概率质量函数为 P(X ＝ k) ＝（e^（λ)λ^k) ／ k!E(X) ＝Σk×（e^（λ)λ^k) ／ k! （k 从 0 到正无穷）通过计算可得 E(X) ＝λ三、应用场景数学期望在实际生活中有很多应用。
数学期望
《概率论与数理统计》第四章随机变量的数字特征数学期望：1.随机变量数学期望的定义—连续型E(ξ)=⎰-∞+∞xp(x)dx E(g(ξ))=⎰-∞+∞g(x)p(x)dx 2.二维随机变量(X,Y)的数学期望：连续型E(X)=⎰-∞+∞xf X (x)dx=⎰-∞+∞⎰-∞+∞xf(x,y)dxdy E(Y)=⎰-∞+∞yf Y (y)dy=⎰-∞+∞⎰-∞+∞yf(x,y)dxdy 3.二维随机变量X 的函数Y=g(X)的数学期望：E[g(X,Y)]=⎰-∞+∞⎰-∞+∞g(x,y)f(x,y)dxdy 4.数学期望的性质E(c)=c ,E(a ξ)=a ξ,E(ξ±η)=E ξ±E η若ξ与η相互独立，则E(ξη)=E ξE η方差：1.随机变量方差的定义−−-D(X)=E[X-E(X)]2=EX 2–(EX)2D(X)=⎰-∞+∞[x-E(X)]2f(x)dx 2.方差性质：D(c)=0,D(a ξ)=a 2ξ,D(a ξ+b)=a 2D ξ,D(ξ±η)=D ξ+D η±2cov(ξ,η)若ξ与η相互独立，则D(ξ±η)=D ξ+D η协方差：1.ξ与η的协方差cov(ξ,η)=E[(ξ-E ξ)(η-E η)](或为σξη)2.协方差的性质：cov(ξ,ξ)=D ξcov(ξ,η)=cov(η,ξ),cov(ξ,c)=0cov(a ξ,b η)=ab cov(ξ,η),cov(ξ,η±ζ)=cov(ξ,η)±cov(ξ,ζ)3.协方差矩阵：设n 维随机变量X 1,X 2,…,X n ,记c ij =cov(X i ,X j )，则称阶矩阵C=(c ij )n ⨯n 为X 1,X 2,…,X n 的协方差矩阵例1：设ξ的密度函数p(x)=2x ∈[1，3]其它求：E ξ[解]∵1=⎰-∞+∞p(x)dx ∴c=3/2;E ξ=⎰-∞+∞xp(x)dx=⎰13x 32x 2dx=32lnx=32ln3.例2设x 1，x 2是随机变量ξ的两个任意取值，证明：E[(ξ-x 1+x 22)2]≥D ξ。
概率论与数理统计期末复习重要知识点及公式整理
概率论与数理统计期末复习重要知识点及公式整理2010-2011学年第一学期期末复习资料概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量XP{X x1}p,P{X x2}1p只有两个可能取值，且其分布为(0p1)，则称X服从x1,x2处参数为p的两点分布。
两点分布的概率分布：两点分布的期望：（2）二项分布：P{X x1}p,P{X x2}1p(0p1) E(X)p；两点分布的方差：D(X)p(1p)若一个随机变量X的概率分布由式给出，则称X服从参数为n,p的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：二项分布的期望：（3）泊松分布：P{x k}Cnp(1p)kkn kkkn k,k0,1,...,n. P{x k}Cnp(1p),k0,1,...,n. E(X)np；二项分布的方差：D(X)np(1p)kP{X k} e若一个随机变量X的概率分布为数为的泊松分布，记为X~P () k!,0,k0,1,2,...，则称X服从参P{X k} e泊松分布的概率分布：泊松分布的期望：4.连续型随机变量：kk!,0,k0,1,2,... E(X)；泊松分布的方差：D(X)如果对随机变量X的分布函数F(x)，存在非负可积函数F(x)P{X x}f(x)，使得对于任意实数x，有xf(t)dt，则称X为连续型随机变量，称f(x)为X的概率密度函数，简称为概率密度函数。
2010-2011学年第一学期期末复习资料5.常用的连续型分布：（1）均匀分布：1,若连续型随机变量X的概率密度为f(x)b a 0,a x b其它，则称X在区间（a,b）上服从均匀分布，记为X~U(a,b)1,均匀分布的概率密度：f(x)b a0,a b2a xb 其它均匀分布的期望：（2）指数分布：E(X)；均匀分布的方差：D(X)(b a)122e xf(x)0若连续型随机变量X的概率密度为x00，则称X服从参数为的指数分布，记为X~e ()x0e xf(x)0指数分布的概率密度：指数分布的期望：（3）正态分布：E(X)1；指数分布的方差：D(X)2f(x)(x)222x若连续型随机变量X的概率密度为则称X服从参数为和22的正态分布，记为X~N(,)(x)222f(x)正态分布的概率密度：正态分布的期望：E(X)xD(X)x22；正态分布的方差：（4）标准正态分布：0,21(x)，2(x)xet22标准正态分布表的使用：（1）x0(x)1(x)2010-2011学年第一学期期末复习资料X~N(0,1)P{a x b}P{a x b}P{a x b}P{a x b}(b)(a)X~N(,),Y2（2）X（3）P{a X b}P{a~N(0,1),F(x)P{X x}P{X故b}(b)(a)x(x) Y2Y定理1：设X~N(,),则X~N(0,1)6.随机变量的分布函数：设X是一个随机变量，称分布函数的重要性质：0F(x) 1P{x1X x2}P{X x2}P{X x1}F(x2)F(x1)x1x2F(x1)F(x2)F()1,F()0F(x)P{X x}为X的分布函数。
概率论与数理统计PPT课件第四章数学期望与方差
在回归分析中，数学期望和方差 等统计指标用于描述因变量和自 变量之间的关系，以及预测未来
的趋势。
假设检验
在假设检验中，数学期望和方差等 统计指标用于比较两组数据或样本 的差异，判断是否具有显著性。
方差分析
方差分析利用数学期望和方差等统 计指标，分析不同组别或处理之间 的差异，确定哪些因素对数据变化 有显著影响。
质量控制
统计分析
在统计分析中，方差分析是一种常用 的统计方法，通过比较不同组数据的 方差，可以判断它们是否存在显著差 异。
在生产过程中，方差用于度量产品质 量波动的程度，通过控制产品质量指 标的方差，可以提高产品质量稳定性。
03
期望与方差的关系
期望与方差的关系式
期望值是随机变量取值的平均数 ，表示随机变量的“中心趋势”
方差的性质
方差具有可加性
当两个随机变量相互独立时，它们组 合而成的随机变量的方差等于它们各 自方差的线性组合。
方差与期望值的关系
方差与期望值之间存在一定的关系， 如方差等于期望值减去偏差的平方和 再求平均值。
方差的应用
风险评估
在金融和经济学中，方差被用来度量 投资组合的风险，通过计算投资组合 中各个资产的方差和相关系数，可以 评估投资组合的整体风险。
期望与方差的拓展
期望与方差在金融中的应用
金融风险评估
利用数学期望和方差计算 金融资产的风险，评估投 资组合的风险和回报。
资产定价
利用数学期望和方差等统 计指标，对金融资产进行 定价，确定其内在价值。
保险精算
通过数学期望和方差等统 计方法，评估保险产品的 风险和回报，制定合理的 保费和赔付方案。
期望与方差在统计学中
期望与方差在其他领域的应用
概率论与数理统计-数学期望_图文
因每个球落入每个盒子是等可能的均为1/M, 所以，对第i 个盒子，一个球不落入这个盒子 内的概率为(1-1/M)。故N个球都不落入这个 盒子内的概率为(1-1/M)n ，即
最常用的数字特征是：期望和方差。
第四章 数字特征
§4.1 数学期望
4.1.1 离散型随机变量的数学期望 概念引入：
某车间对工人生产情况进行考察，车工 小张每天生产的废品数 X 是一个随机变量 。如何定义 X 的平均值？
若统计了100天小张生产产品的情况，发现 ： 32天没有出废品；30天每天出一件废品； 17天每天出两件废品；21天每天出三件废品。
可以得到这n天中，每天的平均废品数为
这是以频率为 权的加权平均
由频率与概率的关系，
不难想到：求废品数X的平 均值时，用概率替代频率， 得平均值为：
这样，就得到一个确定的数
这是以概率为 权的加权平均
——随机变量X的期望(均值) 。
定义1: 设X是离散型随机变量, 概率分布为 P{X=xk}=pk , k=1,2, …。
解：设组织货源 t 吨。显然，应要求
2000≤t ≤4000。国家收益Y(单位:万元)是X
的函数Y=g(X)。表达式为
由已知条件, 知X的概率密度函为
可算得当 t = 3500 时， E(Y)=-2t2 + 14000t-8000000
达到最大值 1.55×106。 因此，应组织3500吨货源。
概率论与数理统计-数学期望_图文.ppt
前面讨论了随机变量及其分布。 如果我 们知道了随机变量 X 的概率分布，那么，关 于 X 的全部概率特征也就知道了。
然而，在实际问题中，概率分布是较难 确定的。且有时在实际应用中，我们并不需 要知道随机变量的所有性质，只要知道其一 些数字特征就够了。