本文介绍了1.1离散型随机变量期望值1.2连续型随机变量期望值1.3期望值的性质、2 .随机变量函数(复合随机)数学期望值3 )方差值3.1离散型随机变量方差值3.2连续性随机变量方差值3.3方差值的性质、4.2离散型二维变量方差值的性质
(一)引入：
1.1离散型随机变量的期望
注：其实是根据等概率推导出来的，等概率下的权重都是1/N。
1.2连续型随机变量的期望
注：有连续性随机变量的点的概率是无意义的，所以借用密度函数。 有关详细信息，请参阅https://blog.csdn.net/QQ _ 37534947/article/details/109563254。 其实是希望累计的过程。
1.3预期性质
注意，其中第三个性质可以展开所有X Y的各种情况，最终得到这样的结果。
(2)随机变量函数(复合随机)的数学期望1.理解
注：其实是复合随机变量的期待。 关于离散型，它主要是各值增加了多少倍/减少了多少倍，但概率不变，公式见上面；连续性随机变量实际上是相同的，各点的概率不变，所以变量本身的值可以出厂了。
(三)分散引入的意义：
求出每次相对于平均值变动：
求波动的平方和：
定义：
注：实际上，对于x-e(x )侧，求平均值其实是方差。 请注意，这里的平均值也是加权平均。 所以分散其实是特别的期待。
3.1离散型随机变量的方差
3.2连续性随机变量的方差
3.3方差性质
注(3)4)5)等性质适用于定义即可得到，但在此不涉及； 关于独立和协方差，后8 )的证明如下
四：协方差4.1定义
注意：这里与前面的变量相比，前面是在一个变量的偏移后平方的，这里是平移两个变量进行乘法运算。
4.2离散型二维随机变量的协方差
4.3连续型二维随机变量的协方差
4.4二维随机变量的协方差特性
注：了解后…
4.5协方差矩阵
(五)相关系数所以：独立不一定相关，但也不一定独立。 这里的不相关是指线性不相关，所以有可能具有其他非线性关系。 找到具体例子后补记----。
参考链接：
3359 www.cn blogs.com/big monkey/p/11097322.html