一：期望

引入：

1.1离散型随机变量的期望

注：其实是在等概率的基础上引申来的，等概率下的权重都是1/N。

1.2连续型随机变量的期望

注：因为对于连续性随机变量其某一点的概率是无意义的，所以要借用密度函数，详情见：
https://blog.csdn.net/qq_37534947/article/details/109563254，其实就是一个期望累计的过程。

1.3期望的性质

注：其中第三个性质，可以把所有的X+Y的各种情况展开，最后得出的结果就是这样的。

二：随机变量函数（复合随机）的数学期望

1.理解

注：其实就是复合随机变量的期望，对于离散型，其主要是每个值增加了多少倍/减少了多少倍，但是概率不变，所以公式见上面；对于连续性随机变量，其实是一样的，每个点的概率没有变，所以就是变量本身的值发货所能了改变。

三：方差

引入的意义：

求每次相对于均值的波动：

求波动的平方和：

定义：

注：其实就是对X-E(X)方 ，求均值其实就是方差，注意这里的均值也是加权平均，所以方差其实就是一种特殊的期望。

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方差的性质

注：3）4）5）等性质可以套入定义中就可以得到，这里不多说；对于独立以及协方差见后；8）的证明如下

四：协方差

4.1定义

注：这里和之前一个变量对比，之前是一个变量的偏移后进行平方，然而这里是两个变量平移后进行相乘。

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性质

注：了解即可……

4.5协方差矩阵

五：相关系数

所以：独立必不相关，但不相关不一定独立，因为这里的不相关指的是线性不相关，可能会有其他非线性关系，具体例子找到再补充-------。