随机变量的概念在概率论和数理统计中具有基本的 重要性，随机变量的引入，使对随机现象的研究规范化 和数量化，从而可以把数学分析的方法引入概率论。 在实际问题中广泛存在着随机变量。它通常被分成 两大类。如果 可能取的值是有限个或至多可列 个，则称 为离散型随机变量；非离散型的范围 太广，其中最主要的也是实际问题中最常见的是连续 型随机变量

用来刻画随机变量的特征的量，叫做随机变量的数 字特征。这些数字特征虽不能完整地描述随机变量的统 计规律，但刻画了随机变量在某些方面的重要特征。 随机变量的常用的几个数字特征为：数学期望、方 差、标准差、协方差、相关系数、矩和协方差矩阵

连续型随机变量的分布 一随机变量的分布函数是描述任何类型的 随机变量的变化规律的最一般的形式,但 由于它不够直观,往往不常用。 比如,对离散型随机变量,用概率函数来 描述即简单又直观。 对于连续型随机变量也希望有一种比分布 函数更直观的描述方式。 这就是今天要讲的“概率密度函数

一、学习目标 通过本节课的学习,知道多个随机变量的期望和方差的性质,以及随机变量之间的协方差、相关系数概念,并会做二维随机变量的协方差和相关系数等简单问题 二、内容讲解 二维随机变量的期望与方差的性质:

§1 随机变量的概念与离散型随机变量 §2 0-1分布和二项分布 §3 泊松分布 §4 随机变量的分布函数 §5 连续型随机变量 §6 均匀分布和指数分布 §7 正态分布 §8 随机变量函数的分布

连续型随机变量X所有可能取值充满 个区间,对这种类型的随机变量,不能 象离散型随机变量那样,以指定它取每个 值概率的方式,去给出其概率分布,而是 通过给出所谓“概率密度函数”的方式. 下面我们就来介绍对连续型随机变量 的描述方法

回归分析的原理及应用 在分析化学,特别是仪器分析中,常常需要做工作曲线(也叫标准曲线,或 校正曲线,或检量线)。例如,原子吸收法中作吸光度和浓度的工作曲线,极谱法 中作波高和浓度的工作曲线等等。在分析化学中所使用的工作曲线,通常都是直 线。一般是把实验点描在坐标纸上,横坐标X表示被测物质的浓度,叫自变量。 大都是把可以精确测量或严格控制的变量(如标准溶液的浓度)作为自变量;纵 坐标y表示某种特征性质(如吸光度、波高等)的量,称因变量,一般设因变量 是一组相互独立、其误差服从同一正态分布N(O,2)的随机变量。然后根据 坐标纸上的这些散点(实验点)的走向,用直尺描出一条直线。这就是分析工作 者习惯的制作工作曲线的方法

§3.1随机变量及分布函数 §3.2连续型随机变量 §3.3多维随机变量及其分布 §3.4随机变量函数的分布

第三节协方差及相关系数 对多维随机变量,随机变量的数学期望和方差只反了各自的平均值与偏离程度,并 没能反映随机变量之间的关系.本节将要讨论的协方差是反映随机变量之间依赖关系的一 个数字特征

2.4随机变量的函数及其分布 一、随机变量的函数 问题的由来 很多实际问题中需要研究以随机变量为自 变量的函数