4.1一维特征函数的定义及性质 一、特征函数的定义及例

5.2中心极限定理 定理一林德伯格-列维中心极限定理(Lindberg-levi) 【独立同分布的中心极限定理] 定理二棣莫弗-拉普拉斯中心极限定理(De Moivre-Laplace-) 【二项分布以正态分布为极限分布]

2.1条件概率、乘法定理 在实际问题中,除了要考虑事件A的概率P(A)而外, 还要考虑事件A在“某事件B已经发生”这一附加条 件下的概率.这样的概率,人们称之为条件概率,记 为P(A|B).相应地,将P(A)称为无条件概率

在科学试验、生产实践和社会生活中,影响一个事件的因素往往很多。例如,在工业 生产中,产品的质量往往受到原材料、设备、技术及员工素质等因素的影响;又如,在工 作中,影响个人收入的因素也是多方面的,除了学历、专业、工作时间、性别等方面外, 还受到个人能力、经历及机遇等偶然因素的影响.虽然在这众多因素中,每一个因素的改 变都可能影响最终的结果,但有些因素影响较大,有些因素影响较小故在实际问题中

上节中我们讨论单正态总体的参数假设检验,基于同样的思想,本节将考虑双正态总 体的参数假设检验.与单正态总体的参数假设检验不同的是,这里所关心的不是逐一对每 个参数的值作假设检验,而是着重考虑两个总体之间的差异,即两个总体的均值或方差是 否相等

与其他总体相比,正态总体参数的置信区间是最完善的应用也最广泛。在构造正态总体参数的置信区间的过程中,t分布、x2分布、F分布以及标准正态分布N(1扮演了重要角色

在实际应用中,有些随机变量往往是两个或两个以上随机变量的函数例如,考虑全 国年龄在40岁以上的人群,用X和Y分别表示一个人的年龄和体重,Z表示这个人的血 压,并且已知Z与X,Y的函数关系式 Z=8(X,), 现希望通过(X,Y)的分布来确定Z的分布.此类问题就是我们将要讨论的两个随机向量函 数的分布问题 在本节中,我们重点讨论两种特殊的函数关系:

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

一、条件分布的概念 设X是一个随机变量,其分布函数为 Fx(x)=p{xx},-∞