3-1二维随机变量 1、二维随机变量 2、联合分布函数 3、联合分布律 4、联合概率密度

7.3区间估计 引例已知X~N(μ,1) μ的无偏、有效点估计为 常数 随机变量 不同样本算得的μ的估计值不同, 因此除了给出μ的点估计外,还希望根据 所给的样本确定一个随机区间,使其包含 参数真值的概率达到指定的要求

定义2.5如果每次试验的结果对应着一组确 定的实数(1525),它们是随试验结果 不同而变化的n个随机变量,并且对任何一 组实数x12xn事件 \515x25xn\有确定的概率,则称 n个随机变量的整体(525)为一个n元 随机变量(或n元随机向量) 定义2.6称n元函数

问题已知(x,Y)的枧率分布 g(x,y)为已知的二元函数 求Z=g(X,Y)的概率分布 方法转化为(X,Y)事件

什么是参数估计? 参数是刻画总体某方面概率特性的数量. 当此数量未知时,从总体抽出一个样本, 用某种方法对这个未知参数进行估计就 是参数估计

对二维rv.除每个rv各自的概率特 性外,相互之间可能还有某种联系 怎样用一个数去反映这种联系? 数E(-(X)[-E(Y) 便反映了r.v.X,Y之间的某种关系

一、矩估计法 矩估计法的基本思想是用样本矩估计总体矩因为由在数定理知,当总体的k阶矩存在 时样本的k阶矩依概率收敛于总体的k阶矩例如,可用样本均值作为总体均值E(X)的 估计量,一般地

什么是参数估计? 参数是刻画总体某方面概率特性的数量 当此数量未知时,从总体抽出一个样本, 用某种方法对这个未知参数进行估计就 是参数估计

一．事件的关系 1．包含和相等： 包含：记为 A ⊂ B，称为 B 包含 A。表示 A 发生必然导致 B 发生

连续型随机变量的概率密度 1)定义:如果对于随机变量 X 的分布函数 F(x)存在非负函数 ϕ( ) x ，使对于任意实数 x, x ∈R