基本概念 用点估计来估计总体参数,即使是无偏有效 的估计量,也会由于样本的随机性,从一个 样本算得估计量的值不一定恰是所要估计 的参数真值.而且,即使真正相等,由于参数 值本身是未知的,也无从肯定这种相等.到 底二者相差多少呢?这个问题换一种提法就 是,根据估计量的分布,在一定的可靠程度 下,指出被估计的总体参数所在的可能数值 范围.这就是参数的区间估计问题

问题的提出 人们经常遇到的问题是如何选取样本以及 根据样本来对总体的种种统计特征作出判 断。实际工作中碰到的随机变量(总体)往 往是分布类型大致知道,但确切的形式并不 知道,亦即总体的参数未知.要求出总体的 分布函数F(x)(或密度函数p(x))就等于要根 据样本来估计出总体的参数.这类问题称为 参数估计

总体 总体是指的一个随机变量X 、 样本 样本是指的与总体X的分布完全一样的n个 相互独立的一组随机变量Xx2n其中n 称为样本容量、而对样本做一次观察得到的具体的试验数 据,称作样本值,用小写字母1x2xn表示

绪论 人们通常将自然界或社会中出现的现象分成二类: 一类是必然的 necessity, inevitability, 一类是偶然的 chanciness, casulness, chance, fortuity, randomly

切贝谢夫不等式 设随机变量ξ有期望值Eξ及方差Dξ,则任给

二元正态分布 定义若二元连续型随机变量(ξ,n)的联合概率 密度为

本讲重点: 正确认识系统设计的基本原则,掌握简单任 务分析的一般流程,尝试自己制定方案; 对所举应用实例能消化理解,对部分模块能 独立编程实现

例1某班有学生23名,其中有5名女同学,今从 班上任选4名学生去参观展览,被选到的女同 学数ξ是一个随机变量,求ξ的分布 解ξ可取0,1,2,3,4,这5个值,相应概率为

定性的思考 通常人们在研究单个的随机变量的时候,并 不关心它们的分布,而是关心它们的数学期 望和方差,这也是因为分布携带了太多的信 息,很难给人们一个快捷的印象. 而人们在研究两个随机变量的关系的时候, 也不关心它们的联合分布,这是携带了更多 信息的内容.人们关心的是,这两个随机变 量是联系非常紧密呢?还是毫无关系?即相 互独立?人们希望用一个数字就能够在相当 程度上描述两个随机变量的联系程度

例1两封信随机投向1,2,3,4四个信箱,代表头两个信箱里的信数目,求在第2个邮箱里 有一封信条件下第一个邮箱内信数的平均数. 解因已经计算出