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

随机变量的数学期望是对随机变量取值水平的综合评价,而随机变量取值的稳定性是 判断随机现象性质的另一个十分重要的指标

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:

§8.1 估计量的优劣标准 §8.2 获得估计量的方法——点估计 §8.3 区间估计 研究参数估计，要解决两个方面的问题： 1.怎样估计参数，即用什么样的办法对参数进行估计； 2.对估计出的参数值用什么标准衡量其优劣程度

§5.1大数定律的概念 §5.2切贝谢夫不等式 §5.3切贝谢夫定理 §5.4中心极限定理

§9.1假设检验的基本概念 §9.2两类错误 §9.3 一个正态总体的假设检验 §9.4 两个正态总体的假设检验

一、连续型随机变量及其概率密度 定义如果对随机变量X的分布函数F(x),存非负可积函数f(x)使得对于任意实数x有 F(x)=(X sx)= s()则称X为连续型随机变量,称f(x)为X的概率密度函数简称为概率密度或密度函数

一、随机变量和分布函数 1.随机变量的概念 基本事件有的是数量性质的,有的不是数量性质,为了更全面,更深入地研究随机现象,需 把试验结果数量化,即在基本事件与数之间建立一种对应关系,我们称这种对应关系为随机变 量

一、两个事件的独立性 定义若两事件A,B满足(AB)=P(A)P(B) (1)则称A,B独立,或称A,B相互独立注:当P(A)>0,P(B)>0时,A,B相互独立与A,B互不相容不能同时成立.但与S既相互独立又互不相容(自证)定理1设A,B是两事件,且P(A)>0,若AB相互独立,则(AB)=P(A).反之亦然定理2设事件A,B相互独立则下列各对事件也相互独立:A与B,A与B,A与B

对一个随机事件A,在一次随机试验中,它是否会发生,事先不能确定但我们可以 问,在一次试验中,事件A发生的可能性有多大并希望找到一个合适的数来表征事件 在一次试验中发生的可能性大小为此,本节首先引入频率,它描述了事件发生的频繁程 度,进而引出表征事件在一次试验中发生的可能性大小的数-概率