问题1极大似然估计具有不变性,矩估计是否也具有? 答否 例如服从反射正态分布,其p.d.f为现用矩法分别对和作估计

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]

问题1数学期望定义中 为何要求绝对收敛? 我们通过一个期望不存在的例子 来说明这个问题 设X的分布律为P=P(X=x)=1/2 其中x=(-1)21kk=1,2…

32二维rv的条件分布 二维离散rv.的条件分布律 设二维离散型rv.(X,y)的分布

为更好地揭示随机现象的规律性并利用数学工具描述其规律,有必要引入随机变量来描述随机试验的不同结果. 例检测一件产品可能出现的两个结果,也可以用一个离散变量来描述 例电脑寿命可用一个连续变量来描述

第四章随机变量的数字特征 4-4协方差 1、定义 COV(, Y)=E(X-EX)(Y-EY)=EXY-EXEY 为随机变量X,Y的协方差.而COV(X,X)=DX COV(X,Y) PDxDy为随机变量XY的相关系数。 Pxy是一个无量纲的量;若pxy=0, 称XY不相关此时COVX,Y)=0 定理:若X,Y独立,则X,Y不相关

第四章随机变量的数字特征 4-5矩 1、定义 若EXk存在,称之为X的k阶原点矩 若E(X-EX)存在,称之为X的k阶中心矩 若E(X-EX)(Y-EY)存在,称之为X和Y的k+1 阶混合中心矩。 所以EX是一阶原点矩,DX是二阶中心矩, 协方差Cov(X,Y)是二阶混合中心矩

第四章随机变量的数字特征 4-2方差 在实际问题中常关心随机变量与均值的 偏离程度,可用EX-EX|,但不方便;所以 通常用E(X-EX)2来度量随机变量X与其均 值EX的偏离程度。 1、定义 设X是随机变量,若E(X-EX)2存在,称其 为随机变量X的方差,记作DX,Var(X),即: DX=Var(X)=E(X-EX) 2.x称为标准差。 DX=E(X-E)2=(x-E)2p,离散型

第二章随机变量及其分布 2-2离散型随机变量 一.离散型随机变量的概念与性质 离散型随机变量的定义 如果随机变量X的取值是有限个或可列无穷个,则称为离散型随机变量

在客观世界中普遍存在着变量之间的关系.变 量之间的关系一般来说可分为确定性的与非 确定性的两种.确定性关系是指变量之间的关 系可以用函数关系来表达的.另一种非确定性 的关系即所谓相关关系.例如人的身高与体重 之间存在着关系,一般来说,人高一些,体重要 重一些,但同样高度的人,体重往往不相同.人 的血压与年龄之间也存在着关系