4.4协方差和相关系数 问题对于二维随机变量(,): 已知联合分布 边缘分布 对二维随机变量除每个随机变量各自 的概率特性外,相互之间可能还有某种联系 问题是用一个怎样的数去反映这种联系 数 反映了随机变量X,Y之间的某种关系

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. 例如,~N(u,o2) 若从2未知,通过构造样本的函数,给出 它们的估计值或取值范围就是参数估计 的内容 点估计区间估计

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

2-4(1)RXk这仅是一个概率 不是所求分布! X1 2...n P 461)3这也不是分布 归一性不成立 44 正确解

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 20 现用矩法分别对和作估计

连续型随机变量的分布 一随机变量的分布函数是描述任何类型的 随机变量的变化规律的最一般的形式,但 由于它不够直观,往往不常用。 比如,对离散型随机变量,用概率函数来 描述即简单又直观。 对于连续型随机变量也希望有一种比分布 函数更直观的描述方式。 这就是今天要讲的“概率密度函数

随机变量的函数的分布 我们常常遇到一些随机变量,它们的分布往往难于直接得到(如滚珠体积的测量值等),但是与它们有关系的另一些随机变量,其分布却是容易知道的(如滚珠直径的测量值).因此,要 研究随机变量之间的关系,从而通过它们之间的关系,由已知的随机变量的分布求出与之有关的另一个随机变量的分布

通常求出随机变量的分布并不是一件容易的事,而人们更关心的是用一些数字来表示随机变量的特点,这些与随机变量有关的数字,就是随机变量的数字特征.最常用的数字特征为数学期望,方差和相关系数

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

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