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

事件的独立性 定义1.4如果事件A发生的 可能性不受事件B发生与否 的影响,即P(A|B)=P(A),则 称事件A对于事件B独立

再谈试验及样本空间 一次随机试验的所有可能的试验结果所构 成的集合被称作样本空间,而每一个可能 的试验结果构成样本点.样本点的集合A称 作事件,只包含一个样本点的集合{a}被称 作基本事件. 请注意,这里的试验结果实际上是一次试验 的全过程的记录,因此和我们原来的印象中 的试验结果并非一样,并非试验结束时候的 那个结果