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 4-1数学期望 例1:某班有N个人,其中有n个人为a1分,i=1,2,…k, ∑n=N,求平均成绩

第三章随机变量及其分布 3-5多维随机变量函数的分布 一和的分布 例1 设二维离散型随机变量(X,Y)的联合分布律为

1点估计 设总体X的分布函数F(x)的形式为已知,θ是待估参数。 X1…Xn是X的一个样本,x1…xn是相应的样本值。 点估计问题: 构造一个适当的统计量(X1…,Xn),用它的观察值 0(x1,…xn)来估计未知参数 我们称(X1,…,Xn)为0的估计量;称0(x1,xn) 为θ估计值

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… 则xP=(11k k=1 k=1 =1-1/2+1/3-1/4+…=ln2.(J) 2

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

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

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

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

复习 复变函数 复数的运算计算幅角要注意z在复平面所在的象限例复变函数的一个重要方面,就是说明实变函数的微积分的许多结论,复变函数也照样用. 例如,在实变函数中函数的导数有在实变函数中,一些函数可以按泰勒级数展开,例如在复变函数中结果也一样: 复变函数还可以展开为洛朗级数,如实变函数中的定积分经常用牛莱公式计算的