一、随机现象 从亚里士多德时代开始哲学家们就已经认识到随机性在生活中的作用,但直到20世 纪初,人们才认识到随机现象亦可以通过数量化方法来进行研究概率论就是以数量化方法 来研究随机现象及其规律性的一门数学学科而我们学过的微积分等课程则是研究确定性

引例一个纸桶中装有10个大小、形状完全相同的球.将球编号为1—10把球搅匀, 蒙上眼睛从中任取一球因为抽取时这些球被抽到的可能性是完全平等的,所以我们没有理 由认为这10个球中的某一个会比另一个更容易抽得,也就是说这10个球中的任一个被抽 取的可能性均为 这样一类随机试验是一类最简单的概率模型,它曾经是概率论发展初期主要的研究对象

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

第二节离散型随机变量及其概率分布

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

在实际应用中,有些随机现象需要同时用两个或两个以上的随机变量来描述例如,研 究某地区学龄前儿童的发育情况时,就要同时抽查儿童的身高H、体重W,这里,H和W 是定义在同一个样本空间S={e}={某地区的全部学龄前儿童}上的两个随机变量.又如,考 察某次射击中弹着点的位置时,就要同时考察弹着点的横坐标X和纵坐标Y.在这种情况 下,我们不但要研究多个随机变量各自的统计规律,而且还要研究它们之间的统计相依关 系,因而还需考察它们的联合取值的统计规律,即多为随机变量的分布

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:

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

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

前面讨论了随机变量的分布函数,从中知道随机变量的分布函数能完整地描述随机变 量的统计规律性 但在许多实际问题中,人们并不需要去全面考察随机变量的变化情况,而只要知道它的 某些数字特征即可