一、随机变量和分布函数 1.随机变量的概念 基本事件有的是数量性质的,有的不是数量性质,为了更全面,更深入地研究随机现象,需 把试验结果数量化,即在基本事件与数之间建立一种对应关系,我们称这种对应关系为随机变 量

 §3.1 二维随机变量  §3.2 边缘分布  §3.3 条件分布  §3.4 相互独立的随机变量  §3.5 两个随机变量的函数的分布

第四讲随机变量的数字特征 内容提要 (1)随机变量的数学期望(直接计算,随机变量函数的期望,期望的性质)方差(直接计算,性质) (2)协方差、协方差矩阵与相关系数(计算,性质) (3)矩和混合矩 (4)常见分布的期望与方差

第一单元随机变量概念 一、学习目标 通过本节课的学习,知道如何用实数描述随机事件,进而掌握随机变量概念. 二、内容讲解 随机事件

2.3连续型随机变量 一、连续型rv的概念 定义设是随机变量,若存在一个非负可积函数(x),使得 其中F(x)是它的分布函数则称x是连续型rv,f(x)是它的概率 密度函数(p.d.f.),简记为df

第八章随机变量的数字特征 随机变量是按一定的规律(即分布)来取值 的.实用上,有时并不需要了解这个规律的 全貌,而只需要知道它的某个侧面.这时, 往往可以用一个或几个数字来描述这个侧 面.这种数字是按分布而定的,它部分地描 述了分布的性态.称这种数字为随机变量 的数字特征.本章介绍最常用的几个数字 特征

4.4协方差和相关系数 问题对于二维随机变量(X,Y): 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

3-1二维随机变量 1、二维随机变量 2、联合分布函数 3、联合分布律 4、联合概率密度

2.3连续型随机变量 连续型rv的概念 定义设是随机变量,若存在一个非负 可积函数(x),使得 其中F(x)是它的分布函数 则称x是连续型rv,f(x)是它的概率 密度函数(p.d.f.),简记为df

定性的思考 通常人们在研究单个的随机变量的时候,并 不关心它们的分布,而是关心它们的数学期 望和方差,这也是因为分布携带了太多的信 息,很难给人们一个快捷的印象. 而人们在研究两个随机变量的关系的时候, 也不关心它们的联合分布,这是携带了更多 信息的内容.人们关心的是,这两个随机变 量是联系非常紧密呢?还是毫无关系?即相 互独立?人们希望用一个数字就能够在相当 程度上描述两个随机变量的联系程度