▪ 离散随机变量的概率函数 ▪ 离散随机变量概率分布的表示方法

(I)概率密度函数 设二维随机向量(X,Y)的分布函数为 F(x,y).如果存在一个非负函数f(x,y),使得对任 意实数x,y,总有 则称(X,Y)为连续型随机向量概率密度函数,简称概率密度

连续型随机变量X所有可能取值充满 个区间,对这种类型的随机变量,不能 象离散型随机变量那样,以指定它取每个 值概率的方式,去给出其概率分布,而是 通过给出所谓“概率密度函数”的方式. 下面我们就来介绍对连续型随机变量 的描述方法

随机变量的概念在概率论和数理统计中具有基本的 重要性，随机变量的引入，使对随机现象的研究规范化 和数量化，从而可以把数学分析的方法引入概率论。 在实际问题中广泛存在着随机变量。它通常被分成 两大类。如果 可能取的值是有限个或至多可列 个，则称 为离散型随机变量；非离散型的范围 太广，其中最主要的也是实际问题中最常见的是连续 型随机变量

• 贝叶斯推理提供了一种概率手段，基于如下的 假定：待考察的量遵循某概率分布，且可根据 这些概率及已观察到的数据进行推理，以作出 最优的决策。 • 贝叶斯推理为衡量多个假设的置信度提供了定 量的方法 • 贝叶斯推理为直接操作概率的学习算法提供了 基础，也为其他算法的分析提供了理论框架

一、连续型随机变量及其概率密度的定义 二、概率密度的性质 三、三种重要的连续型随机变量 四、小结 布置作业

2.1随机过程的基本概念和例子 定义2.1.1:设(,F,P)为概率空间,T是某参数集,若对每一个t∈T,(tw 是该概率空间上的随机变量,则称X(t,w)为随机过程(Stochastic Process 随机过程就是定义在同一概率空间上的一族随机变量。随机过程X(tw)可 以看成定义在TxQ上的二元函数,固定wo∈Ω,即对于一个特定的随机试验, 称X(t,wo)为样本路径(Sample Path),或实现(realization),这是通常所观测到的 过程;另一方面,固定t∈T,X(to,w)是一个随机变量,按某个概率分布随机 取值

概率论第二章习题参考解答 1.用随机变量来描述掷一枚硬币的试验结果写出它的概率函数和分布函数 解:假设=1对应于\正面朝上”,=0对应于反面朝上.则

本章在介绍概率论中最基本的两个概念－事件、概率的基础上，重点介绍科学研究中常用的几种随机变量的概率分布－正态分布、二项分布、波松分布以及样本平均数的抽样分布和t分布

4.1 二项分布 4.2 超几何分布 4.3 普哇松分布 4.4 指数分布 4.5 Γ-分布 4.6 正态分布