分布函数的定义及其性质 连续型随机变量的定义及其概率密度的性质 几种重要的连续型随机变量

定义若随机变量X的可能取值是有限 个或可列个,则称Ⅹ为离散型随机变量 描述ⅹ的概率特性常用概率分布或分布律

一、连续型随机变量的概念 定义设X是随机变量,若存在一个非负可积函数f(x),使得

§1.1 随机事件 §1.2 概率的定义 §1.3 条件概率、全概率公式和贝叶斯公式 §1.4 事件的独立性 §1.5 伯努利（Bernoulli）概型

假设检验是指施加于一个或多个总体的 概率分布或参数的假设.所作的假设可以是 正确的,也可以是错误的 为判断所作的假设是否正确,从总体中 抽取样本,根据样本的取值,按一定的原则 进行检验,然后,作出接受或拒绝所作假设 的决定

定理1独立同分布的中心极限定理 设随机变量序列X,X2,Xn 独立同一分布,且有期望和方差: E(X)=,D(X)=2>0,k=12,… 则对于任意实数x

分布函数能完整地描述随机变量的统 计特性,但实际应用中,有时并不需要知道 分布函数而只需知道随机变量的某些特征 例如: 判断棉花质量时,既看纤维的平均长度 又要看纤维长度与平均长度的偏离程度 平均长度越长,偏离程度越小,质量就越好;

问题已知(x,Y)的枧率分布 g(x,y)为已知的二元函数 求Z=g(X,Y)的概率分布 方法转化为(X,Y)事件

一、随机变量及其分布 二、离散型随机变量的分布函数 三、离散型随机变量的概率函数 四、连续型随机变量及其概率密度 五、随机变量的函数的分布

对于同一个未知参数不同的方法得到 的估计量可能不同,于是提出问题 应该选用哪一种估计量?