一、二维随机变量的概念及其分布函数 1.概念 定义 1.设是随机试验E的样本空间,X(a),y(a)是定义在上的随机变量,称有序组 (X,)为二维随机变量或二维随机向量,简记为R.v(x,y)。称(Xx2x)为n维随机变量或 n维随机向量

第二单元离散型随机变量 一、学习目标 通过本节课的学习,记住离散型随机变量的定义以及几个常见离散型随机变量,会计算概率分布中的常数和事件的概率. 二、内容讲解 定义3.1离散型随机变量 设X是随机变量,若X可能取有限个值或可列个值,则称X为离散型随机变量,如果离散型随机变量X的可能取值为

离散型随机变量 随机变量的分布函数 连续型随机变量 一维随机变量函数的分布 二维随机变量的联合分布 多维随机变量的边缘分布与独立性 条件分布 多维随机变量函数的分布

一、随机变量的函数 定义如果存在一个函数g(X),使得随机变量XY满足 Y=(X), 则称随机变量Y是随机变量X的函数. 注:在微积分中我们讨论变量间的函数关系时,主要研究函数关系的确定性特征,例 如导数、积分等而在概率论中,我们主要研究是随机变量函数的随机性特征,即由自变量 X的统计规律性出发研究因变量Y的统计性规律

概率统计是研究随机现象统计规律性的学科。所谓随机现象是指在一定条件下，可能 发生也可能不发生的现象，具有不确定性。而另一类必然现象是指在一定条件下，必然发生 的现象，具有确定性。概率统计试图揭示随机现象的统计规律性，即大量重复试验所呈现出 的内在规律性。随机现象可通过随机试验产生，所谓随机试验就是满足下列条件的试验：

在概率论中,我们研究了随机变量,n维随机向量。在极限 定理中我们研究了无穷多个随机变量,但局限在它们相互独立的 情形。将上述情形加以推广,即研究一族无穷多个、相互有关的 随机变量,这就是随机过程

n(元)维随机变量(向量) 称同一个样本空间Ω上的n个随机变量 X1,2,…,Xn构成的n维向量(X1,2,Xn) 为Ω上的n维随机变量(向量) 注:一维随机变量即为上一节介绍的随机变量, 二维及二维以上的随机变量称为多维随机变量

第二章随机过程的一般概念 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

第二章随机变量及其分布 2-2离散型随机变量 一.离散型随机变量的概念与性质 离散型随机变量的定义 如果随机变量X的取值是有限个或可列无穷个,则称为离散型随机变量

二维随机向量及其分布函数 设随机试验E的样本空间是Ω. X=X(a)和Y=Y()是定义在Ω上的随机变 量,由它们构成的向量(X,Y),称为二维随机向 量. 二维随机向量(X,Y)的性质不仅与X及 Y的性质有关,而且还依赖于X和Y的相互关系, 因此必须把(X,Y)作为一个整体加以研究. 为此,首先需要引入二维随机向量(X,Y) 的分布函数的概念