在随机试验中,人们除对某些特定事件发生的概率感兴趣外,往往还关心某个与随机试验的结果相联系的变量.由于这一变量的取值依赖于随机试验结果,因而被称为随机变量.与普通的变量不同,对于随机变量,人们无法事先预知其确切取值,但可以研究其取值的统计规律性.本章将介绍两类随机变量及描述随机变量统计规律性的分布

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

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

为提高遥感影像变质矿物提取精度，提升变质带的识别效果，以甘肃北山ASTER影像为研究区，结合了比值运算、多尺度分割、随机森林分类法进行变质矿物提取。首先，通过矿物特征性光谱特征构造比值运算公式、进行影像增强；然后，对增强影像进行基于光谱及变差函数的多尺度分割；接着，采用随机森林法提取目标矿物；最后，通过野外勘查、采样、薄片鉴定进行精度评价。结果表明，黑云母、白云母、角闪石在ASTER影像上具有鉴定性特征，提取精度分别为85.4088%、84.7640%和85.7308%；其他含量较少的变质矿物提取精度可达到60%以上。多尺度分割能充分利用矿物的丛集特征；变差函数纹理能增强形态特征对矿物的区分能力；随机森林分类法对矿物混合引起的噪声不敏感、提取结果稳定

第六章几种离散型变量的分布及其应用 连续型随机变量:数值变量资料。 离散型随机变量:分类变量资料经整理后 得到的例数。 连续型随机变量有n个,无数种; 离散型随机变量只有一个,(n+1)种

一、连续型随机变量的基本概念 离散型随机变量并不能描述所有的随机试验,对于可在某一区间内任意取值的随机变量X, 由于它的值不是集中在有限个或可列个点上因此只有知道其取值于任一区间上的概率P{a