一.事件的运算 如果A,B,C为三事件,则A+B+C为至 少一次发生,A+B+C为至少一次不发生, AB+BC+AC和ABC+ABC+ABC+ABC都是 至少两次发生,ABC+ABC+ABC为恰有两 次发生ABC+ABC+ABC为恰有一次发生 等等,要善于将语言翻译成事件运算公式以及 将公式翻译成语言

基本概念 用点估计来估计总体参数,即使是无偏有效 的估计量,也会由于样本的随机性,从一个 样本算得估计量的值不一定恰是所要估计 的参数真值.而且,即使真正相等,由于参数 值本身是未知的,也无从肯定这种相等.到 底二者相差多少呢?这个问题换一种提法就 是,根据估计量的分布,在一定的可靠程度 下,指出被估计的总体参数所在的可能数值 范围.这就是参数的区间估计问题

总体 总体是指的一个随机变量X 、 样本 样本是指的与总体X的分布完全一样的n个 相互独立的一组随机变量Xx2n其中n 称为样本容量、而对样本做一次观察得到的具体的试验数 据,称作样本值,用小写字母1x2xn表示

切贝谢夫不等式 设随机变量ξ有期望值Eξ及方差Dξ,则任给

协方差的计算 在已知两个随机变量ξ和η的联合分布的情况下怎 样计算它们的协方差cov(5n)呢,这一点书上并没有明讲

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

通常求出随机变量的分布并不是一件容易的事,而人们更关心的是用一些数字来表示随机变量的特点,这些与随机变量有关的数字,就是随机变量的数字特征.最常用的数字特征为数学期望,方差和相关系数

在实际问题中,试验结果有时需要同 时用两个或两个以上的rv来描述 例如用温度和风力来描述天气情况. 通过对含碳、含硫、含磷量的测定来研究 钢的成分.要研究这些rv之间的联系,就 需考虑多维r.v及其取值规律—多维分布

问题1极大似然估计具有不变性,矩估计 是否也具有? 答否 例如服从反射正态分布,其p.d.f为 20 现用矩法分别对和作估计

问题1数学期望定义中 为何要求绝对收敛? 我们通过一个期望不存在的例子 来说明这个问题 设X的分布律为P=P(X=x)=1/2 其中x=(-1)21kk=1,2… 则xP=(11k k=1 k=1 =1-1/2+1/3-1/4+…=ln2.(J) 2