2.3独立随机变量,条件分布 一、相互独立随机变量 随机事件A与B相互独立,若

1.5事件的独立性、独立试验概型 一、相互独立随机事件 在一般情况下P(A|B)≠P(A)

4.1一维特征函数的定义及性质 一、特征函数的定义及例

4.3随机变量的收敛性 一、分布函数弱收敛 定义4.3.1对于分布函数列{)}如果存在单调不降函数F(x)使

1.3概率模型与公理化结构 一、可测空间 柯氏公理体系是现代概率论的基石从古典概率、几何概率等共有基本属性出发,抽象并建立概率论的基础理论. 回顾古典概率、几何概率的定义,有如下问题:

1.2概率的直观意义及其运算 一、概率直观意义 随机事件发生的可能性大小是一个客观存在的量

例2一个靶子是半径为2米的圆盘,设击中靶 上任一同心圆盘上的点的概率与该圆盘的面 积成正比,并设射击都能中靶,以表示弹着 点与圆心的距离.试求随机变量X的分布函数. 解若x<0,则{X≤x}是不可能事件,于是

(一)条件概率条件概率是概率论中的一个重要概念,所考虑的是事件A已发生的条件下, 事件B发生的概率

定义设F(x,y)及Fx(x),F(v)分别是二维随机变 量(X,Y)的分布函数及边缘分布函数.若对于 所有x,y有

定义2.5如果每次试验的结果对应着一组确 定的实数(1525),它们是随试验结果 不同而变化的n个随机变量,并且对任何一 组实数x12xn事件 \515x25xn\有确定的概率,则称 n个随机变量的整体(525)为一个n元 随机变量(或n元随机向量) 定义2.6称n元函数