一、数学期的概 二、高散型随机变量的数学期 三、连续型随机变量的数学期 回、数学期的性质

二维随机变量(x,作为一个整体,它具 有联合分布函数F(x,y)而和都是一维随机变 干量,它们也有自身的概率分布,分别称为,r 关于和Y的边缘分布(Marginal Distribution),其相应的分布函数F(x)F(y) 依次称为二维随机变量是关于和关于的边缘 分布函数(Marginal Distribution Function).易知

由于统计量是由样本决定的,而在一 次具体的抽样之前,样本中的每一个分量 都是随机变量,所以,在一次具体的抽样 之前,统计量也是随机变量,也有自己的 分布我们称统计量的分布为

上一节我们看到,对于总体X的同一个 未知参数,由于采用的估计方法不同,可 能会产生多个不同的估计量.这就提出一 个问题,当总体的一个参数存在不同的估 计量时,究竟采用哪一个好呢?或者说怎 工 工样评价一个估计量的统计性能呢?下面给 出几个常用的评价准则

一、方差的概念 引例:现有甲、乙两位射手,甲射手射击中命中的环数 工用X表示,乙射手射击中命中的环数用Y表示,甲、乙两射 手射击中命中的环数分布分别为:

对于未知参数θ,除了得到它的点估 计θ外,我们还希望估计出一个范围,并希望知道这个范围包含参数真值θ的可信 程度.这样的范围通常以区间的形式给出, 而可信程度由概率给出.这种估计称为区 间估计或置信区间,以下先给出置信区间概念

一、条件概率 简单地说,条件概率就是在一定附加 条件之下的事件概率 从广义上看,任何概率都是条件概率, 因为任何事件都产生于一定条件下的试验 或观察,但我们这里所说的“附加条件” 是指除试验条件之外的附加信息,这种附 加信息通常表现为“已知某某事件发生了

在上一节,运用概率基本公式,可以 根据一些事件的概率计算另一些事件的概 率.现在问题是这些已知概率又当如何获取 呢?或者说,怎样直接计算一些简单事件 的概率呢?本节在等可能概率模型下讨论 这一问题

一、高敬型随机变量的概 二、种常见高型随机变量及其分布

一、连续型随机变量的概念 二、常见的几种连续型分布