第三章随机变量及其分布 3-4随机变量的独立性 设(X,Y)是二维随机变量,其联合分布函数为 F(x,y),又随机变量X的分布函数为F(x) 随机变量Y的分布函数为F(y)如果对于任意 的x,y,有 F(x, y)=Fx(x).Frl 则称X,Y是相互独立的随机变量

一、随机试验与事件 I.随机试验 1.随机试验把对某种随机现象的一次 观察、观测或测量等称为一个试验。如果 这个试验在相同的条件下可以重复进行, 且每次试验的结果事前不可预知,则称此 试验为随机试验,也简称为试验,记为E 注:以后所提到的试验均指随机试验

随机过程的基本概念 设对每一个参数t∈T.X(t.w)是一随机变量,我们称随机变量族Xr={x(tw) t∈T}为一随机过程(stochastic process)或称随机函数其中TC是一实数集,称为指标集

随机变量的函数的分布 我们常常遇到一些随机变量,它们的分布往往难于直接得到(如滚珠体积的测量值等),但是与它们有关系的另一些随机变量,其分布却是容易知道的(如滚珠直径的测量值).因此,要 研究随机变量之间的关系,从而通过它们之间的关系,由已知的随机变量的分布求出与之有关的另一个随机变量的分布

第四章多维随机变量及其分布 4.1多维随机变量及其分布函数、 边缘分布函数 在前一章中,我们所讨论的随机现象只涉及到一个 随机变量,但在很多随机现象中,往往要涉及到多 个随机变量

一、真随机数 真随机数数列是不可预计的,因而也不可能重复产生两个相同的真随机数数列。 真随机数只能用某些随机物理过程来产生。例如:放射性衰变、电子设备的热噪音、宇宙射线的触发时间等等

1 概率论基础 1.1 为什么需要概率空间 1.1.1 理发师悖论 (Barber paradox) 1.1.2 贝特朗悖论 (Bertrand’s Paradox) 1.1.3 非悖论, 生日问题 1.2 概率空间 1.2.1 可测空间 1.2.2 概率空间 1.2.3 条件概率 1.2.4 全概率公式和 Bayes 公式 1.3 随机变量和分布函数 1.3.1 数字特征 1.3.2 矩函数 (Moment Generating Function) 1.3.3 特征函数 (Characteristic function) 1.3.4 反演公式及唯一性定理 1.3.5 多维随机变量的特征函数 1.4 独立性与条件期望 1.4.1 独立性 1.4.2 条件期望 1.4.3 条件分布 1.4.4 一般条件期望 ⋆ 2 随机过程的基本概念与类型 2.1 随机过程的背景 2.2 基本概念 2.3 有限维分布与 Kolmogorov 定理 2.3.1 随机过程的数字特征 2.4 随机过程的基本类型 2.4.1 平稳过程 2.4.2 独立增量过程 3 Brown 运动（维纳过程） 3.1 基本概念与性质 3.2 维纳过程的分布 3.3 维纳过程的数字特征 3.3.1 二次变差 3.4 Brown 运动的鞅性质 3.5 Brown 运动的最大值变量及反正弦律 3.6 Brown 运动的几种变化 3.6.1 Brown 桥 3.6.2 几何 Brown 运动 4 Poisson 过程 4.1 齐次泊松过程 4.1.1 Poisson 过程数学模型 4.1.2 齐次泊松过程的数字特征 4.1.3 时间间隔与等待时间的分布 4.1.4 到达时间的条件分布 4.1.5 更新计数过程 4.2 复合泊松过程 4.2.1 复合 Poisson 过程 4.3 非齐次泊松过程 (了解内容，不考察) 5 鞅 (Martingale) 过程 5.1 基本概念 5.2 鞅的停时定理及其应用 5.2.1 鞅的停时定理 5.3 连续鞅

❖ 随机变量 ❖ 随机变量的数字特征 ❖ 参数估计 ❖ 回归分析 ❖ 随机过程 ❖ 随机过程的数字特征 ❖ 随机过程的谱密度

第1节 二维随机向量及其分布函数 第2节 二维离散型随机向量 第3节 二维连续型随机向量

在实际应用中,有些随机现象需要同时用两个或两个以上的随机变量来描述例如,研 究某地区学龄前儿童的发育情况时,就要同时抽查儿童的身高H、体重W,这里,H和W 是定义在同一个样本空间S={e}={某地区的全部学龄前儿童}上的两个随机变量.又如,考 察某次射击中弹着点的位置时,就要同时考察弹着点的横坐标X和纵坐标Y.在这种情况 下,我们不但要研究多个随机变量各自的统计规律,而且还要研究它们之间的统计相依关 系,因而还需考察它们的联合取值的统计规律,即多为随机变量的分布