统计推断问题可以分为两大类,一类是估计问 题,一类是假设检验问题.本章讨论总体参数 的点估计和区间估计 设总体X的分布函数的形式为已知,但它的一个或多个参数为未知,借助于总体X的的一个 样本来估计总体未知参数的值的问题称为参数的点估计问题

在物理学中,很多确定性现象遵从如下演变原 则:由时刻t系统或过程所处的状态,可以决 定系统或过程在时刻t>t所处的状态,而无需 借助于t以前系统或过程所处状态的历史资 料.如微分方程初值问题所描绘的物理过程. 将这样的原则延伸到随机现象,引入马尔可夫 性或无后效性:过程(或系统)在时刻t所处的 状态为已知条件下,过程在时刻tt所处状态 的条件分布与过程在时刻t之前的状态无关. 即已经知道过程\现在\的条件下,其\将来\ 不依赖于\过去\

对一个未知量,人们在测量或计算时,常不以 得到近似值为满足,还需估计误差,即要求知 道近似值的精确程度(亦即所求真值所在的范 围).类似地,对于未知参数θ,除了求出它的点 估计外,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的可信程度.这样 的范围通常以区间的形式给出,同时还给出此 区间包含参数θ真值的可信程度.这种形式的 估计称为区间估计

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

在实际问题中试验结果往往需要同时用 两个或两个以上的随机变量来描述.要 研究这些随机变量及其取值规律多维 分布.本章将介绍有关这方面的内容.为 简明起见,只介绍二维情形.有关内容可 以类推到多于二维的情形

第一节一维随机变量及其分布函数 每一随机试验,试验结果的集合多种多样,通常喜欢用计算机表示试验结果,则将每一试验结果用一数来表示,或者说建立起基本空间的每一个元素到实数的映射,这种代表试验结果的数,被称为随机变量.有的基本空间本来就是实数轴,因此试验结果本身就是随机变量

概率论第二章习题参考解答 1.用随机变量来描述掷一枚硬币的试验结果写出它的概率函数和分布函数 解:假设=1对应于\正面朝上”,=0对应于反面朝上.则

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

一、霉菌与霉菌毒素污染 1霉菌 ·霉菌是菌丝体比较发达又缺乏较大子实体 的一部分真菌的俗称 ·霉菌在自然界分布广泛,不需要较高的营 养条件,在各种食品中极易繁殖 一般情况下需要氧气,适宜繁殖温度为 25~30℃

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