随机变量的概念在概率论和数理统计中具有基本的 重要性，随机变量的引入，使对随机现象的研究规范化 和数量化，从而可以把数学分析的方法引入概率论。 在实际问题中广泛存在着随机变量。它通常被分成 两大类。如果 可能取的值是有限个或至多可列 个，则称 为离散型随机变量；非离散型的范围 太广，其中最主要的也是实际问题中最常见的是连续 型随机变量

在客观世界中普遍存在着变量之间的关系.变 量之间的关系一般来说可分为确定性的与非 确定性的两种.确定性关系是指变量之间的关 系可以用函数关系来表达的.另一种非确定性 的关系即所谓相关关系.例如人的身高与体重 之间存在着关系,一般来说,人高一些,体重要 重一些,但同样高度的人,体重往往不相同.人 的血压与年龄之间也存在着关系

本书的目的是介绍各种常见的分布及其应用,为此需要 些概率论和数理统计的预备知识,这些知识对理解全书是 重要的、本章将介绍:事件、概率、随机变量、分布函数、 分布密度、矩和各种母函数等将上述这些内容推广至多个 随机变量随机向量的情形(见第五节也是应随后 章的需要而设立的,第五节数学形式稍为复杂一些,数学基 础不够的读者可跳过该节,先读第二章,待今后需要时再回 过来读它那时有了许多具体分布的背景,再读这一节就不 会有太多的困难在今后几章中涉及到一些统计应用,这就 需要知道总体、样本等概念,为此在第七节我们简单地介绍 了这些概念,以及参数估计和假设检验的提法

前面讨论了参数的点估计,它是用样本算出的一个值去估计未知参数即点估计值仅仅 是未知参数的一个近似值,它没有给出这个近似值的误差范围 例如,在估计某湖泊中鱼的数量的问题中,若根据一个实际样本,利用最大似然估计法 估计出鱼的数量为50000条,这种估计结果使用起来把握不大实际上鱼的数量的真值可 能大于50000条,也可能小于50000条且可能偏差较大 若能给出一个估计区间,让我们能较大把握地(其程度可用概率来度量之)相信鱼的数量 的真值被含在这个区间内,这样的估计显然更有实用价值

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

前面,我们已经了解到,在假设检验中使用的逻辑是: 如果原假设H是对的,那么衡量差异 大小的某个统计量落入区域W(拒绝域)是 个小概率事件.如果该统计量的实测值落入 W,也就是说,H成立下的小概率事件发 生了,那么就认为H不可信而否定它.否则 我们就不能否定HO

概率论与数理统计是研究随机现象统计 规律性的学科.随机现象的规律性只有在相 同的条件下进行大量重复试验时才会呈现出 来.也就是说,要从随机现象中去寻求必然 的法则,应该研究大量随机现象

一、随机向量的概念 多维随机变量也就是多个随机取值的变量,也称为随机向量。定义如果随机变量X1…Xn定义在同一概率空间(,3,P)上,则称

在实际检验的过程中，并不是将这3万只灯泡全部一一进行 检验，常常是随机地抽取其中一部分来进行灯泡的寿命的检测. 事实上，通常没有必要有时甚至不可能对总体逐一进行检验. 如考察一批炮弹的质量，能把它们全部爆炸来进行检验吗？又 如，检验一批棉花的纤维抗拉强度也只能随机地抽取其中一部 分来进行，等等

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