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

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

切贝谢夫不等式 设随机变量ξ有期望值Eξ及方差Dξ,则任给

总体 总体是指的一个随机变量X 、 样本 样本是指的与总体X的分布完全一样的n个 相互独立的一组随机变量Xx2n其中n 称为样本容量、而对样本做一次观察得到的具体的试验数 据,称作样本值,用小写字母1x2xn表示

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.事件的运算 如果A,B,C为三事件,则A+B+C为至 少一次发生,A+B+C为至少一次不发生, AB+BC+AC和ABC+ABC+ABC+ABC都是 至少两次发生,ABC+ABC+ABC为恰有两 次发生ABC+ABC+ABC为恰有一次发生 等等,要善于将语言翻译成事件运算公式以及 将公式翻译成语言

每一个事件都有它的发生概率 即给定事件A,存在着一个正数P与之对应, 称之为事件A的概率,记作P(A)或P{A} 最高的发生概率为1,表示必然发生. 最低的概率为0,表示不可能发生. 而一般的随机事件的概率介于0与1之间. 这里只是概率的数学上的规定,其实就是任 何一个事件到实数轴上的[0,1]区间的映射. 但怎样获得切合实际的一个事件的概率呢?

上一次作业的问题 主要是许多人仍然没有按照标准格式解题. 问题是没有假设事件或者假设事件的概率, 正式解题的时候必须先作假设,即按下面两 种格式之一: 假设事件A为或者写成假设概率P(A)为 的概率

事件的独立性 定义1.4如果事件A发生的 可能性不受事件B发生与否 的影响,即P(A|B)=P(A),则 称事件A对于事件B独立

再谈试验及样本空间 一次随机试验的所有可能的试验结果所构 成的集合被称作样本空间,而每一个可能 的试验结果构成样本点.样本点的集合A称 作事件,只包含一个样本点的集合{a}被称 作基本事件. 请注意,这里的试验结果实际上是一次试验 的全过程的记录,因此和我们原来的印象中 的试验结果并非一样,并非试验结束时候的 那个结果