连续型随机变量的分布 一随机变量的分布函数是描述任何类型的 随机变量的变化规律的最一般的形式,但 由于它不够直观,往往不常用。 比如,对离散型随机变量,用概率函数来 描述即简单又直观。 对于连续型随机变量也希望有一种比分布 函数更直观的描述方式。 这就是今天要讲的“概率密度函数

定义2.5如果每次试验的结果对应着一组确 定的实数(1525),它们是随试验结果 不同而变化的n个随机变量,并且对任何一 组实数x12xn事件 \515x25xn\有确定的概率,则称 n个随机变量的整体(525)为一个n元 随机变量(或n元随机向量) 定义2.6称n元函数

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

例1两封信随机投向1,2,3,4四个信箱,代表头两个信箱里的信数目,求在第2个邮箱里 有一封信条件下第一个邮箱内信数的平均数. 解因已经计算出

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

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

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

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

问题1极大似然估计具有不变性,矩估计 是否也具有? 答否 例如服从反射正态分布,其p.d.f为 20 现用矩法分别对和作估计

5.2中心极限定理 定理一林德伯格-列维中心极限定理 (Lindberg-levi) 【独立同分布的中心极限定理] 定理二棣莫弗-拉普拉斯中心极限定理 (De Moivre-Laplace-) 【二项分布以正态分布为极限分布]