二维随机变量(X,作为一个整体,具有联合分 布函数F(x2y),而X,Y各自都是随机变量,它们也 有自己的分布函数Fx(x),F().相对于二维随机变 量(X,)的联合分布函数,我们分别称Fx(x),Fr() 为X和Y的边缘分布函数。相应地,也有边缘概率密 度和边缘分布律的概念。我们将它们统称为边缘分 布

第一节 函数的发展及其科学价值 第二节 函数的三种定义 第三节 初等函数 第四节 函数的图像与函数的特征 第五节 函数概念的教学

在本节中，我们重点讨论二维随机变量，三维或更多维的随机变量的许多概念和结论是二维随机变量的推广

1向量的概念及向量的表示 一、向量的基本概念 （一)向量的概念 1向量:既有大小,又有方向的量称为向量(或矢量)。 2向量的几何表示法:

已知R.V. X的分布，及Y=g(X)，y=g(x)为连续函数，如何求R.V. Y=g(X)的分布？ 一、X是离散型R.V.情形此时Y=g(X)必为离散型R.V.为求R.V. Y的分布律，(1)搞清Y=g(X)的所有取值；(2)求Y取每个值的概率

一只与区间长度有关,与区间的位置无关。即X落在两 个长度相等的区间内的概率相等。具有上述特点的随 机变量便是均匀分布的随机变量。 如:测量物体长度时读数的舍入误差服从均匀分 布。在(a,b)上随机掷质点

一、分布函数的概念 定义 对任意实数x，称F(x)=P{X≤x}为R.V. X的分布函数。 F(x)为普通函数

一 、古典概型 若一个试验满足 (1)只有有限个基本事件； (2)这些基本事件的发生是等可能的；

线性算子的谱理论是与解算子方程紧密联系的，它起源于代数方 程、线性方程组、积分方程和微分方程的特征值问题. 实际上在泛函 分析产生的早期, Volterra、Fredholm、Hilbert 等人就曾研究过这 样的问题, 同时它也是泛函分析中经久不衰的研究课题. 本章首先讨 论算子的正则性和谱的概念及其基本性质，然后着重叙述 Riesz-Schauder 关于紧算子的谱论和 Hilbert 空间上自伴算子的谱 论，最后介绍谱系和谱分解问题

就随机现象而言，仅仅知道可能发生哪些 事件是不够的，更重要的是对事件发生的可能 性做出定量的描述.这就涉及到一个概念——事 件的概率(Probability)