定义设F(x,y)及Fx(x),F(v)分别是二维随机变 量(X,Y)的分布函数及边缘分布函数.若对于 所有x,y有

在实际问题中,对于某些随机试验的结果需要 同时用两个或两个以上的随机变量来描.例 如,为了研究某一地区学龄前儿童的发育情况 ,对这一地区的儿童进行抽查,对于每个儿童 都能观察到他的身高H和体重W.在这里,样本 空间S={e}={某地区的全部学龄前儿童,而 H(e),和W(e)是定义在S上的两个随机变量.又 如炮弹弹着点的位置需要由它的横坐标和纵 坐标来确定,而横坐标和纵坐标是定义在同一 个样本空间的两个随机变量

(一)条件概率条件概率是概率论中的一个重要概念,所考虑的是事件A已发生的条件下, 事件B发生的概率

(一)单因素试验在科学试验和生产实践中, 影响一事物的因素往往是很多的例如,在化 工生产中,有原料成份,原料剂量,催化剂,反 应温度,压力,溶液浓度,反应时间,机器设备 及操作人员的水平等因素.每一因素的改变都 有可能影响产品的数量和质量.有些因素影响 较大,有些较小.为了使生产过程得以稳定,保 证优质,高产,就有必要找到对产品质量有显 著影响的那些因素.为此,我们需进行试验,方 差分析就是根据试验结果进行分析,鉴别各个 有关因素的作用的有效方法

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\

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

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

定义设X是具有分布函数F的随机变量,若 X1X2X是具有同一分布函数F的,相互独立 的随机变量,则称X12,为从分布函数F( 或总体F,或总体得到的容量为n的简单随机 样本,简称样本,它们的观察值x1x2xn称为 样本值,又称为X的n个独立的观察值

z平面内的任一条有向曲线C可用 z=z(t),a≤t≤β 表示,它的正向取为t增大时点z移动的方向, z(t)为一条连续函数. 如果z(to)≠0,ato