一、随机变量概念的产生 在实际问题中,随机试验的结果可以用数量来表示,由此就产生了随机变量的概念

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]

3.3随机变量的独立性 将事件独立性推广到r.v. 两个rv的相互独立性 定义设(X,Y)为二维r.v.若对任何 实数x,y都有 则称r.v.X和Y相互独立

教学目的: 通过本节内容的教学,使学生: 1、明确极大似然估计法是在总体分布类型已知的情况下的一种常 用的参数估计方法; 2、理解极大似然思想; 3、掌握求极大似然估计值的一般步骤,会求常见分布参数的极大 似然估计值

问题1数学期望定义中 为何要求绝对收敛? 我们通过一个期望不存在的例子 来说明这个问题 设X的分布律为P=P(X=x)=1/2 其中x=(-1)21kk=1,2… 则xP=(11k k=1 k=1 =1-1/2+1/3-1/4+…=ln2.(J) 2

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

统计推断问题可以分为两大类,一类是估计问 题,一类是假设检验问题.本章讨论总体参数 的点估计和区间估计 设总体X的分布函数的形式为已知,但它的一个或多个参数为未知,借助于总体X的的一个 样本来估计总体未知参数的值的问题称为参数的点估计问题

西安电子科技大学：《概率论与数理统计》课程教学课件（讲稿）第七章 参数估计 7.4 区间估计 7.5 正态总体均值和方差的区间估计 7.6（0－1）分布参数的区间估计 7.7 单侧置信区间

§1 点估计 §3 估计量的评选标准 §4 区间估计 §5 正态总均值与方差的区间估计 §6 (0--1)分布参数的区间估计 §7 单侧置信区间

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