第一节一维随机变量及其分布函数 每一随机试验,试验结果的集合多种多样,通常喜欢用计算机表示试验结果,则将每一试验结果用一数来表示,或者说建立起基本空间的每一个元素到实数的映射,这种代表试验结果的数,被称为随机变量.有的基本空间本来就是实数轴,因此试验结果本身就是随机变量

在实际问题中试验结果往往需要同时用 两个或两个以上的随机变量来描述.要 研究这些随机变量及其取值规律多维 分布.本章将介绍有关这方面的内容.为 简明起见,只介绍二维情形.有关内容可 以类推到多于二维的情形

第八章随机变量的数字特征 随机变量是按一定的规律(即分布)来取值 的.实用上,有时并不需要了解这个规律的 全貌,而只需要知道它的某个侧面.这时, 往往可以用一个或几个数字来描述这个侧 面.这种数字是按分布而定的,它部分地描 述了分布的性态.称这种数字为随机变量 的数字特征.本章介绍最常用的几个数字 特征

第五节随机变量的相互独立性 设,n为随机变量,如果它们满足下列条件:对于实轴上任意两个集合S1,S2,如果事件{5eS1},{nS2}相互独立,那末,称n相互独立.直观地说,,η相互独立就是它们取值时互不牵连

若随机变量的分布函数F(x)恰好是某个 非负函数(x)在(∞,x)上的积分,即 则称ξ为连续型随机变量,称q(x)为的分布 密度(简称密度),也有称概率密度的,并称ξ 的分布为连续型分布

第四章条件概率事件的相互独立性及试验的相互独立性 第一节条件概率乘法定理

第一节随机事件的概念 在科学研究或工程技术中,时常要在相 同条件下重复进行多次试验.经常会遇 到这样的情形:尽管试验是在相同条件 下进行的,但各次试验结果却不相同

当一个随机变量ξ服从零-壹分布时,它 的分布密度如下表所示

第四章线性方程组 4.3线性方程组的解的结构上一节,我们学习了: 1.线性方程组有解的条件 2.解线性方程组的 Gauss消元法和主元消元法 这一节,我们将进一步讨论线性方程组的解的结构. 注意:在上一节我们得到的都是参量形式的解,在本节 我们将把线性方程组的解都写成列向量的形式, 这便于讨论方程组的解的结构

吉林大学：《线性代数》课程教学资源（讲稿）第四章 线性方程组 §4.1 列向量组