一、分布函数的 二、分布函数的性质 三、分布函数与离散型随机变量分布律的关系

一、随机变量的数 二、高散型随机变量函数的分布 三、连续型随机变量数的分市

一、数学期的概 二、高散型随机变量的数学期 三、连续型随机变量的数学期 回、数学期的性质

二维随机变量(x,作为一个整体,它具 有联合分布函数F(x,y)而和都是一维随机变 干量,它们也有自身的概率分布,分别称为,r 关于和Y的边缘分布(Marginal Distribution),其相应的分布函数F(x)F(y) 依次称为二维随机变量是关于和关于的边缘 分布函数(Marginal Distribution Function).易知

一、协方差和相关系数的概念 对于二维随机变量(X,Y),除了关心它的各个分 量的数学期望和方差外,还需要知道这两个分量之 间的相互关系,这种关系无法从各个分量的期望和 方差来说明,这就需要引进描述这两个分量之间相 互关系的数字特征一协方差及相关系数,但如何 工来刻画这种关系呢?

大数定律和中心极限定理是概率论的重要基本理 论,它们揭示了随机现象的重要统计规律,在概率 论与数理统计的理论研究和实际应用中都具有重要 的意义。本章将介绍这方面的主要内容

由于统计量是由样本决定的,而在一 次具体的抽样之前,样本中的每一个分量 都是随机变量,所以,在一次具体的抽样 之前,统计量也是随机变量,也有自己的 分布我们称统计量的分布为

上一节我们看到,对于总体X的同一个 未知参数,由于采用的估计方法不同,可 能会产生多个不同的估计量.这就提出一 个问题,当总体的一个参数存在不同的估 计量时,究竟采用哪一个好呢?或者说怎 工 工样评价一个估计量的统计性能呢?下面给 出几个常用的评价准则

对于未知参数θ,除了得到它的点估 计θ外,我们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θ的可信 程度.这样的范围通常以区间的形式给出, 而可信程度由概率给出.这种估计称为区 间估计或置信区间,以下先给出置信区间概念

在上一节,运用概率基本公式,可以 根据一些事件的概率计算另一些事件的概 率.现在问题是这些已知概率又当如何获取 呢?或者说,怎样直接计算一些简单事件 的概率呢?本节在等可能概率模型下讨论 这一问题