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

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

随机事件虽然有偶然性的一面,即它在 一次试验中,可能发生,也可能不发生; 但是在大量重复试验中,人们还是可以 发现它是有内在规律性的,即它出现的可能性的大小是可以\度量\的.随机事件的概率就是用来计量随机事件出现的可能性大小的一个数字,它是概率论中最基本的概念之一

概率论是研究随机事件的规律性的一个数学分支,直观地说是指这样的事件:在 一次试验中,它出现与否是具有偶然性的, 但是在大量重复试验中,它却是具有内在的必然性即规律性的

5特征值和特征向量矩阵的对角化 5.1矩阵的特征值和特征向量相似矩阵

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