数理统计ch0.ppt

课 程 主 要 内 容 绪论 概率论知识 (X,Y)为二维离散型r.v., 对固定j, 若P{Y=yj}0, 则称 5、条件分布与条件数学期望 为Y＝ yj 的条件下，X的条件分布律. 若级数 则称 为在Y=yj 条件下，X 的条件 (数学) 期望. 类似， 称为在X=xi 条件下，Y 的条件 (数学) 期望. 定义 E(X |Y)= E(X |Y=y), y为Y的某一取值. 依赖于随机变量Y的取值. 易见 E(X |Y)是Y的随机变量. 例 一射手进行射击，命中目标的概率为p (0 p 1)，射击进行到命中目标两次为止，X 表示首次命中目标所进行的射击次数，Y 表示第二次击中目标时的射击次数。求X 和Y 的联合分布律及条件分布律，及条件期望E(X |Y=n). (X,Y)为二维连续型r.v., 当 fY(y)0时, 称 f X|Y (x|y) 为Y＝ y 条件下，X的条件密度函数. 又若 为在Y=y 条件下，X 的条件 (数学) 期望. 类似, 称为在X=x 条件下，Y 的条件 (数学) 期望. 则称 同样定义E(X |Y)= E(X |Y=y), 也是随机变量. 例 设二维r.v.的联合密度函数为 (1) 求X的边缘密度函数fX(x); (2) 求条件密度函数fY|X(y|x); (3) 求E(Y |X). 条件期望的性质 (1) 线性: 对任意常数a,b, E|X1|+∞, E|X2|+∞时有 (3) 替换定理： ① 设符号有意义，则 (2) 独立: 若r.v.X与Y相互独立, E|X|+∞, 则 ② h(·)有界, E|g(X)|+∞, 则 (4) 重期望定理: 设E|X|+∞, 则E[E(X |Y)]=E(X ). * * 数 理 统 计 Mathematical Statistics 袁永生 教授 概率论部分，简要回顾概率论中对统计部分有影响的内容。 通过深化理解的方式。 统计部分是本课程的主要内容，主要研究一些统计方法和这些方法的理论依据。 大多数工程问题具有以下三个特点： 1.在相同条件下，可重复进行; 2.试验结果不止一个,但事前能确定所有可能结果; 3.一次试验之前无法确定具体是哪种结果出现。 具有上述特点的现象称为随机试验,简称试验,记为E 概率统计的研究范畴: 研究随机试验中的规律性. 概率统计研究随机试验中规律的方式有两种： 概率论，研究内在规律的固有变化趋势； 统计，从内在规律的宏观表现——数据中，反演 内在规律。 0.1 随机试验、样本空间 ? 样本空间: 记为? 0.2 一维随机变量及其分布 随机试验的所有可能结果组成的集合. 定义 设随机试验E的样本空间?, 若对每个???, 有一个实数X(?)与之对应， ② 单值实函数. 这样得到的定义在?上的单值实函数X＝X(?)称为随机变量. 记为 r.v. X. r.v.X 与普通函数的主要区别: ① 定义域不尽相同； 因r.v.X 取值X(?)与?对应. ③ r.v.取值有一定概率. 一、一维随机变量定义 如果试验的结果就是用数量表示的，那么表示这个结果的字母(即试验中的数量指标) 即为随机变量 引进随机变量后，对随机现象的研究，更加突出了数量这一侧面. 对随机现象的研究，完全可以转化为对随机变量的研究. 随机变量也是研究随机现象的思想方法. 引入随机变量为研究复杂随机现象提供了工具. 二、一维离散型随机变量及其分布律 定义 全部可能取值为有限个或可列无限个的随机变量为离散型随机变量。 若X为离散型随机变量, 取值为x1, …, xn, …, 称 分布律数学实质 (1) pk ? 0, k＝1, 2, … ; 分布律物理意义: pk= P{ X= xk}, k =1, 2, … 为离散型随机变量X 的分布律, 或概率分布. 分布律的性质 概率总量1在所取实轴上离散值处的分配规律. 定义 设X 为r.v. , 对任意实数x，令 F(x)＝P {X ? x} 称F(x)为随机变量X 的分布函数. 物理意义： F(x)值为X 取值于 x左侧的概率值. 三、随机变量的分布函数 依分布函数定义：对任意实数x1, x2 (x1 x2)有 P {x1 X ? x2 }＝ ＝F(x2)-F(x1) P{X ? x2}-P{X ? x1} 分布函数性质: ① 0 ? F(x) ? 1, x ∈R ② F(－∞)=0, F(＋∞)=1 ③ F(x)是单调递增函数. ④ F(x)是右连续函数. 四、一维连续型 r.v