石大概率4-1详解.pptVIP

* 第*页 * 注 意 1. 补课 时 间：第14周周一 8:00-10:00 地点：西环205 第14周周三 10:00-12:00 地点：西环203 2. 考试 考试时间：第16周周一 （12月23日）晚上7:00-9:00 考试地点：待定。 答疑时间： 答疑地点：南堂111教师休息室 3.考试范围：第1章至第5章第2节。 1.几种常用分布随机变量的期望和方差 课前 复习 1.几种常用分布随机变量的期望和方差 课前 复习 2. 协方差与相关系数 相关系数 协方差 定理：1) ； 2) ，其中 为常数。 注： 练习：设 求 。 解： 计算得： 两个结论 结论1 若随机变量X与Y 相互独立，则 X与Y 不相关； 但反之不真。 结论2 若（X，Y）服从二维正态分布，则 X与Y 独立的 充分必要条件是X与Y不相关。 注：下列说法等价 (1) X与Y 不相关 矩和相关阵 若 存在，则称其为 X 的 k 阶中心矩。 若 存在，则称其为X 和 Y 的 阶混合中心矩。 定义 设X与Y 是随机变量，若 存在，则称其为 X 的 k 阶原点矩，简称 k 阶矩。 若 存在，则称其为 X 和 Y 的 阶混合矩。 附：n 维正态分布的一些重要性质： 服从n维正态分布 1. 3. 若 服从n 维正态， 是 的线性组合，则 服从 m 维正态分布。 解1) 例5 设 X ~ N(1, 32), Y ~ N(0, 42), 且 X与Y 的相关系数 设 求： （1）EZ，DZ；（2）X 与 Z 的相关系数 (教材P81例3-18) 解2) 例5 设 X ~ N(1, 32), Y ~ N(0, 42), 且 X与Y 的相关系数 设 求： （1）EZ，DZ；（2）X 与 Z 的相关系数 (教材P81例3-18) 从而有 定义 设 是一 r.v.序列，数学期望 E(Xn) 存在, 令 则称序列 服从大数定律。 注 若 r.v. 序列{Xn}服从大数定律，则意味着其算术平均 值序列会逐渐稳定到一常数序列，在实际中许多现象具 有这一特点，如一城市的用水量、用电量；一年中来我 国的旅游人数等等，这就是所谓的统计规律性。 第四章 大数定律和中心极限定理 第一节 大数定律 引理（切比雪夫不等式） 若随机变量 X 具有数学期望 , 方差 ， 则对任意的 ，有 或者 证明：仅就连续型情形予以证明。 故得证。 本定理说明了随机变量 X 偏离其数学期望 EX 愈远，那 么，这样的概率从距离的角度讲就愈来愈小。 若取 ，则由切比雪夫不等式知 若取 ，有 定理1（切比雪夫大数定律） 设随机变量序列 相互独立，分别具有 相均值 ，方差 若存在常数C 使 则对于任意 有 证明：由于 相互独立，故 对于任意的 由切比雪夫不等式知 令 ，并注意到概率不能大于1，故有 □ 推论（切比雪夫大数定律的特别情形） 设随机变量序列 相互独立，且具有 相同的数学期望和方差，即 令 ，则对于任意 ，有 证明 由切比雪夫大数定律即知。 定理2（贝努利大数定律） 设 n(A)为 n 重贝努利试验中事件A 发生的次数，p 是事 件A在每次试验中发生的概率，记 为事件 A 发生的频率，则对