期末复习4-6.pptVIP

§第4章 随机变量的数字特征 第4章 随机变量的数字特征 定义 4.1 设离散型随机变量X有概率分布 二、连续型随机变量的数学期望 定义 4.2 设连续型随机变量X有概率密度 ，若积分 绝对收敛，则 称为X的数学期望. 也就是说，连续型随机变量X的数学期望是X的取值与概率密度的乘 积在无穷区间 上的广义积分。 二、连续型随机变量的数学期望 例 4.5 设随机变量X在区间[a,b],上服从均匀分布，求 . 解 依题意, 故 定理 4.1 （1）设X是离散型随机变量，有概率分布 若级数 绝对收敛，则随机变量X的函数 的数学期望为 （4.2） 三、随机变量函数的数学期望 例 4.8 已知随机变量X服从标准正态分布N(0，1),求 . 解 因X的概率密度为 四、二维随机变量函数的数学期望 五、数学期望的性质 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.2 方差 § 4.3 协方差、相关系数 一、协方差及相关系数 第5章 大数定律和中心极限定理 §5.1 大数定律 大数定律 迄今为止,人们已发现很多大数定律(laws of large numbers).所谓大数定律，简单地说， 就是大量数目的随机变量所呈现出的规律， 这种规律一般用随机变量序列的某种收敛性 来刻画。本章仅介绍几个最基本的大数定律。 下面，先介绍一个重要的不等式。 二、基本定理 切比雪夫不等式说明，DX越小，则 越小， 越大， 也就是说，随机变量X 取值基本上集中在EX附近，这进一步说明了方差的意 义。 同时当EX和DX已知时，切比雪夫不等式给出了概 率 的一个上界，该上界并不涉及随 机变量X的具体概率分布，而只与其方差DX和ε有 关. 因此，切比雪夫不等式在理论和实际中都有相当广 泛的应用。需要指出的是，虽然切比雪夫不等式应用 广泛，但在一个具体问题中，由它给出的概率上界通 常比较保守。 定理5.2 （切比雪夫大数定律）设 是相 互独立的随机变量序列，并且 和 均存 在， 同时存在常数C使 则对任意的ε＞0，有 四、小结 第6章 数理统计的基本概念 §6.1 随机样本和统计量 二、统计量、样本矩 设 相互独立, 都服从正态分布 则 (3) 证 且相互独立， 所以 概率分布的分位数(分位点) 使P{X≥x?} =?， 定义 对总体X和给定的? (0?1)，若存在x?， 则称x?为X分布的上侧?分位数或上侧临界值. 如图. ? x? o y x P{X≥x?} =? 若存在数?1、?2，使 P{X≥?1}=P{X≤?2} 则称?1、?2为X分布的双侧?分位数或双侧临界值. o y x ?2 ?1 双侧? 分位数或双侧临界值的特例 当X的分布关于y轴对称时， 则称 为X分布的双侧?分位数或双侧临界值. 如图. 若存在 使 y x O 标准正态分布的上侧分位数 对标准正态分布变量U～N(0, 1)和给定的?，上侧?分位数是由： P{U≥u?} = 即 P{Uu?} =1-? ?(u?) =1-? 确定的点u?. 如图. ?(x) x O u? ? 例如， ?=0.05，而 P{U≥1.645} =0.05 所以， u0.05 =1.645. 标准正态分布的双侧分位数 的点u?/2为标准正态分布的双侧?分位数或双侧临界值. 如图. u?/2可由P