全面总结概率论概率论.docVIP

第五章 大数定律和中心极限定理 （1）大数定律 切比雪夫大数定律 设随机变量X1，X2，…相互独立，均具有有限方差，且被同一常数C所界：D（Xi）C(i=1,2,…),则对于任意的正数ε，有 特殊情形：若X1，X2，…具有相同的数学期望E（XI）=μ，则上式成为 伯努利大数定律 设μ是n次独立试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意的正数ε，有 伯努利大数定律说明，当试验次数n很大时，事件A发生的频率与概率有较大判别的可能性很小，即 这就以严格的数学形式描述了频率的稳定性。 辛钦大数定律 设X1，X2，…，Xn，…是相互独立同分布的随机变量序列，且E（Xn）=μ，则对于任意的正数ε有 （2）中心极限定理 列维－林德伯格定理 设随机变量X1，X2，…相互独立，服从同一分布，且具有相同的数学期望和方差：，则随机变量 的分布函数Fn(x)对任意的实数x，有 此定理也称为独立同分布的中心极限定理。 棣莫弗－拉普拉斯定理 设随机变量为具有参数n, p(0p1)的二项分布，则对于任意实数x,有 （3）二项定理 若当，则 超几何分布的极限分布为二项分布。 （4）泊松定理 若当，则 其中k=0，1，2，…，n，…。 二项分布的极限分布为泊松分布。  第六章 样本及抽样分布 （1）数理统计的基本概念 总体 在数理统计中，常把被考察对象的某一个（或多个）指标的全体称为总体（或母体）。我们总是把总体看成一个具有分布的随机变量（或随机向量）。 个体 总体中的每一个单元称为样品（或个体）。 样本 我们把从总体中抽取的部分样品称为样本。样本中所含的样品数称为样本容量，一般用n表示。在一般情况下，总是把样本看成是n个相互独立的且与总体有相同分布的随机变量，这样的样本称为简单随机样本。在泛指任一次抽取的结果时，表示n个随机变量（样本）；在具体的一次抽取之后，表示n个具体的数值（样本值）。我们称之为样本的两重性。 样本函数和统计量 设为总体的一个样本，称 （） 为样本函数，其中为一个连续函数。如果中不包含任何未知参数，则称（）为一个统计量。 常见统计量及其性质 样本均值 样本方差 样本标准差 样本k阶原点矩 样本k阶中心矩 ，， ，, 其中，为二阶中心矩。 （2）正态总体下的四大分布 正态分布 设为来自正态总体的一个样本，则样本函数 t分布 设为来自正态总体的一个样本，则样本函数 其中t(n-1)表示自由度为n-1的t分布。 设为来自正态总体的一个样本，则样本函数 其中表示自由度为n-1的分布。 F分布 设为来自正态总体的一个样本，而为来自正态总体的一个样本，则样本函数 其中 表示第一自由度为，第二自由度为的F分布。 第七章 参数估计 （1）点估计 矩估计 设总体X的分布中包含有未知数，则其分布函数可以表成它的k阶原点矩中也包含了未知参数，即。又设为总体X的n个样本值，其样本的k阶原点矩为 这样，我们按照“当参数等于其估计量时，总体矩等于相应的样本矩”的原则建立方程，即有 由上面的m个方程中，解出的m个未知参数即为参数（）的矩估计量。 若为的矩估计，为连续函数，则为的矩估计。 极大似然估计 当总体X为连续型随机变量时，设其分布密度为，其中为未知参数。又设为总体的一个样本，称 为样本的似然函数，简记为Ln. 当总体X为离型随机变量时，设其分布律为，则称 为样本的似然函数。 若似然函数在处取到最大值，则称分别为的最大似然估计值，相应的统计量称为最大似然估计量。 若为的极大似然估计，为单调函数，则为的极大似然估计。 （2）估计量的评选标准 无偏性 设为未知参数的估计量。若E （）=，则称 为的无偏估计量。 E（）=E（X）， E（S2）=D（X） 有效性 设和是未知参数的两个无偏估计量。若，则称有效。 一致性 设是的一串估计量，如果对于任意的正数，都有 则称为的一致估计量（或相合估计量）。 若为的无偏估计，且则为的一致估计。 只要总体的E(X)和D(X)存在，一切样本矩和样本矩的连续函数都是相应总体的一致估计量。 （3）区间估计 置信区间和置信度 设总体X含有一个待估的未知参数。如果我们从样本出发，找出两个统计量与，使得区间以的概率包含这个待估参数，即 那么称区间为的置信区间，为该区间的置信度（或置信水平）。 单正态总体的期望和方差的区间估计