随机向量与重要定理.docVIP

第四章　随机向量与重要定理1. 多维随机向量是由两个以上随机变量构成的，其概率特性不仅决定于各个分量，同时也与这些随机变量的联合特征有关，这是处理多维随机向量在方法上要比随机变量复杂的原因. 为了方便，本书将二维随机向量，简称随机向量并进行讨论. 2. 如同随机变量那样，描述离散型、连续型随机向量的工具是分布函数，但对于随机向量有联合分布函数与边缘分布函数的之分. 在联合分布函数F＝P()给定下，的边缘分布函数分别是 F＝P()＝F， F＝P()＝F. 它们都是高等数学中通常意义下的二元或一元实值实函数，这样微积分就成为讨论随机向量必不可少的工具. 上面的讨论表明，边缘分布函数可由联合分布函数惟一确定.反之则不一定，即一般场合下联合分布函数不能由边缘分布函数确定. 3. 离散型场合下，在联合分布列P()＝，（…）给定下，的边缘分布列分别是： P()＝＝，（…）， P()＝＝，（…）. 由此可知，边缘分布列可由联合分布列唯一确定，反之则未必. 4. 连续型场合下，在联合分布密度给定下，的边缘分布密度分别是： =, =. 由此可知，边缘分布密度可由联合分布密度唯一确定，反之则未必. 5. 承第1章的结果，随机事件相互独立的充要条件是： 一般场合下，与相互独立的充分必要条件是 　　　　　　 F＝FF； 离散型场合下，与相互独立的充分必要条件是 ＝，（）； 连续型场合下，与相互独立的充分必要条件是 ＝. 6. 大数定律是表述平均结果稳定性的一系列定理的总称.其中最基本的是切比雪夫大数定理，应用价值是随机变量的算术平均以极大的可能性接近于它们的数学期望的平均.这就是说在给定条件下随机变量的算术平均几乎是一个确定的常数，直接为实际工作中广泛使用的算术平均法提供了理论依据.切比雪夫大数定理的特例是伯努利大数定理，应用价值它以严格的数学形式表达了频率稳定于概率的事实. 7. 中心极限定理是阐述大量独立随机变量和的极限分布的诸多定理的总称.正如教材中所提及的那样，在相当宽广条件下，独立同分布的随机变量和的极限分布是正态分布.于是，实际应用中的大量问题，都可依据中心极限定理??以估计和解决.