- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2004年7月第1版
2008年4月第10次印刷
第一章 随机事件与概率
1.1 随机事件及其运算
1.1.1 随机现象
在一定的条件下,并不总是出现相同结果的现象称为随机现象.在相同条件下可以重复的随机现象又称为随机试验.
1.1.2 样本空间
随机现象的一切可能基本结果组成的集合称为样本空间,记为Ω={ω},其中ω表示基本结果,又称为样本点.样本点是今后抽样的最基本单元.
1.1.3 随机事件
随机现象的某些样本点组成的集合称为随机事件,简称事件.
1.1.4 随机变量
用来表示随机现象结果的变量称为随机变量.
1.1.7 事件域
定义1.1.1 设Ω为一样本空间,F为Ω的某些子集所组成的集合类.如果F满足:
(1) Ω∈F;
(2)若A∈F,则对立事件A∈F;
(3)若An∈F,n=1,2,…,则可列并n=1∞An∈F.
则称F为一个事件域,又称为σ代数.
在概率论中,又称(Ω,F)为可测空间.
1.2 概率的定义及其确定方法
1.2.1 概率的公理化定义
定义1.2.1设Ω为一样本空间,F为Ω的某些子集所组成的一个事件域.若对任一事件A∈F,定义在F上的一个实值函数P(A)满足:
(1)非负性公理 若A∈F,则PA≥0;
(2)正则性公理 PΩ=1;
(3)可列可加性公理 若A1,A2,…,An互不相容,有
Pi=1∞Ai=i=1∞PAi
则称P(A)为事件A的概率,称三元素(Ω,F,P)为概率空间.
第二章 随机变量及其分布
2.1 随机变量及其分布
2.1.1 随机变量的概念
定义2.1.1 定义在样本空间Ω上的实值函数X=X(ω)称为随机变量.
2.1.2 随机变量的分布函数
定义2.1.2 设X是一个随机变量,对任意实数x,称
Fx=P(X≤x)
为随机变量X的分布函数.且称X服从Fx,记为X~Fx.
2.1.4 连续随机变量的概率密度函数
定义2.1.4 设随机变量X的分布函数为Fx,如果存在实数轴上的一个非负可积函数p(x),使得对任意实数x有
Fx=-∞xp(t)dt
则称X为连续随机变量,称p(x)为X的概率密度函数,简称为密度函数.
密度函数的基本性质
(1)非负性 px≥0;
(2)正则性 -∞+∞p(x)dx=1.
第三章 多维随机变量及其分布
3.1 多维随机变量及其联合分布
3.1.1 多维随机变量
定义3.1.1 如果X1ω,…,Xnω定义在同一个样本空间Ω={ω}上的n个随机变量,则称
Xω=(X1ω,…,Xnω)
为n维(或n元)随机变量或随机向量.
3.1.2 联合分布函数
定义3.1.2 对任意的n个实数x1,…,xn,则n个事件X1≤x1,…,Xn≤xn同时发生的概率
Fx1,…,xn=P(X1≤x1,…,Xn≤xn)
称为n维随机变量(X1,…,Xn)的联合分布函数.
3.4 多维随机变量的特征数
3.4.5 随机向量的数学期望与协方差阵
定义3.4.3 记n维随机向量为X=(X1,…,Xn),若其每个分量的数学期望都存在,则称
EX=(E(X1),…,E(Xn))
为n维随机向量X的数学期望向量,简称为X的数学期望,而称
EX-EXX-EX=Var(X1)Cov(X1,X2)…Cov(X1,Xn)Cov(X2,X1)Var(X2)…Cov(X2,Xn)…………Cov(Xn,X1)Cov(Xn,X2)…Var(Xn)
为该随机向量的方差—协方差阵,简称协方差阵,记为Cov(X).
例3.4.12(n元正态分布) 设n维随机变量X=(X1,…,Xn)的协方差阵为B=Cov(X),数学期望向量为a=(a1,…,an).又记x=(x1,…,xn),则由密度函数
px1,…,xn=px=12πn2(detB)12exp?(-12x-aB-1(x-a))
定义的分布称为n元正态分布,记为X~Na,B.
第四章 大数定律与中心极限定理
4.1 特征函数
4.1.1 特征函数的定义
定义4.1.1 设X是一个随机变量,称
φt=EeitX,-∞t+∞
为X的特征函数.设p(x)是随机变量X的密度函数,则
φt=-∞+∞eitxp(x)dx
4.2 大数定律
4.2.1伯努利大数定律
定理4.2.1(伯努利大数定律) 设μn为n重伯努利试验中事件A发生的次数,p为每次试验中A出现的概率,则对任意的ε0,有
limn→+∞P{μnn-pε}=1
4.2.2 常用的几个大数定律
4.3 随机变量序列的两种收敛性
4.3.1 依概率收敛
定义4.3.1(依概率收敛) 设{Yn}为一随机变量序列,Y为一随机变量,如果对任意的ε0,有
limn→+∞P{Yn-Yε}=1
则称{Yn}依概率收敛于Y,记作YnPY.
4.4 中心极限定理
4.4.2 独立同分布下的中心极限定理
定理4.4.1(林德贝格—勒
文档评论(0)