概率论和数理统计教程(茆诗松).docxVIP

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