概率论与数理统计期末复习知识点.ppt

(二)方差 1.若X离散型. 2.若X连续型.概率密度为 f(x) (1) 计算公式： 3.均方差或标准差: 假设下列方差均存在 1. D(C)=0, (C为常数) 2. D(CX)=C2 D(X), (C为常数) 3. 设X与Y是两个随机变量，则有 特别，若X与Y相互独立: D(X±Y)=D(X)+D(Y) 4. D(X)=0 ? P{X=E(X)}=1. (2)方差的性质 5。若X服从指数分布,则 E(X)= , D(X)= . 3。若X~π(?),则 E(X)= ?, D(X)= ?. 4。若X服从区间(a,b)均匀分布， 则 E(X)=(a+b)/2, D(X)=(b-a)2/12. 6。若X~N(?,?2),则E(X)= ? , D(X)= ?2. 2。若X~b(n,p ),则 E(X)=np, D(X)=np(1-P). 1。若X服从两点分布,则 E(X)=p, D(X)=p(1-P). (三)一些常见分布的期望与方差 切比雪夫不等式: 定理 设随机变量X的数学期望E(X)=?,方差D(X)=?2. 则对任意的正数?，有 上式称为切比雪夫(chebyshev)不等式． [注] 此不等式给出了 在随机变量的分布未知的情况下, 事件 的概率值的一种估计方法. (四)协方差 相关系数 协方差: 计算公式： 1。Cov(X,Y)=E(XY)-E(X)E(Y)  2。D(X±Y)=D(X)+D(Y)±2Cov(X,Y) 相关系数: X与Y不相关: ?XY =0 协方差的性质： 1。Cov(X,X)= D(X) 2。Cov(X,Y)=Cov(Y,X) 3。Cov(aX,bY)=abCov(X,Y) (a,b为常数) 4。Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y) Cov(aX1+bX2,Y)=aCov(X1,Y)+bCov(X2,Y) 相关系数的性质： 注: 1)若随机变量X与Y相互独立,则X与Y一定不相关; 反之不一定成立。 2)对二维正态随机变量(X,Y): X与Y不相关? X与Y独立 ? 3)二维正态分布只要知道X与Y的分布及相关系 数即可确定. 设X,Y为随机变量,则 1)X的k阶原点矩(k阶矩)： 2)X和Y的k+l 阶混合矩： (五) 矩 协方差矩阵 3)X的k阶中心矩： 4)X和Y的k +l 阶混合中心矩： 几个常用的矩统计量 样本均值 样本标准差 样本k阶原点矩 样本k阶中心矩 样本方差 数理统计部分 设X1, X2 ,…, Xn是来自总体 N(0,1)的样本,则 分布 几个常用统计量的分布 ? 设X~N(0,1), Y~?2(n),且X与Y独立,则 t 分布 ? F分布 设U~?2(n1), V~?2(n2),且U 与V独立,则 0 F?(n1,n2) ? 正态总体的样本均值与样本方差的分布 总体X均值为 ?,方差为 ? 2, X1, X2 ,…, Xn是来自X 的样本, 结论1 设X1, X2 ,…, Xn是来自正态总体X~N (?, ? 2 )的样本,则 结论2 点值估计 区间估计 假设检验 参数估计 统计推断 正态总体方差 正态总体均值 总体未知参数的点估计 用样本(原点)矩作为总体(原点)矩的估计 矩估计法: 最大似然估计法：利用最大似然原理的直观想法“概率最大的事件最可能出现”，把抽取的样本对应的事件作为概率最大的事件，然后用此倒推未知参数的值. 似然函数: 区间估计: 为了估计总体X 的未知参数? ,通过样本寻求一个区间，并且给出此区间覆盖参数? 真值的可信程度．这就是总体未知参数的区间估计问题 估计量的评选标准: 无偏性（求期望） 有效性（求方差） 相合性（对n求极限） 设总体X的分布函数F(x; ?),?为未知参数,X1, X2, …,Xn是取自总体的样本.设? 满足 0?1, 则称随机区间 为?的置信水平为1-? 的置信区间. 是两个统计量. 若 置信区间: 设总体X~N(?,?2), X1, X2,