概率论与数理统计课件().ppt

第二章随机变量 离散型随机变量 随机变量的分布函数 连续型随机变量 一维随机变量函数的分布 二维随机变量的联合分布 多维随机变量的边缘分布与独立性 条件分布 多维随机变量函数的分布 2.3 随机变量的分布函数一、分布函数的概念. 二、分布函数的性质(P29) 2.4 连续型随机变量一、概率密度 二、几个常用的连续型分布 2.5 一维随机变量函数的分布 二、连续型随机变量函数的密度函数 小结. 二. 联合分布函数 四.二维连续型随机变量及其密度函数 二、边缘分布律 三、边缘密度函数 2.8 多维随机变量函数的分布一、二维离散型随机变量函数的分布律 二、多个随机变量函数的密度函数 第三章 随机变量的数字特征 随机变量的数学期望 随机变量的方差 随机变量的协方差和相关系数 大数定律 中心极限定理 3.1数学期望一.数学期望的定义 3.2 方差一. 定义与性质 三.切比雪夫不等式 (P107) 3.3 协方差，相关系数一.协方差定义与性质 二.相关系数 三. 矩(p98) 四. 协方差矩阵(p98) 3.6 大数定律与中心极限定理3.6.1 大数定律一.依概率收敛 二.几个常用的大数定律 3.6.3. 中心极限定理一.依分布收敛 二.几个常用的中心极限定理 2.德莫佛-拉普拉斯中心极限定理(De Moivre-Laplace) 第四 章 样本及抽样分布 引言 随机样本 抽样分布 4.1 随机样本一、总体与样本 二、统计量 4.2 抽样分布 一、 ?2—分布 三、F—分布　 4.3 正态总体的抽样分布定理 第五章 参数估计 点估计 估计量的评选标准 区间估计 正态总体参数的区间估计 5.1 点估计一、参数估计的概念 二、矩估计法（简称“矩法”） 三、极大似然估计法 5.2 估计量的评选标准一、一致性 三、有效性 5.3 区间估计一、概念 四、双正态总体方差比的置信区间 小结 第六章 假设检验 6.1假设检验的基本概念和思想 6.2 单正态总体的假设检验 6.3 双正态总体均值差与方差比的 假设检验 6.1假设检验的基本概念和思想一、基本概念 若x1， … ， xn是样本的一个观测值。 由于g(x1， … ， xn) 是实数域上的一个点，现用它来估计?， 故称这种估计为点估计。 点估计的经典方法是矩估计法与极大似然估计法。 关键点：1.用样本矩作为总体同阶矩的估计，即 2.约定：若 是未知参数?的矩估计，则g(?)的矩估计为g( ), 例1：设X1， … ， Xn为取自总体B(m,p),的样本，其中m已知，0p1未知，求p的矩估计。 EX：设X1， … ， Xn为取自参数为?的指数分布总体的样本，求?的矩估计。 例2。设总体X的概率密度为 X1， … ， Xn为样本，求参数?的矩估计。 例3：设X1， … ， Xn为取自 总体的样本，求参数 的矩估计。 1、极大似然思想 有两个射手，一人的命中率为0.9,另一人的命中率为0.1,现在他们中的一个向目标射击了一发，结果命中了，估计是谁射击的？ 一般说，事件A发生的概率与参数???有关，?取值不同，则P(A)也不同。因而应记事件A发生的概率为P(A|?).若A发生了，则认为此时的?值应是在?中使P(A|?) 达到最大的那一个。这就是极大似然思想 1.设总体X为离散型随机变量，它的分布律为 现有样本观察值x1,x2,…xn,,其中xk取值于{ak,k=1,2…} 问：根据极大似然思想，如何用x1,x2,…xn估计q? 例5.设X1， … ， Xn为取自参数为?的泊松分布总体的样本，求?的极大似然估计 2.设总体X为连续型随机变量，概率密度f(x;q) 现有样本观察值x1,x2,…xn, 问：根据极大似然思想，如何用x1,x2,…xn估计q? 2、似然函数与极大似然估计 为该总体的似然函数。 定义：若有 使得 则称 为?的极大似然估计.记为 3、求极大似然估计的步骤 (1) 做似然函数 (2) 做对数似然函数 (3) 列似然方程 若该方程有解，则其解就是 注1：若概率函数中含有多个未知参数，则可解方程组 例6：设X1， … ， Xn为取自 总体的样本，求参数 的极大似然估计。 注2：极大似然估计具有下述性质： 若 是未知参数?的极大似然估计， g(?)是?的严格单调函数，则g(?)的矩极大似然估计为g( ), 例7：设X1， … ， Xn为取自参数为?的指数分布 总体的样本，a0为一给定实数。 求p=P{Xa}的极大似然估计