浙江大学概率论与数理统计第四五章复习.ppt

定理1 （切比雪夫定理的特殊情况）设随机变量序列 X1,X2,…,Xn,...相互独立，且具有相同的数学期望和方差： * * 主要内容 第四章 随机变量的数字特征 (一) 数学期望(均值) 数学期望的性质: 假设以下随机变量的数学期望均存在． 1. E(C)=C, （C 是常数） 2. E(CX )=CE(X ), （C 是常数） 3. E(X?Y )=E(X ) ? E(Y ), 4. 设X与Y 相互独立,则 E(XY )=E(X )E(Y) (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: 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服从参数为 的指数分布,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)=npq. 1。若X服从两点分布,则 E(X)=p, D(X)=pq. (三)一些常见分布的期望与方差 7。若随机变量X有期望E(X)= ?, 方差D(X)=?2?0. 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． (四)切比雪夫不等式 [注] 此不等式给出了在随机变量的分布未知的情况下, 估计事件 或 的一种方法. 的概率 (五)协方差 相关系数 协方差: 相关系数: X与Y不相关: ?XY =0 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) 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： (六) 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： 协方差矩阵 其中 第五章 大数定律及中心极限定理 §5.1 大数定律  性质：设 则称随机变量序列Y1, Y2 …,Yn ,...依概率收敛于a ， 记为: 若对任意正数?，有 定义1 设Y1, Y2 …,Yn ,...为一随机变量序列，a是常数， , g(x,y)在点(a,b)连续, 则 E(Xk)=?，D(Xk)=?2 (k=1,2,...) , 则 即 对任意的?0,有 定理2 （贝努力大数定律）设nA是n 次独立重复试验中A发生的次数. p是事件A在每次试验中发生的概率, 则对任意?0,有 定理3（辛钦定理）设随机变量序列X1,X2,…,Xn,...相互独立且同分布，数学期望：E(Xk)=?，则对任意正数?，有 设随机变量X1,X2,…,Xn,… 相互独立,服从同一分布,且 E(Xk)=?，D(Xk)=?2?0 (k=1,2, ...) ,　则 的分布函数Fn(x)满足:对任意实数x，有 定理