概率论与数理统计期末复习提纲.pptVIP

第四章、随机变量的数字特征 数学期望 方差 协方差及相关系数 解： 例 设(X,Y)在区域A上服从均匀分布，其中A为x轴，y轴和直线x+y+1=0所围成的区域 , 求 EX，E(-3X+2Y )，EXY . 数学期望的性质 1. 设C是常数，则E(C)=C; 4. 设X、Y 相互独立，则 E(XY)=E(X)E(Y); 2. 若k是常数，则E(kX)=kE(X); 3. E(X+Y) = E(X)+E(Y); （诸Xi相互独立时） 请注意: 由E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 方差的定义 设X是一个随机变量，若E[X-EX]2存在 , 称 E[X-EX]2 为 X 的方差. 记为DX或Var(X)，即 DX=Var(X)=E[X-EX]2 计算方差的一个简化公式 DX=EX2-[EX]2 方差的性质 1. 设C 是常数, 则 DC=0 ; 2. 若 C 是常数, 则 D(CX)=C2 DX ; 3. 设 X 与 Y 是两个随机变量，则 D(X+Y)= D(X)+D(Y)+2E{[X-EX][Y-EY]} 4. DX=0 P{X= C}=1 , 这里C=EX 表1 几种常见分布的均值与方差 (P105) 数学期望 方差 分布率或 密度函数 分布 0－1分布 p p(1-p) 二项分布b(n,p) np np(1-p) 泊松分布 均匀分布U(a,b) 指数分布 正态分布 量E{[ X-EX][Y-EY ]}称为随机变量X和Y的协方差,记为Cov(X,Y) ，即 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X) 协方差 2.简单性质 ⑵ Cov(aX,bY) = ab Cov(X,Y) a,b 是常数 Cov(X,Y)=E{[ X-EX][Y-EY ]} 1.定义 Cov(X,Y)=E(XY) -EXEY 计算协方差的一个简单公式 D(X+Y)= DX+DY+ 2Cov(X,Y) 随机变量和的方差与协方差的关系 相关系数 为随机变量 X 和 Y 的相关系数 . 定义: 设DX0, DY0, 称 在不致引起混淆时，记 为 . Cov(X,Y)=E(XY) -EXEY 协方差 2. X和Y 独立时， =0，但其逆不真. 由于当X和Y独立时， 故 = 0 但由 并不一定能推出X和Y 独立. Cov(X,Y)=E(XY) -EXEY =0 若(X,Y)服从二维正态分布，则 X与Y独立 X与Y不相关 第五章、大数定律与中心极限定理 切比雪夫不等式 大数定律 中心极限定理 二、中心极限定理定义 于是 解 例 第六章、统计量及抽样分布 总体与样本 常用统计量的分布 统计量的定义： 不含任何未知参数的样本的函数称为统计量. 它是完全由样本决定的量. 统计量 常用的统计量 样本平均值 样本方差 样本标准差 样本k阶原点矩 样本k阶中心矩 抽样分布 t 分布 F分布 抽样分布定理 样本均值的分布 样本方差、均值的分布 第七章 参数估计 点估计 估计量的评选标准 寻求估计量的方法 1. 矩估计法 2. 极大似然法 3. 最小二乘法 4. 贝叶斯方法 …… 这里我们主要介绍前面两种方法 . 书上例题、习题（A）和试卷 性质2写在黑板上，下面证明时方便 * 可与一维的f(x)的性质对比。 * 要将(X,Y)看成一个整体研究。 期末复习提纲 各章分布 第七章 参数估计 第六章 统计量及抽样分布 第五章 极限定理 第四章 随机变量的数字特征 第三章 多维随机变量及其分布 第二章 一维随机变量及其分布 第一章 随机事件与概率 总分 计算题 填空题 选择题 分数 题型 教学内容 考试时间100分钟 随机事件间的关系与运算 古典概型 概率的基本性质 条件概率，乘法定理， 全概率公式，贝叶斯公式 第一章 随机事件与概率 第二章 一维随机变量及其分布 一维随机变量 离散型随机变量 随机变量的分布函数 连续性随机变量 随机变量函数的分布 3）用概率密度可以直接求事件的概率 设 X 为一个连续型随机变量，其概率密度函数为 p(x)。 y = g(x)为一个连续函数，求随机变量Y=g(X)的概率密度函数 (1) 求Y的分布函数 F