概率论总复习 3.pptVIP

11A：max(X,Y)离散型(填空题)，X/Y和XY（大题） 12A：X+Y连续型（大题） 13A： min(X1,X2,...,X5)连续型（大题） 理解各参数的函数 会求边缘密度 例13A：设(X,Y)~N(0,1,1,4,1/2), Z1=3X+5Y, Z2=2X+aY, （1）求Z1, Z2相关系数；（2）问常数a为何值时，Z1, Z2独立 理解随机变量数字特征(数学期望、方差、标准差、协方差、相关系数)的概念并熟练掌握其基本性质，能计算具体分布的数字特征； 熟练掌握(0-1)分布、二项分布、Poisson分布、均匀分布、正态分布、指数分布的数学期望和方差的计算并熟记其结论；掌握随机变量的函数的数学期望的求法； 了解不相关的概念，理解不相关与相互独立的关系和二维正态随机变量不相关与相互独立的等价条件； 了解多维正态分布的概念，了解正态随机向量的线性函数的有关分布； 了解切比晓夫不等式，了解矩、协方差矩阵的概念。 重点： 数学期望与方差的性质 协方差与相关系数的性质 几种重要分布的数学期望与方差的计算及结论 求随机变量的函数的数学期望。 难点：求随机变量的函数的数学期望。 记住典型分布的随机变量的期望。 熟悉数学期望的性质，便于简化计算。 记住典型分布的随机变量的方差。 熟悉数学方差的性质，便于简化计算。 了解不相关的概念 理解不相关与相互独立的关系 理解二维正态随机变量不相关与相互独立的等价条件。 .称 .称 .称 为 阶原点矩，简称 阶矩 为 阶中心矩 阶混合矩 为 阶混合中心矩 为 称矩阵 为 的协方差矩阵 会计算各阶矩（后面矩估计用） 理解协方差矩阵的含义，其中每个元素代表什么 了解多维正态分布密度函数的定义及其性质，会使用 例(1A )：设随机变量(X, Y)的协方差阵为 ， 则X, Y的相关系数为？ 了解依概率收敛、大数定律、中心极限定理的概念； 掌握贝努里大数定理、辛钦大数定理成立的条件和结论； 了解切比晓夫大数定理； 掌握独立同分布的中心极限定理、德莫佛-拉普拉斯中心极限定理成立的条件和结论，并会用相关定理近似计算有关随机事件的概率。 （伯努利大数定律）设 是 次独立重复试 验中事件 发生的次数,且 则 有 （辛钦大数定律）设 是独立同分布r.v列, 存在，则 服从大数定律,即 有 机变量列,且具有相同的数学期望和方差,记 （切比雪夫大数定律）设 为两两不相关的随 则 有 同分布的 r.v 列，其数学期望和方差分别为 则 服从中心极限定理 的分布函数 对任意 满足 设 为独立 ,即标准化r.v 例(12A)：某复杂系统由 n个相互独立起作用的部件所组成．每个部件的可靠性为0.9 ．且必须至少有80%的部件正常工作才能使整个系统正常工作．按中心极限定理，问 n至少为_________时，才能使系统的可靠性不低于95%. 例(12A )：设X1,X2, ..., Xn为来自均匀分布总体 X~U(0,2)的样本，当n→∞时， 例（13A）：设X1,X2, ..., Xn...为独立同分布的随机变量，且E(X1)=0, D(X1)=1,则 了解总体的概念；理解样本、样本容量、统计量的概念； 掌握常用统计量:样本均值、样本方差、最大顺序统计量、最小顺序统计量； 掌握几个典型的抽样分布的定义及有关结论；理解分位数的概念及有关结论，会查常用分布分位数表； 熟练掌握抽样分布定理并会应用。 重点：常用统计量、重要分布的定义及有关结论、分位数的概念及有关结论、抽样分布定理。 难点：有关统计量的分布的推导。 例(13A )：设两总体 ， 分别取自它们的独立样本若 服从t分布，则常数C=？ 例(11A)：设(X1,X2, ..., X4)为来自正态总体 的样本，则 12A中两种类型都考了 了解点估计、估计量及估计值的概念； 了解矩估计法和极大似然估计法的统计思想； 熟练掌握矩估计法和极大似然估计法； 了解估计量的无偏性、有效性和一致性(相合性)的概念及实际意义，掌握验证估计量的无偏性的方法； 了解区间估计的概念及实际意义，熟练掌握单个正态总体的均值和方差的置信区间的求法，掌握求两个正态总体的均值差和方差比的置信区间的方法； 了解单侧置信区间的概念； 了解区间估计的大样本方法，会求(0-1)分布中参数的区间估计 重点： 矩估计法 极大似然估计法 估计量的无偏性、有效性 正态总体中均值与方差的区间估计。 难点：矩估计法和极