(精选)数理统计基础知识课件.ppt

数理统计基础知识; 例：试验E—电话台单位时间内收到的用户呼唤次数。记呼唤次数为 X，则 X 是一个变量，取值为0，1，2，…,( X =i)代表相应的基本事件（样本点）。;随机变量的定义;（4）引入随机变量后，随机试验中的各种事件，就可以通过随机变量表达出来。; 若Ｘ所有可能的取值为 x 1 , x 2 , … , 对应的概率为 p 1 , p 2 , …。 即： P ( X = x i ) = p i , i = 1, 2, … (1) 则称式 (1) 为随机变量Ｘ的概率函数或概率分布或分布律或 分布列（简称为分布）。;离散型随机变量的分布列的性质;于是，由概率的可列可加性有：;例：　盒中有５个球，其中有２个白球，３个黑球，从中任取３ 个球，则取到的白球数Ｘ是一个随机变量，它可能取的值是０， １，２。那么有：; 定义2.２ 若随机变量X 所有可能取值是某一区间上的所有实数，且存在非负可积的函数 f ( x )， 使得对任意实数　　　　　， 有 ：; 由定义知道，概率密度 f(x) 具有以下性质：;注 意;连续型随机变量取值于某一区间的概率时,区间是否包含端点,是不必考虑的.;说 明; 定义 2.2 设 X 是一个随机变量，x 是任意实数，函数; 分布函数是刻划随机变量分布的一个重要工具。F(x) 表示随机事件 { X ≤x } 发生的概率，它在点 x 处的函数值F(x)正是随机变量 X 的取值落入区间（-∞，x]的概率。;? 分布函数的性质;所以 P(x1 ? X ? x2) = P( X ? x2) – P( X ? x1) = F(x2) – F(x1) 其中x1，x2为任意实数，且 x1 ? x2 。;设 E 是一个随机试验，它的样本空间是 ={ }， 设 X=X( ) 和 Y=Y( ) 是定义在 上的随机变量。 由它们构成的一个向量 (X, Y) ，叫做二维随机 向量，或二维随机变量。;注 意 事 项;二维随机变量的例子;条件概率 ; 例1 一盒中有3个白球7个黑球，求 （1）第一次取得黑球的概率 （2）在第一次取得黑球后不放回的条件下，第二次仍取得黑球的概率 ;条件概率的定义;样本空间;;　用P(AB)=P(A)P(B)来刻划独立性，比用P(A|B)=P(A)更方便，因它不受P(B)是否为0的制约，而且，式中事件A与B的地位对称，反映了独立的相互性。; 随 机 变 量 的 数 字 特 征;某班共有学生10人，期中测验成绩情况如下;一、离散型随机变量的数学期望; 假设一个班共 20 人，其中 18 岁的有 6 人，19 岁的有 10 人，20 岁的有 4 人，现任取一人观察其岁数，则观察到的岁 数 x 为一随机变量，不难求出 x 的分布率如表2 所示。;二、连续型随机变量的数学期望;三、随机变量函数的数学期望;例1：设随机变量?的分布列为;定理 2：;解：; 设 (?, ?) 在区域 G 上服从均匀分布，其中 G 为 x 轴，y 轴 和直线 x+y+1=0 所围成的区域。其联合密度为;性质1：常量的期望就是这个常量本身, 即 E(c)=c.;性质3：E(c?) = cE ? 常量 c 与随机变量 ?的乘积的期望等于 c 与? 的期望的乘积;性质5：两个随机变量之和（差）的数学期望等于这两个随机变量数学期望之和（差） E (? ? ?) = E? ? E?; 解： Ex =9?0.3+10?0.5+11?0.2=9.9;定义：设二维随机变量 (?, ?) 的联合分布为 P (?= x i ， ?= y j ) = p i j (i , j = 1, 2, ? ) 在 ? = y j 条件下随机变量?的条件分布为;即;2、连续型;方 差; 一、方差的定义;3o 方差的计算公式:;解：;例：;三 方差的性质;性质 5： 两个独立随机变量和(差)的方差，等于这两个随机变量 方差的和。 即：D(X ?Y ) = DX +DY;定义：随机变量X的标准化随机变量;协方差与相关系数、矩;一 协方差;性质 5： 两个独立随机变量和(差)的方差，等于这两个随机变量 方差的和。 即：D(X ?Y ) = DX +DY;