概率论部分复习总结回顾.pptVIP

(3)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)， 反之不真。 (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: 假设下列方差均存在 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P103 5。若X服从指数分布,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)=np(1-P). 1。若X服从两点分布,则 E(X)=p, D(X)=p(1-P). (三)一些常见分布的期望与方差 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． [注] 此不等式给出了 在随机变量的分布未知的情况下, 事件 的概率值的一种估计方法. (四)协方差 相关系数 协方差: 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) 相关系数: X与Y不相关: ?XY =0 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。P108 例题1 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： (五) 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： 第四章课后作业：P114~118:6、7、8、14、26、27、32 第五章 大数定律与中心极限定理 大数定律的客观背景 §5.1 大数定律 大量的随机现象中平均结果的稳定性 大量抛掷硬币 正面出现频率 生产过程中的 废品率 字母使用频率 定理 1 （独立同分布下的大数定律） 几个常见的大数定律 定理2（贝努里大数定律） 设nA是n重贝努里试验中事件A发生的 次数，p是事件A发生的概率，则对任给的ε 0，有： 或 贝努里大数定律表明，当重复试验次数n充分大时，事件A发生的频率nA/n与事件A的概率p有较大偏差的概率很小。 定理 3（辛钦大数定律） 设随机变量序列 X1, X2, … 独立同分布，具有有限的数学期望 EXi=μ, i=1,2,…， 则对任给ε 0 ， 中心极限定理的客观背景 在实际问题中，常常需要考虑许多随机因素所产生总影响. 例如：炮弹射击的落点与目标的偏差，就受着许多随机因素的影响. §5.2 中心极限定理 在概率论中，习惯于把和的分布收敛于正态分布这一类定理都叫做中心极限定理。 定理 4（独立同分布下的中心极限定理） 设X1,X2, …是独立同分布的随机 变量序列，且E(Xi)= ，D(Xi)=