概率论第二部分.doc

PAGE PAGE 1 概率论 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc341809872 第一章 随机事件及其概率 PAGEREF _Toc341809872 \h 1 HYPERLINK \l _Toc341809873 第二章 随机变量及其概率分布 PAGEREF _Toc341809873 \h 6 HYPERLINK \l _Toc341809874 第三章 多维随机变量及其概率分布 PAGEREF _Toc341809874 \h 11 HYPERLINK \l _Toc341809875 第四章 随机变量的数字特征 PAGEREF _Toc341809875 \h 14 HYPERLINK \l _Toc341809876 第五章 大数定律与中心极限定理 PAGEREF _Toc341809876 \h 19 HYPERLINK \l _Toc341809877 第六章 统计量及其抽样分布 PAGEREF _Toc341809877 \h 21 HYPERLINK \l _Toc341809878 第七章 参数估计 PAGEREF _Toc341809878 \h 24 HYPERLINK \l _Toc341809879 第八章 假设检验 PAGEREF _Toc341809879 \h 27 第四章 随机变量的数字特征 单个随机变量的期望 例1 设 　　　　　　　　　，则 例2 设X的分布密度为，则 单个随机变量函数的期望 设X为随机变量，是普通函数，则是随机变量，且 * 例3 设X的分布如例1，求的期望 解： 例4 设X的分布密度如例2，求的期望 解： 当（其中）时，，即为X的方差 例4 设 则 ， （方差大者，取值分散） ［注］：是重要常用公式 例5 设随机变量X具有概率密度，求DX 解：因是分段函数，故求时也要随之分段积分 于是 3．函数的期望 设是普通函数，则是随机变量，其数学期望EZ等于 例6 设分布律为 　　　　　　　　　　 ， 则 例７ 设的分布密度，则 当时，其中，则 是X，Y的协方差，即 　　 （重点） 当时，其中 *为X，Y的相关系数 期望的重要性质 （1） （常数） （2） （3） 推广： （4）若X，Y相互独立，则 方差的重要性质 （1） ，其中c为常数 （2） 特别 （3）若X，Y相互独立，则 　　 　　 （4） 例８ 设X，Y相互独立，且，则 协方差的运算性质： （1） （2），其中a，b为常数 （3） （4）若X，Y相互独立，则，从而，即X与Y不相关 ［注］：一般地，若X，Y独立，则X，Y必不相关（即）；反之不真，即X，Y不相关推不出X，Y独立。 重要特例是：若为正态分布，则X，Y独立等价于X，Y不相关（即） 例９ 设的分布律为 　　　　　　　　　　 ，求 解：易知 故，, ， * 例１０ 设～，则 * 例１１ 设为连续型，则X与Y不相关的充分必要条件是_______（选择题） （A）X，Y独立 （B） （C） （D）～ 解法1（排除法）：排除（A），因X，Y独立不相关（故非充要条件）；排除（B），这一等式成立不需任何条件；排除（D），由服从正态分布及知X，Y独立，从而不相关，但并非正态场合才有这一结论故选（C） 解法2（直接证明）：当时，，故X，Y不相关；反之亦然。 第五章 大数定律与中心极限定理 贝努利大数定律 贝努利大数定律：设，为A在n次观测中发生的频率，则对任给的正数有 中心极限定理 设相互独立，同分布，从而它们有相同的期望和相同的方差 ，其中为标准正态分布函数 ［注］：中心极限定理的含义是：大量随机变量的和近似正态分布，即当n很大时近似某正态分布，为了便于查表近似计算，将标准化（从而标准化后其近似分布） 故上述随机变量的分布函数，即 在应用中心极限定理，大多用上式的形式 更进一步的特别场合为：若相互独立同分布时，上式化为 这一式子在应用也较为常用 例1 计算机进行加法计算时，设所取整误差是相互独立的随机变量，且都服从，求300个数相加的误差总和的绝对值小于10的概率。 解：易知第i个加数的误差满足：～，，故 故所 第六章 统计量及其抽样分布 1．设总体～ 则其样本相互独立，同分布，n为样本容量 从而～ 　　 ～ 例1 设总体X～，则从而其样本的联合密度函数为 ～ 2．常见统计量 常见统计量