设随机变量X的概率密度为.pptVIP

契比雪夫不等式给出了在未知X分布的情况下, 估计事件{|X-μ|ε}概率的方法.在上式中分别取 ε=3σ,4σ得 由对立事件概率公式可得契比雪夫不等式的另一 形式: §3.常见重要分布的期望与方差 一、二项分布 设X服从参数为n,p的二项分布B(n,p),则其分布律为 在§2例10中已经求得 设X服从参数为λ的二项分布P(λ),则其分布律为 二、泊松分布 由幂级数展开式 与期望、方差 定义得 故 设X服从参数为μ,σ2的正态分布N(μ,σ2),则其概率密度为 其中 数学期望为： 奇函数在对称区间上的积分为零 换元 标准正态概率密度性质 三、正态分布 * * 第四章 随机变量的数字特征 ? 数学期望及其性质 ? 方差及其性质 ? 协方差与相关系数 ? 契比雪夫不等式 ? 常见的重要分布的数字特征 分布函数能完全描述随机变量的统计特性，但求 分布函数常常是困难的，且在很多实际问题中，只需 知道随机变量的某些特征，而不必求分布函数。 由于这些随机变量的特征通常是与随机变量有关 的数值，故称它们为随机变量的数字特征。 本章介绍常用数字特征：数学期望，方差，协方 差，相关系数和矩。数学期望是最重要的一种，其余 都