知识回顾概率好论与数理统计.pptVIP

定理 1 (样本均值的分布)： 定理 2 (样本方差的分布)： 定理 3 （三）几个重要的抽样分布定理 定理 1 (样本均值的分布) 设X1,X2,…,Xn是取自正态总体 的样本，则有 n取不同值时样本均值 的分布 定理 2 (样本方差的分布) 设X1,X2,…,Xn是取自正态总体 的样本, 分别为样本均值和样本方差, 则有 定理 3 设X1,X2,…,Xn是取自正态总体 的样本, 分别为样本均值和样本方差, 则有 小结 一、概念：随机变量，总体，样本 二、 统计量及其分布 1. 几个常见统计量 2. 统计四大分布 样本均值, 样本方差 分布, t 分布, F分布 正态分布， 3. 抽样分布定理 设X1,X2,…,Xn是取自正态总体 的样本, 则 注意把握各种分布之间的联系 1. 一般正态分布与标准正态分布的关系 如果X~N（?，?2），则（X- ?）/ ?~N（0，1） 2. 标准正态分布与X2分布之间的关系 如果X~N（0，1），则X2~ X2 （1），即服从具有1个自由度的分布。 3. 标准正态分布与t分布之间的关系 4. 标准正态分布（分布）与F分布之间的关系 5.关于正态分布的和 6.关于X2分布 数理统计基础 求和运算及相关性质 随机变量及其数值特征 从总体到样本 几个重要的抽样分布 内容提要 数学期望 定义1离散型随机变量数学期望的定义 假定有一个离散型随机变量X有n个不同的可能取值x1,x2,……,xn，而p1,p2,……,pn是X取这些值相应的概率，则这个随机变量X的数学期望定义如下： 数学期望描述的是随机变量（总体）的一般水平。 定义2连续型随机变量数学期望的定义 期望的性质 （1）如果a、b为常数，则 E(aX+b)=aE(X)+b （2）如果X、Y为两个随机变量，则 E(X+Y)=E(X)+E(Y) （3）如果g(x)和f(x)分别为X的两个函数，则 E[g(X)+f(X)]=E[g(X)]+E[f(X)] （4）如果X、Y是两个独立的随机变量，则 E(X.Y)=E(X).E(Y) 方差反映随机变量的离散程度。 对于随机变量X，若E{[X-EX]2}存在，则称E{[X-EX]2}为随机变量X的方差，记为D(X)或Var(X)，即D(X)=E{[X-EX]2} 称为随机变量X的均方差或标准差。 方差 由方差的定义可知，D(X)≥0。 当X为离散型随机变量时，且分布律为 P(X=xk)=pk，则 当X为连续型随机变量时，且密度函数为f(x)，则 在实际计算中，通常使用如下公式 即方差是“随机变量平方的期望减去随机变量期望的平方”。 方差的性质 （a、b、c为常数；x、y为随机变量） （1）Var(c )=0 （2）Var(c+x)=Var(x ) （3）Var(cx)=c2Var(x) （4） Var(x-y)= Var(x )+Var(y )-2cov(x,y) Var(x+y)= Var(x )+Var(y )+2cov(x,y) 若x，y独立，则：Var(x+y)= Var(x )+Var(y ) （5）Var(a+bx)=b2Var(x) （6）a,b为常数，x,y为两个相互独立的随机变量，则Var(ax+by)=a2Var(x)+b2Var(y) （7）Var(x)=E(x2)-(E(x))2 证明: = D(x )+D(y ) +2cov(x,y) 证明：D(x+y)= D(x )+D(y )+2cov(x,y) 协方差 A.协方差定义 随机变量X 和Y，若 X的期望E(X)和Y的期望E(Y)存在, 则称 COV(X, Y)=E{[X?E(X)][Y?E(Y)]}. 为X与Y的协方差, 易见 COV(X, Y)=E(XY）-E(X)E(Y). B. 相关系数 A. 定义 若随机变量 X，Y的方差和协方差均存在, 且DX0,DY0，则 称为X与Y的相关系数. B. 相关系数的性质 (1) |?XY|?1； (2) |?XY|=1?存在常数a, b 使P{Y= aX+b}=