概率论与数理统计课件【】讲解学习.ppt

§5.2 中心极限定理 在实际问题中许多随机变量是由相互独立随机因素的综合（或和)影响所形成的. 例如：炮弹射击的落点与目标的偏差，就受着许多随机因素（如瞄准，空气阻力，炮弹或炮身结构等）综合影响的.每个随机因素的对弹着点（随机变量和）所起的作用都是很小的.那么弹着点服从怎样分布哪 ？ 定理（Linderberg-Levy） 5.2.1 独立同分布序列的中心极限定理 X Y 4.2.3 方差的性质 本节课主要讲授： 1、离散型随机变量的方差，几类常用离散分布的方差； 2、连续型随机变量的方差，几类常用连续分布的方差； 3、方差的性质。 小 结 §4.3 协方差和相关系数 对二维随机变量(X,Y ), 我们除了讨论X 与Y 的期望和方差外,还需讨论X 与Y 之间相互关系的数字特征. 4.3.1 协方差 定义1 设有二维随机变量(X,Y ),且E(X), E(Y) 存在,如果 E[(X-E(X))(Y-E(Y))] 存在,则称此值为X 与Y 的协方差, 记为 Cov(X,Y), Cov(X,Y)= E[(X-E(X))(Y-E(Y))]. 即 协方差性质 4.3.2 相关系数 相关系数的性质 例4-34 设随机变量(X,Y)的分布率为 -1 1 -1 0.25 0.5 1 0 0.25 X Y 求E(X), E(Y), D(X), D(Y),Cov(X,Y),ρXY. 例4-35 设二维随机变量(X,Y)的概率密度为 求:(1)E(X), E(Y);(2) D(X), D(Y);(3)Cov(X,Y),ρXY. 结论 本节课主要讲授： 1、协方差的概念与性质； 2、相关系数的概念与性质。 小 结 第五章 大数定律和中心极限定理 §5.1 大数定律 §5.2 中心极限定理 概率统计是研究随机变量统计规律性的数学学科, 而随机变量的规律只有在对大量随机现象的考察中才能显现出来.研究大量随机现象的统计规律,常常采用极限定理的形式去刻画,由此导致对极限定理进行研究. 大数定律描述频率和平均数的稳定性，而中心极限定理则阐述在一定条件下大量随机变量的和的分布近似于正态分布。 §5.1 大数定律 大量随机试验中 大数定律的客观背景 大量抛掷硬币 正面出现频率 字母使用频率 生产过程中的 废品率 …… 识 记 5.1.1 切比雪夫（Chebyshev）不等式 设 m是n次独立重复试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意正数ε 0 ，有 定理（贝努利大数定律） 或 5.1.2 大数定律 注： 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m/n与事件A的概率p有较大偏差的概率很小. 定理(切比雪夫大数定律) 说明 定理(辛钦大数定律) 第四章 随机变量的数字特征 §4.1 随机变量的期望 §4.2 随机变量的方差 §4.3 协方差与相关系数 §4.1 随机变量的期望 4.1.1 离散型随机变量的期望 定义1 设离散型随机变量X 的分布列为 也就是说, 离散型随机变量的数学期望是一个绝对收敛的级数的和. 如果 有限, 定义X 的数学期望 P{X=xk}=pk , k=1,2,… 例4-1 设随机变量X的分布列为 X -1 0 1 P 0.3 0.2 0.5 求E(X). 解 E(X)=(-1) × 0.3+0 × 0.2+1 × 0.5=0.2 例4-2 甲乙两人进行打靶,所得分数分别记为X,Y,它们的分布列分别为 X 0 1 2 P 0 0.2 0.8 Y 0 1 2 P 0.1 0.8 0.1 试比较它们成绩的好坏. 解 分别计算X和Y的数学期望: E(X)=0Х0+1 Х 0.2+2 Х 0.8=1.8(分)， E(Y)=0Х0.1+1 Х 0.8+2 Х 0.1=1 (分). 这就意味着,如果进行多次射击,甲所得分数的平均值接近于1.8分,而乙得分的平均值接近1分.很明显乙的