华南师范大学《概率论与数理统计》课件- 复习课件(添加）.pptVIP

i=1,2, … ,k 从这 k 个方程中解出 j=1,2,…,k j=1,2,…,k 那么用诸 的估计量 Ai 分别代替上式中的诸 , 即可得诸 的矩估计量 ： 矩估计量的观察值称为矩估计值 . 的函数,记为： * 求最大似然估计量的一般步骤为： （1）求似然函数 （2）一般地，求出 及似然方程 （3）解似然方程得到最大似然估计值 （4）最后得到最大似然估计量 * 无偏估计的实际意义: 无系统误差. 一、无偏性 * 证 例1 * 二、有效性 D( ) ≤D( ) 则称 较 有效 . 都是参数 的无偏估计量，若对任意 ， 设 和 且至少对于某个 上式中的不等号成立， * 证明 例4 (续例3) * 例如 三、相合性 * 一、单个总体 的情况 并设 为来自总体的 样本 , 分别为样本均值和样本方差 . 均值 的置信区间 为已知 可得到 的置信水平为 的置信区间为 或 * 为未知 可得到 的置信水平为 的置信区间为 此分布不依赖于 任何未知参数 由 或 * 方差 的置信区间 由 可得到 的置信水平为 的置信区间为 * 由 可得到标准差 的置信水平为 的置信区间为 注意: 在密度函数不对称时, 习惯上仍取对称的分位点来确定置信区间(如图). * 第七章参数估计 156页第2节“基于截尾样本的最大似然估计”不作要求， 165页“两个正态总体”不考应用题 168页“（0－1）分布参数的区间估计”不作要求 * 第八章假设检验 假设检验的简单概念和基本思想，两类错误的含义以及处理方式，第一节的概念理解，可参看217页小结 * 此外，关于正态分布的一些定理和关系要注意弄清楚。 * 分数大致分布 只考到第8章第1节 * A卷 第1章 第2章 第3章 第4章 第5章 第6章 第7章 第8章 20 4 18 16 0 4 33 5 B卷 第1章 第2章 第3章 第4章 第5章 第6章 第7章 第8章 17 7 8 21 6 6 33 2 如果在相同的条件下独立地作n次伯努利试验（即各次试验的结果互不影响），事件A在每次试验中发生的概率保持不变，这时称这种试验为n重伯努利试验. n重伯努利试验是一种非常重要的概率模型，许多实际问题都可归结为这种模型，通常称它为伯努利概型.它与古典概型的重要区别在于，它的样本点不一定是等概率的，它常用来讨论n次重复试验中事件A发生的次数及其概率. * * * * * * * * 独立，不相关 * 如X, Y相互独立, 则X-E(X)与Y-E(Y)也相互独立, 则 E{[X-E(X)][Y-E(Y)]}=E[X-E(X)]E[Y-E(Y)]=0 * 统计学上的矩和物理上的矩，都是数学上的矩的特例，英語都是moment。? 如果f(x)是分布函数，这就是统计矩了；?如果f(x)是力的分布，n=1，就是力矩了；?如果f(x)是质量分布，n=2，就是转动惯量了。 数学期望是一阶原点矩（表示分布重心）、方差是二阶中心距（表示离散程度）、偏态是三阶中心矩（表示分布偏离对称的程度）、峰态是四阶中心距（描述分布的尖峰程度，例如正态分布峰态系数=0） * * 第四章随机变量的数字特征 给出分布律或者概率密度函数，要求掌握其数学期望以及方差的计算，特别是常用的分布（哪些属于常用，请见上述第二章中的叙述的6种分布）。 随机变量X的分布已知，g(X)的期望如何计算要掌握（P95页定理） 记忆以及应用协方差以及相关系数的计算公式 清楚相关性的衡量，独立性衡量的不同方式，不要混淆在一起。 知道k阶原点矩和中心矩的定义，协方差矩阵不作要求 * 分　　布 参数 数学期望 方差 两点分布 二项分布 泊松分布 均匀分布 指数分布 正态分布 五、常见分布的期望与方差 * (1) 当X为离散型时,它的分布律为P(X= xk)=pk ; (2) 当X为连续型时,它的密度函数为f(x).若 定理1 设Y是随机变量X的函数:Y=g(X) (g是连续函数) * 量E{[ X-E(X)][Y-E(Y) ]}称为随机变量X和Y的协方差,记为Cov(X,Y) ，即 一、协方差 2.简单性质 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 1.定义 (1) Cov(X,C)= 0,