概率论与数理统计---随机变量的独立性.pptxVIP

概率论与数理统计---随机变量的独立性汇报人：AA2024-01-19BIGDATAEMPOWERSTOCREATEANEWERA

目录CONTENTS随机变量及其分布多维随机变量及其分布随机变量的数字特征大数定律与中心极限定理数理统计的基本概念参数估计假设检验

BIGDATAEMPOWERSTOCREATEANEWERA01随机变量及其分布

随机变量的定义与性质定义随机变量是定义在样本空间上的实值函数，它将样本空间中的每个样本点映射到一个实数。性质随机变量具有可测性，即对于任意实数x，随机变量的取值小于等于x的事件是一个可测事件。

离散型随机变量是指其取值是有限个或可列个的随机变量。定义离散型随机变量的分布律可以用概率质量函数来描述，即随机变量取各个值的概率。分布律离散型随机变量及其分布律

VS连续型随机变量是指其取值是连续不断的随机变量，其取值充满某个区间。概率密度连续型随机变量的概率密度函数描述了随机变量取值的概率分布情况，它是一个非负可积函数。定义连续型随机变量及其概率密度

定义随机变量的函数是指通过某种规则或运算将随机变量转换为另一个随机变量的过程。分布随机变量的函数的分布可以通过变换原随机变量的分布得到，常见的变换包括线性变换、指数变换等。随机变量的函数的分布

BIGDATAEMPOWERSTOCREATEANEWERA02多维随机变量及其分布

二维随机变量及其联合分布二维随机变量的定义设$X$和$Y$是两个随机变量，称$(X,Y)$为二维随机变量。联合分布函数对于任意实数$x$和$y$，称二元函数$F(x,y)=P{Xleqx,Yleqy}$为二维随机变量$(X,Y)$的联合分布函数。联合概率密度函数若存在非负函数$f(x,y)$，使得对于任意实数$x$和$y$，有$F(x,y)=int_{-infty}^{x}int_{-infty}^{y}f(u,v)dudv$，则称$f(x,y)$为二维随机变量$(X,Y)$的联合概率密度函数。

边缘分布函数二维随机变量$(X,Y)$关于$X$的边缘分布函数定义为$F_X(x)=F(x,infty)$，关于$Y$的边缘分布函数定义为$F_Y(y)=F(infty,y)$。条件分布函数设$(X,Y)$的联合分布函数为$F(x,y)$，边缘分布函数分别为$F_X(x)$和$F_Y(y)$。在给定$Y=y$的条件下，$X$的条件分布函数定义为$F_{X|Y}(x|y)=frac{F(x,y)}{F_Y(y)}$。条件概率密度函数在给定$Y=y$的条件下，若$(X,Y)$的联合概率密度函数为$f(x,y)$，则$X$的条件概率密度函数为$f_{X|Y}(x|y)=frac{f(x,y)}{f_Y(y)}$。边缘概率密度函数若$(X,Y)$的联合概率密度函数为$f(x,y)$，则$X$的边缘概率密度函数为$f_X(x)=int_{-infty}^{infty}f(x,y)dy$，$Y$的边缘概率密度函数为$f_Y(y)=int_{-infty}^{infty}f(x,y)dx$。边缘分布与条件分布

设$(X,Y)$是二维随机变量，若对于任意实数$x$和$y$，都有$P{Xleqx,Yleqy}=P{Xleqx}P{Yleqy}$，则称随机变量$X$与$Y$相互独立。相互独立的定义若$(X,Y)$相互独立，则对于任意实数集合${x_i}$和${y_j}$，都有$sum_{i}sum_{j}P{X=x_i,Y=y_j}=sum_{i}P{X=x_i}sum_{j}P{Y=y_j}$。相互独立的性质相互独立的随机变量

$Z=X+Y$的分布：设$(X,Y)$是二维随机变量，其联合概率密度函数为$f(x,y)$。则对于任意实数$z$，有$Z=XY$的分布：设$(X,Y)$是二维随机变量，其联合概率密度函数为$f(x,y)$。则对于任意正数$z0$，有$P{Zleqz}=intint_{x+yleqz}f(x,y)dxdy=int_{-infty}^{infty}dxint_{-infty}^{z-x}f(x,y)dy=int_{-infty}^{infty}dyint_{-infty}^{z-y}f(x,y)dx=int_{-infty}^{z}dzint_{-infty}^{infty}f(z-y,y)dy=int_{-infty}^{z}g(z)dz$其中，函数$g(z)=int_{-infty}^{infty}f(z-y,y)dy=int_{-infty}^{infty}f(x,z-x)dx$称为卷积。两个随机变量的函数的分布

BIGDATAEMPOWERSTOCREATEANEWERA03随机变量的数字特征

描述随机变量取