概率论知识回顾.pptVIP

第0章概率论知识;随机变量及其概率分布;设随机试验E的样本空间为Ω，假设对于任意样本点ω都有一个实数与其对应，记为X〔ω〕，称X为随机变量。;1〕分布函数:对于任意的实数x,称函数;〔3〕F(x)是单调不减的函数；;2〕分布率〔列〕:对于离散型随机变量X;3〕概率密度对于连续型随机变量X，假设分布;2.二维随机变量;对于二维随机变量，需要对其作整体研究。;1〕联合分布函数:对于任意的实数x,y称函数;〔2〕F(x,y)是关于x,y的单调不减的函数；;+;2〕联合分布率〔列〕:二维离散型随机变量;3〕联合概率密度二维连续型随机变量〔X，Y〕;（3）;;X与Y相互独立;3.常用分布;〔2〕二项分布X~B〔n，p〕;〔3〕几何分布X~G〔λ〕;〔4〕泊松分布X~π〔λ〕;〔1〕均匀分布X~U(a,b);〔2〕指数分布X~E〔λ〕;〔3〕正态分布X~N(μ,σ2);第0章概率论知识;随机变量的数字特征;1.数学期望;2）连续型设连续型随机变量X的概率密度函数为f(x)，若积分绝对收敛，则称此积分值为X的数学期望，记作E(X)。即

;3〕二维随机变量的数学期望

对二维随机变量(X,Y)定义它的数学期望为;随机变量X的数学期望用来描述随机变量的平均值。

数学期望的统计意义，就是对随机变量进行长期观测所得到数据的算数平均数，是随机变量的理论平均数。;4〕随机变量函数的数学期望;;定理2设g(X,Y)是随机变量X,Y的函数;(2)假设X,Y为连续型随机变量，其分布密度为f(x,y)，那么当积分;5〕数学期望的性质;可推广到多个情形...;2.方差;方差是一个常用来表达随机变量X取值分散程度的量.如果D(X)值大,表示X取值分散程度大,E(X)的代表性差;而如果D(X)值小,那么表示X的取值比较集中,以E(X)作为随机变量的代表性好.;1〕方差的计算;(2)设X,Y是随机变量,a,b是常数,那么有;(3)D(X)=0的充要条件是X以概率1取常数;分布;这一不等式称为切比雪夫不等式;3协方差与相关系数;协方差具有下述性质;一个一般的公式;两个随机变量X，Y的协方差描述的是它们取值变化的相关关系。;2〕相关系数;定义;相关系数的性质;4矩协方差矩阵;〔1〕混合原点矩;3〕协方差矩阵;对n维随机变量;3〕对??意一组实数;第0章概率论知识;3多维正态分布及其性质

;1.一维正态分布;特别;2.二维正态分布;二维正态分布曲面如下图;为此引入下面的列向量和矩阵;二维正态分布可记为;引入列向量和矩阵;假设n维随机向量X=(X1,X2,...,Xn)T的联合密度为;其中l为任意n维非零常数向量.;其中L为任意m×n非零常数矩阵.;第0章概率论知识;1大数定律;1.大数定律;概率论与数理统计是研究随机现象统计规律性的学科.随机现象的规律性只有在相同的条件下进行大量重复试验时才会呈现出来.也就是说，要从随机现象中去寻求必然的法那么，应该研究大量随机现象.;;大量的随机现象中平均结果的稳定性;问题：测量一个工件时，由于测量具有误差，为什么

以各次的平均值来作为测量的结果？而且只要测量的

次数足够多，总可以到达要求的精度？;即大量测量值的算术平均值具有稳定性。;;定理1〔贝努里大数定律〕(Bernoulli大数定律);关于贝努利定理的说明;令;定理2;注：贝努里大数定律是辛钦大数定律的特殊情况。;2.中心极限定理;有许多随机变量，它们是由大量的相互独立的随机变量的综合影响所形成的，而其中每个别的因素作用都很小，这种随机变量往往服从或近似服从正态分布，或者说它的极限分布是正态分布，中心极限定理正是从数学上论证了这一现象，它在长达两个世纪的时期内曾是概率论研究的中心课题。

;μ:对象的真实值;Xk:微小的随机因素的影响.;大量微小因素的综合影响，在经过中心化、标准化处理之后近似服从标准正态分布。;定义;定理1〔独立同分布的中心极限定理〕;定理2〔德莫佛-拉普拉斯定理〕;推论：