第1章-概率论基本知识1.pptVIP

§1.1随机事件与概率

§1.2随机变量及其分布

§1.3随机变量的数字特征

§1.4极限定理

§1.5数理统计的根本概念;随机事件;随机试验的每个可能的结果称为样本点，记为ω。;在随机试验中可能发生也可能不发生的事情称为随机事件，简称事件.;1.事件的包含;1.交换律;1.1.2概率;设随机试验E的样本空间为Ω，对试验E的任一随机事件A，定义一个实值函数P(A),假设满足：;P(φ)=0，即不可能事件概率为0.;对任意事件A、B，有P(A-B)=P(A)-P(AB);概率的直观定义;非负性：0≤P(A)≤1;条件概率;条件概率满足概率公理化定义的三条。;设A，B为任意事件，;设A1,A2,…,An两两互不相容，且

,即B的发生总是与A1,

A2,…,An之一同时发生那么对于事件B,有;设A1,A2,…,An两两互不相容，且

,即B的发生总是与A1,

A2,…,An之一同时发生，那么在B已经发生的

条件下,Ak的条件概率为;独立事件;在相同条件下，重复n次做同一试验，

每次试验只有两个可能结果；;在n次伯努利概型试验中，每次试验事件A发生的概率为p(0p1)，那么在n次试验中，事件A恰好发生k次的概率Pn(k)为;随机变量的定义;许多随机事件都可以通过形如{X≤x}的事件来表示:;设X是一个随机变量，称;1-F(x);F(x+0)=F(x);X;;;;;设随机变量X的分布函数为F(x),如果存在非负函数f(x),使得对任意的实数x,都有;概率密度的性质;假设随机变量X的概率密度为;假设随机变量X的概率密度为;假设随机变量X的概率密度为;正态分布的概率密度图形;μ=0,σ=1时的正态分布称为标准正态分布.;任何一个一般的正态分布都可以通过线性变换转化为标准正态分布.;二、多维随机变量及其分布;设(X,Y)是二维随机变量,对于任意实数x,y,称二元函数

F(x,y)=P(X≤x,Y≤y)

为二维随机变量(X,Y)的联合分布函数，简称分布函数。;2.0≤F(x,y)≤1;设(xk,yk)(k=1,2,…)是二维随机变量(X,Y)所取的一切可能值，且(X,Y)取各个可能值的概率为;X;设二维随机变量(X,Y)的分布函数为F(x,y)，如果存在非负函数f(x,y)使得对任意的实数x,y,都有;;均匀分布;二维正态分布;设二维随机变量(X,Y)的联合分布函数为F(x,y)=P(X≤x,Y≤y),那么随机变量X的分布函数;设(X,Y)为离散型随机变量，其联合分布律为;设(X,Y)为连续型随机变量，其联合分布函数和联合概率密度分别为F(x,y)和f(x,y),那么;如果二维随机变量(X,Y)满足,;设(X,Y)是二维离散型随机变量，对于固定的j，假设P(Y=yj)0，那么称;称为Y=y下，X的条件概率密度函数.;如果yk=g(xk)中有一些是相同的，把它们作适当并项即可.;假设X是连续型随机变量，其概率密度为fX(x)，那么求Y=g(X)的分布问题的方法是，从分布函数定义出发，通过等概率事件的转化，建立Y与X的分布函数之间的关系，得到Y的分布函数FY(y)，然后对FY(y)求导得到概率密度fY(y)。这种求解连续型随机变量函数的分布问题的方法称为分布函数法。;设随机变量X的概率密度为fX(x),又设y=g(x)严格单调且可导,那么Y=g(X)是一个连续型随机变量,其概率密度为;设(X,Y)为离散型随机变量，;设(X,Y)为连续型随机变量，联合概率密度为f(x,y)，;;假设X、Y独立;1.3.1数学期望;定义——数学期望;设X是连续型随机变量，其密度函数为f(x),如果;设Y是随机变量X的连续函数，Y=g(X)，那么;设(X,Y)是二维随机变量，Z=g(X,Y)，那么;1.E(aX+b)=aE(X)+b;;D(X)=E(X2)-[E(X)]2;1.D(aX+b)=a2D(X);;2.假设X、Y相互独立,D(X+Y)=D(X)+D(Y);;3.切比雪夫不等式;——X的标准化随机变量;假设X~0-1分布，那么E(X)=p，D(X)=p(1-p);;假设X~E(λ),那么E(X)=1/λ,D(X)=1/λ2;;设(X,Y)为二维随机变量，假设;为随机变量X和Y的相关系数。;;E(Xk)——X的k阶原点矩;为x与y的协方差阵.;为x的方差阵.;设x与y是多维随机变量，A与B是常数矩阵，c为常数向量，那么有;1.4.0随机变量序列的收敛性;依概率收敛;以概率1收敛〔几乎处处收敛〕;3种收敛之间的关系：;设nA是n次独立试