江科大概率论ppt (6)

合集下载

概率论与数理统计第2版教学课件第6章

概率论与数理统计第2版教学课件第6章

随机样本与统计量
6.1.2
样本统计量
定义4 (极差) 设X1,X2,…,Xn是来自总体X的样本,则称统计量
R=X(n)-X(1)
为样本的极差。
极差反映了样本观测值的波动幅度。它同方差一样是反映观察值离散程度的数量指标。
(6-8)
6.1
随机样本与统计量
6.1.2
样本统计量
例 从某工厂生产的轴承中随机地抽取10只,测得其重量(以kg计)为
从一个总体X抽取n个个体,由于抽样的独立性与随机性,每个个体都是一个随机变量
Xi(i=1,2,…,n)。这里X1,X2,…,Xn相互独立,并且Xi与X具有相同分布。这样的n个随机变量称为总体X的
一个容量为n的样本。但是在具体抽样后,它们就有了具体的数值
x1,x2,…,xn,
称为样本观察值。
6.1
随机样本与统计量
有钢筋视为一个总体,则这一天生产的每一根钢筋为个体。又如,要检验一批灯泡的质量,这一批灯
泡可看成是一个总体,每一个灯泡则为个体。
在数理统计中,我们往往对表征总体性质的某一个或某n个数量指标感兴趣。如灯泡的使用寿命X
就是灯泡质量的一个重要的数量指标;钢筋的抗拉强度Y1,抗剪切力的大小Y2是表征钢筋质量的两个
一些带有严重破坏性的自然灾害进行必要的估计与预测。如在建造桥梁时,为了防止洪水冲塌桥梁这
类事故发生,设计时就必须事先考虑到在使用期间该河流可能爆发的最高水位;在建造高大建筑物时,
也要考虑到今后若干年内的最大风压、地震的最大震级等。了解这些随机变量的概率分布,就是极值
的分布。
6.2
抽样分布
6.2.2
6.1.1
总体、个体与样本
定义1 设X1,X2,…,Xn是来自总体X的容量为n的样本,若X1,X2,…,Xn相互独立,且每个

概率论与数理统计浙江大学第四版盛骤概率论部分ppt精选课件

概率论与数理统计浙江大学第四版盛骤概率论部分ppt精选课件
• 性质:
1 P(A)1P(A)
P(A)0不能A; P(A)1不能AS;
A AS P(A)P(A)1 P()0
2 若 A B , 则 有 P ( B A ) P ( B ) P ( A ) P ( B ) P ( A )
BA AB P (B )P (A )P (A B )
P ( B ) P ( A ) P ( A B ) P ( B A ) 0P(B)P(A)
例:
向上抛出的物体会掉落到地上 ——确定
明天天气状况
——不确定
买了彩票会中奖 ——不确定
8
•篮球比赛是根据运动队在规定的比赛 时间里 得分多 少来决 定胜负 的,因 此,篮 球比赛 的计时 计分系 统是一 种得分 类型的 系统
概率统计中研究的对象:随机现象的数量规律
对随机现象的观察、记录、试验统称为随机试验。 它具有以下特性:
3 概 率 的 加 法 公 式 : P ( A B ) P ( A ) P ( B ) P ( A B )
A B A ( B A B ) P ( A B ) P ( A ) P ( B A B ) 又 B A B , 由 2 。 知 P ( B A B ) P ( B ) P ( A B )
✓ A B A B { x |x A 且 x B }
S AB
✓ A 的 逆 事 件 记 为 A , A A A A S , 若 A A B B S , 称 A ,B 互 逆 、 互 斥
S
✓ “和”、“交”关系式
AA
n
n
Ai Ai A1 A2
n
n
An; Ai Ai=A1A2 An;
• 7.1 参数的点估计 • 7.2 估计量的评选标准 • 7.3 区间估计

华中科技大学概率论课件

华中科技大学概率论课件

分析以下例子
例1、设试验E为“抛甲、乙两枚硬币,观察其出 设试验E 抛甲、乙两枚硬币, 现正反面的情况” 现正反面的情况”。 A={甲币出现H},B={乙币出现H}。 甲币出现H} 乙币出现H} 设A={甲币出现H},B={乙币出现H}。 求:P(AB)。 。 解:S={HH,HT,TH,TT} A={甲币出现H}={HH,HT}, 甲币出现H}={HH,HT} A={甲币出现H}={HH,HT}, B={乙币出现H}=(HH,HT}。 乙币出现H}=(HH,HT} B={乙币出现H}=(HH,HT}。P(AB)=1/4 P(A)=2/4=1/2 P(B)=2/4=1/2 P(B|A)=1/2 有P(B|A)=P(B) P(AB)=P(A)P(B)
2.
n重贝努里概型的概率公式: n重贝努里概型的概率公式: 重贝努里概型的概率公式
k k n n−k
P (k) =C p (1− p) (k = 0,1,2,... ) n n
例.某车间有5台车床,每台车床由于工艺上 某车间有5台车床, 的原因,时常需要停车, 的原因,时常需要停车,设各台车床停车或 开车是相互独立的, 开车是相互独立的,若每台车床在任一时 刻处于停车状态的概率为1/3,试计算: 1/3,试计算 刻处于停车状态的概率为1/3,试计算: (1)在任一指定时刻恰有两台车床处于停 (1)在任一指定时刻恰有两台车床处于停 车状态的概率. 车状态的概率. (2)至少有一台车床处于停车状态的概率 至少有一台车床处于停车状态的概率. (2)至少有一台车床处于停车状态的概率.
2)性质 定理 性质---定理 性质 定理1-则
A 与 B 相互独立 ; _ A 与 B 相互独立 ; _ _ A 与 B 相互独立 .
_
3.独立性概念的推广: 独立性概念的推广

概率论的基本概念 PPT课件

概率论的基本概念 PPT课件



练习三
从下面两式分析各表示什么包含关系。
1A B A 2A B A

1A B A 2A B A
, 说明A是B的子集, A B ,说明 B是A的子集, B A
。 。
返回
概率
对于一个随机事件A (除必然事件和不可能事件 外)来说,它在一次试验中可能发生,也可能不发生。 我们希望知道的是事件在一次试验中发生的可能性。 用一个数P(A)来表示该事件发生的可能性大小,这 个数P(A)就称为随机事件A的概率。 我们希望找到一个数来表示P(A)。
例2: 在E2中事件A1:“第一次出现的是H”,即 A1={HHH,HHT,HTH,HTT}; 事件A2:“三次出现同一面”,即 A2={HHH,TTT}; 在E6中事件A3 :“寿命小于1000小时”,即 A3={t︱0≤t<1000}; 在E7中事件A3:“最高温度和最低温度相差10摄氏度”,即 A7={(x,y) ︱y-x=10,T0≤x≤y≤T1}。 例3: 某袋中装有4只白球和2只黑球,我们考虑依次从中摸出两球所 可能出现的事件。若对球进行编号,4只白球分别编为1,2,3, 4号,2只黑球编为5,6号。如果用数对(i,j)表示第一次摸得 i号球,第二次摸得j号球,则可能出现的结果是
6) 这三个事件至少发生一个可以表示为:
ABC ABC ABC
A B C或 ABC ABC ABC ABC ABC ABC ABC
练习一
化简下列格式:
1 A B A B 2 A B B C 3 A B A B A B
现在我们以abc分别记投一次四面体出现红白黑颜色的事件则由于在四面体中有两面有红色因pa12同理pbpc12容易算出pabpbcpac14所以abc两两独立但是pabc1418papbpc80思考能否由81例23若有一个均匀正八面体其第1234面染红色第1235面染白色第1678面染上黑色现在以abc分别表示投一次正八面体出现红白黑的事件则但是pab3814papb82n个事件独立性的定义及其推论一般设a是nn2个事件如果对于其中任意2个任意3个?任意n个事件的积事件的概率都等于各事件概率之积则称事件相互独由定义可以得到以下两点推论

第一章 概率论的基本概念PPT课件

第一章 概率论的基本概念PPT课件

(4) A BA BA AB
(5)
n
n
n
n
Ai Ai ,
Ai Ai ,
i 1
i 1
i 1
i 1
Ai Ai ,
Ai Ai .
i 1
i 1
i 1
i 1
上一页 下一页 返 回
例2: 设A,B,C为三个事件,试用A,B,C表 示下列事件: (1)A发生且B与C至少有一个发生; (2)A与B都发生而C不发生; (3)A,B,C恰有一个发生; (4)A,B,C中不多于一个发生; (5)A,B,C不都发生; (6)A,B,C中至少有两个发生。
例1 : 从一批产品中任取8件,观察其中的正品件数, 则这一试验的样本空间为:
={0,1,2,3,4,5,6,7,8}
引入下列随机事件: A={正品件数不超过3}={0,1,2,3} B={取到2件至3件正品}={2,3} C={取到2件至5件正品}={2,3,4,5}
D={取到的正品数不少于2且不多于5}={2,3,4,5}
上一页 下一页 返 回
样本空间:
随机试验E的全体基本事件组成的集合。记为。
随机事件中有两个极端情况:
•每次试验中都必然发生的事件,称为必然事件 。
•每次试验中都不发生的事件,称为不可能事件 。
基本事件是样本空间的单点集。 复合事件是由多个样本点组成
不可能事件不含任何样本点,它就是空集 。
或A1A2 … An ,也可简记为 n 。A i
i1
在可列无穷的场合,用
i1
A
i
表示事件“A1、A2

…诸
事件同时发生。”
上一页 下一页 返 回
40 AB
事件A发生但事件B不发生,称为事件A与事件B的差 事件。显然有:

《概率论》ppt课件

《概率论》ppt课件
xi R, i 1, 2, , n.
对于固定的 n ,我们称{FX (x1, x2, , xn;t1,t2, ,tn ),ti T}
为随机过程{X (t),t T}的 n 维分布函数族。
注:可以证明(柯尔莫哥洛夫),在一定条件下 ,随机过程的统计特性完全由它的有限维分布函 数族决定。
(二)二维随机过程的联合分布函数
p
2 (1, )
2 1 2
(0, 1 ) 4
1
2
三 随机过程的数字特征
1.单个随机过程的情况
① 函数 X (t) E[X (t)], t T
为{X(t),tT}的均值函数.

2 X
(t)
E[ X
2
(t )]
为{X(t),tT}的均方值函数.

2 X
(t
)
DX (t) D[ X (t)]
为{X(t),tT}的方差函数.
例3: 考虑抛掷一颗骰子的试验,(i)设 X是n 第n次 (n )1 抛掷的点数,对于n=1,2…的不同值, 是X不n 同的随机变量,因而 { Xn构, n成 1一} 随机过程,称为 贝努利过程或贝努利随机序列,(ii)设Xn是前n次
抛掷中出现的最大点数,
也{是X一n , n随机1}过程。
例 4 在时间 [0,t]内某地段出现的交通事故次数
2. n维分布函数族
对 任 意 正 整 数 n 可 取 定 t1,t2, ,tn T 则 (X (t1), X (t2 ), , X (tn )) 是一个n 维随机变量,他的分 布函数为
FX (x1, x2 , , xn; t1, t2, , tn )
P( X (t1) x1, X (t2 ) x2, , X (tn ) xn ),

《概率论》课件

《概率论》课件

物理学
描述粒子在气体或液体中的运动状态。
金融学
用于股票价格和收益率的分析。
隐马尔科夫模型
定义
隐马尔科夫模型是一种特殊的马尔科夫模型 ,其中观测状态与隐藏状态有关,而隐藏状 态之间相互独立。
应用
语音识别、手写识别、生物信息学等领域。
05
大数定律与中心极限定理
大数定律及其应用
大数定律
在独立重复试验中,当试验次数趋于无穷时,事件发 生的频率趋于该事件发生的概率。
《概率论》ppt课 件
目录
• 概率论简介 • 概率的基本性质 • 随机变量及其分布 • 随机过程与马尔科夫链 • 大数定律与中心极限定理 • 贝叶斯统计推断
01
概率论简介
概率论的定义
概率论
研究随机现象的数学学科,通过数学模型和公式 来描述随机事件、随机变量和随机过程。
随机变量
表示随机现象的数值变量,其取值具有随机性。
THANKS
感谢观看
计算机科学
概率论在计算机科学中用于算法设计和数据 挖掘等领域。
02
概率的基本性质
概率的公理化定义
概率的公理化定义是概率论的基础,它规定了概率的几个基本性质,包括非负性 、规范性、可加性和有限可加性。
非负性指的是任何事件的概率都不小于0;规范性指的是必然事件的概率为1;可 加性指的是两个独立事件的概率等于它们各自概率的和;有限可加性指的是任意 有限个两两独立的事件的概率等于这些事件概率的和。
应用
在统计学中,大数定律用于估计样本的统计量和参数 ,如平均值、方差等。
中心极限定理及其应用
中心极限定理
无论随机变量的分布是什么,当样本量足够大时,样 本均值的分布近似正态分布。

概率论ppt课件

概率论ppt课件
先验概率与后验概率
先验概率是指在事件产生前对某一事件产生的概率的估计, 后验概率是指在事件产生后,根据新的信息对某一事件产生 的概率的重新估计。
贝叶斯分析在实践中的应用
金融风险评估
贝叶斯分析可以用于金融风险评估,通过对历史数据的分析,猜测未来市场的 走势和风险。
医学诊断
在医学诊断中,贝叶斯分析可以用于根据患者的症状和体征,结合疾病的特点 ,对疾病进行诊断和猜测。
遍历性和安稳散布
遍历性的定义
01
如果一个马尔科夫链的任意状态在长期平均下占据相同的时间
比例,则称该马尔科夫链具有遍历性。
安稳散布的定义
02
如果一个马尔科夫链的状态概率散布不随时间变化,则称该散
布为安稳散布。
遍历性和安稳散布的关系
03
一个具有遍历性的马尔科夫链通常会有一个唯独的安稳散布,
该散布描写了马尔科夫链在长期运行下的状态概率散布。
伯努利实验
只有两种可能结果的实验 ,例如抛硬币。
二项散布
在n次伯努利实验中成功的 次数所服从的散布。
泊疏松布
在单位时间内(或单位面 积上)随机事件的次数所 服从的散布。
连续型随机变量
正态散布
一种常见的连续型随机变量,其 概率密度函数呈钟形。
指数散布
描写某随机事件的时间间隔所服从 的散布。
均匀散布
在一定区间内均匀散布的概率密度 函数。
的散布假设检验中。
强大数定律
强大数定律的定义
强大数定律是概率论中的一个强大工具,它表明在独立同散布随 机变量序列中,几乎必定有任意给定的收敛子序列。
强大数定律的证明
可以通过切比雪夫不等式和Borel-Cantelli引理等工具来证明。

第26章概率初步期末复习PPT课件(沪科版)

第26章概率初步期末复习PPT课件(沪科版)

5 000 4 005 0.801
根据以上数据可以估计,该玉米种子发芽的概
率约为___0_.8__(精确到0.1).
17. 在军事选拔赛中,某部队一名战士射击
了160次,其成绩记录如下:
射击次数
射中9环以上 的次数
射中9环以上 的频率
20 40 60 80 100 120 140
16 31 49 63 81 97 110
沪科版
第26章 概率初步 期末复习
复习要点
1.事件产生的可能性
必然事件 确定事件
不可能事件
(1)事件按可能性分类:事件
随机事件
(2)相关定义
①必然事件:在一定的条件下,必定 会产生的事件. ②不可能事件:在一定的条件下,必然 不 产生的事件. ③确定事件: 必然 事件和 不可能事件统称确定事件.
④随机事件:在一定条件下,可能 产生 也可能不产生 的事件.
A.
1 27
B.
1 3
C.
1 9
D.
2 9
11.在一个不透明的布袋中装有红色、白色玻 璃球共 40 个,除颜色外其他完全相同.小明通过 多次摸球实验后发现,其中摸到红色球的概率稳
定在 15% 左右,则口袋中红色球可能有( B ).
A.4个 B.6个 C.34个 D.36个
12.一个口袋中有 3 个红球和若干个黄球,在不 允许将球倒出来数的前提下,小强为估计其中的黄 球数,采用如下的方法:从口袋中随机摸出一球, 记下颜色,然后把它放回口袋中,摇匀后再随机摸 出一球,记下颜色,……不断重复上述过程.小强 共摸了 100 次,其中 20 次摸到红球.根据上述数
例2.在数学课上,老师拿出4张牌,牌面分别 是1、2、3和4. 老师提出以下两个问题: (1)若随机抽取两张牌,则抽出牌面数字刚好

概率论第一章课件

概率论第一章课件

3. 样本空间: 随机试验E的所有可能的结果组成的 集合.记为S.
样本点: 样本空间中的每个元素, 即试验的每个 结果.记为e.
EX :给出E1-E7的样本空间
4. 随机事件(事件): 试验E的样本空间S的子集. 常用A、B、C等表示.
注意 一旦做完试验, 就会出现一个结果, 即有一个 样本点出现.
事件A发生当且仅当A中有一个样本点出现. 基本事件 由一个样本点组成的单点集. 必然事件 S
不可能事件 F
E2:将一枚硬币连抛三次,观察正反面出现的情况; E4:掷一颗骰子,观察出现的点数.
对于试验E2, 以下A,B,C为随机事件
A={HHH,HHT,HTH,HTT} B={HHH,TTT} C={HTT,THT,TTH}
• 计算机科学学院 • 王艳娥
先修课程:高等数学、线性代数 教学课时:54课时 教材:《概率论与数理统计》
浙江大学盛骤 谢式千 潘成毅 编 高等教育出版社
教学目的:通过本课程的学习,应使学生掌握
概率论与数理统计的基本概念、基本理论和方法, 从而使学生初步掌握处理随机现象的基本思想与 方法,培养学生运用概率论与数理统计方法分析 和解决实际问题的能力,为后续课程的学习及实践 打下基础。
随机现象的 特征 个别试验中呈现不确定性,在大量重复试验中 其结果又具有统计规律性。
随机现象:个别试验中, 其结果呈现出不确定 性, 在大量重复试验中, 其结果又具有统计规律 性的现象。
在我们所生活的世界上, 充满了不确定性
从扔硬币、掷骰子和玩扑克等简单的游戏, 到复杂的社会现象;从婴儿的诞生,到世间万 物的繁衍生息;从流星坠落,到大自然的千变 万化……,我们无时无刻不面临着不确定性.
条件完全决定结果

《概率论讲义》PPT课件

《概率论讲义》PPT课件
(2) 规范性 : Fn 1;
(3) 可加性:对互斥事件A, B,有 Fn (A B) Fn (A) Fn (B)
推广 有限可加性: 若A1,A2,, Ak 两两 互不相容, 则
k
F n( Ai ) Fn ( A1) Fn ( A2 ) Fn ( Ak ). i 1
E2:将一枚硬币抛三次,观察正反面出现的情况. 2={HHH, THH,
HTH, HHT,HTT,THT,TTH,TTT }
E3:掷一颗骰子,观察点数.则 3={1,2,3,4,5,6}
1=1 2=2 6=6
E4:电话交换台一分钟内接到的呼唤次数.
4={0,1,2, }
1=0, 2=1, 3=2
0.5069
皮尔逊 12000
6019
0.5016
皮尔逊 24000
12012
0.5005
(二) 概 率
1 统计定义: 频率的稳定值P(A)反映了事件A在一次试 验中发生的可能性大小,称P(A)为事件A 的概率。
2 公理化定义:设为样本空间,A为事件, 对每一事件A赋予一实数P(A),如果P(A)满 足如下三条公理:
故有
P(i )

1 n
(n 1,2,, n)
若A {i1,i2 ,,ik }, 则有
P( A)

P(i1 )

P(i2 )

P(ik
)

k n
于是,P
( A)

k n

A包含的样本点数 样本点总数
例1. 设一袋中有编号为1,2,…,9的球共9只,
现从中任取3只,试求:
n1
且Ai Aj . 由概率的可列可加性得

概率论第一章 概率论的基本概念 PPT

概率论第一章 概率论的基本概念 PPT

试验者
n
nA
fn (A)
德.摩根
2048
1061
0.5181
蒲丰
4040
2048
0.5069
费勒
10000
4979
0.4979
K.皮尔逊
12000
6019
0.5016
K.皮尔逊
24000
12012
0.5005
一口袋中有6个乒乓球,其中4个白的,2个红的.有
放回地进行重复抽球,观察抽出红色球的次数。
基本事件:随机事件仅包含一个样本点ω,单点子集{ω}。 复合事件:包含两个或两个以上样本点的事件。
事件发生:例如,在试验E2中,无论掷得1点、3点还是5点, 都称这一次试验中事件A发生了。
如,在试验E1中{H}表示“正面朝上”,就是个基本事件。
两个特殊的事件
必然事件:Ω; 不可能事件:φ.
既然事件是一个集合,因此有关事件间的关系、 运算及运算规则也就按集合间的关系、运算及运算规 则来处理。
如何研究随机现象呢?
1.1.2 随机试验
例1-1: E1: 抛一枚硬币,观察正面H、反面T出现的情况; E2: 掷一颗骰子,观察出现的点数; E3: 记录110报警台一天接到的报警次数; E4: 在一批灯泡中任意抽取一个,测试它的寿命; E5: 记录某物理量的测量误差;
E6: 在区间0,1上任取一点,记录它的坐标。
1.1.3 随机事件与样本空间
v样本空间: 试验的所有可能结果所组成的集合称为 试验E的样本空间, 记为Ω. v样本点: 试验的每一个可能出现的结果(样本空 间中的元素)称为试验E的一个样本点, 记为ω.
例1-2:
分别写出例1-1各试验 Ek 所对应的样本空间

概率论与数理统计(54学时)南京大学计算机科学与技术系

概率论与数理统计(54学时)南京大学计算机科学与技术系
把对某种随机现象的一次观察、观测或测量 等称为一个试验.
17
第一章 概率论的基本概念 §1 随机试验
典型例子有 E1:某机关共N人, 观察某天上班迟到的人数。 E2:抛两颗骰子,观察先后出现的点数。 E3:依次抛两枚硬币, 观察正面, 反面的出现情况。 E4:观察某灯泡的寿命。 E5:观察两个电子元件的使用寿命。
§3 频 率 与 概 率
2 f n() 1;
3 若A1 , A2 ,, Ak是两两互不相容事件,则
f n ( A1 A2 Ak ) f n ( A1) f n ( A2) f n ( Ak)
41
第一章 概率论的基本概念
§3 频 率 与 概 率
(二 ) 频率的稳定性
在充分多次试验中,事件的频率总 在一个定值附近摆动,而且,试验次数 越多,一般来说摆动越小. 这个性质叫 做频率的稳定性.
三 、 事件的关系与运算
I. 关系
1) 包含关系 B A
表示A发生必导致B发生,
AB
Ω
例: 抛骰子, A:抛出点数不超过3,B表示点数
不超过5,则 B A
A={1,2,3} B={1,2,3,4,5}
26
2)相等关系 A B A B,且 B A.
3) 互不相容(互斥)关系
如果A,B不可能同时发生,
A
则称A,B互不相容(互斥)
此时A B
B
Ω
27
n个事件互斥 (两两互不相容):
若n个事件A1,A2,… ,An中任意两
个事件都互斥, 则称这n个事件互斥.
A1
A2
A3
A4
Ω
28
第一章 概率论的基本概念 §2 样本空间 随机事件
II. 运算

概率论与数理统计(国防科技大学)

概率论与数理统计(国防科技大学)

第六章 样本及抽样分布1.[一] 在总体N (52,6.32)中随机抽一容量为36的样本,求样本均值X 落在50.8到53.8之间的概率。

解:8293.0)78()712(}63.68.163.65263.62.1{}8.538.50{),363.6,52(~2=-Φ-Φ=<-<-=<<X P X P N X2.[二] 在总体N (12,4)中随机抽一容量为5的样本X 1,X 2,X 3,X 4,X 5. (1)求样本均值与总体平均值之差的绝对值大于1的概率。

(2)求概率P {max (X 1,X 2,X 3,X 4,X 5)>15}. (3)求概率P {min (X 1,X 2,X 3,X 4,X 5)>10}.解:(1)⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧>-=>-25541225415412}112{|X P X P X P=2628.0)]25(1[2=Φ- (2)P {max (X 1,X 2,X 3,X 4,X 5)>15}=1-P {max (X 1,X 2,X 3,X 4,X 5)≤15} =.2923.0)]21215([1}15{1551=-Φ-=≤-∏=i iXP (3)P {min (X 1,X 2,X 3,X 4,X 5)<10}=1- P {min (X 1,X 2,X 3,X 4,X 5)≥10} =.5785.0)]1([1)]21210(1[1}10{15551=Φ-=-Φ--=≥-∏=i iXP 4.[四] 设X 1,X 2…,X 10为N (0,0.32)的一个样本,求}.44.1{1012>∑=i iXP解:)5(1.0}163.0{}44.1{),10(~3.0101221012221012查表=>=>∑∑∑===i i i i i i X P X P χX7.设X 1,X 2,…,X n 是来自泊松分布π (λ )的一个样本,X ,S 2分别为样本均值和样本方差,求E (X ), D (X ), E (S 2).解:由X ~π (λ )知E (X )= λ ,λ=)(X D∴E (X )=E (X )= λ, D (X )=.)()(,)(2λX D S E nλn X D === [六] 设总体X~b (1,p),X 1,X 2,…,X n 是来自X 的样本。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
同理可给出 的边缘分布为
F2 ( y ) P{ y} lim F ( x, y )
x
返回主目录
第六章 二维随机变量
( 例1 设二维随机变量 , )的联合分布函数为
x y F x, y A B arctan C arctan 2 3
1
0 1 12 1 12 1 6
2
3 12 1 12 0
pi
1 3 1 3 1 3
0 3 2 2
p j
2 6
1
求、的边缘分布律 .
返回主目录
第六章 二维随机变量
已知联合密度函数求边缘密度函数(连续型) 对于二维连续型随机变 ( , ),已知其联合密度 量 函数为 ( x, y),则的边缘分布为连续型的 :
pij pi
j
pi1 pi 2 pij
i 1,2,
j 1,2,
同理得的边缘分布律
P{ b j } P{ ai , b j } pij p j
i i
第六章 二维随机变量
已知联合分布律求边缘分布律(离散型)
以及的边缘分布律也可以由 下表表示
2

返回主目录
第六章 二维随机变量
例 8(续)
所以,随机变量 的密度函数为
当0 y 2 时,

2 2 2 x x 0 x 1 1 x 3 0 其它
1
1 1 2 1 2 y f x, y dx x xy dx y 3 3 6 0

y 1
y2 1 8 p22
y3 p13 p23
pi
x1 x
p j
p11
1 2 8
第六章 二维随机变量
连续型随机变量的独立性 连续型随机变量相互独 立
( x, y) 1 ( x)2 ( y) or F ( x, y) F1 ( x) F2 ( y)
例7 设( , )服从例5中的二维正态分布,证明、 相互独立等价于 0.
§5
随机变量的相互独立性
由两个事件相互独立的概念可引出两个随机变量 相互独立的概念. 若P(AB)=P(A)P(B),则称事件A与B相互独立.
故有事件 x}, y}相互独立 { { P{ x, y} P{ x}P{ y}
设 、 是两个随机变量,若对任意的x,y, 有
返回主目录
若 ( , )是离散型随机变量 ,则上述独立性的 定义等价于: 对( , )的所有可能取值(a i , b j),有
P{ ai , b j } P{ ai }P{ b j )} 则称和相互独立 . 即和相互独立 pij pi p j i, j 1,2,
条件概率为
P({ ai } | { b j })
P{ ai , b j } P{ b j }

pi j p j
边缘分布律
i=1,2, …
第六章 二维随机变量
这组等式定出了一个离散型分布,表明了在事件 { b j }出现的条件下的取值规律,称这个分 布为在条件
第六章
二维随机变量
• 边缘分布函数 • 边缘分布律 • 边缘分布密度
• 独立性
• 条件分布
返回主目录
第六章 二维随机变量
§4 边缘分布
如果( , )是一个二维随机变量, 则事件{ x} { x, } ,
由二维分布函数的定义 知
F1 ( x) P{ x} P{ x, } F ( x边际分布.
P{ x, y} P{ x}P{ y}
则称 、 相互独立 .
第六章 二维随机变量
用分布函数表示,即
设 、 是两个随机变量,若对任意的x,y,有 F (x, y) F1 ( x) F2 ( y)
则称 、 相互独立 .
它表明,两个随机变量相互独立充要条件是,它 们的联合分布函数等于两个分布函数的乘积 .
例 1(续)
同理,得到 的边缘分布
1 x y F2 ( y ) lim F ( x, y ) lim 2 ( arctan )( arctan ) x x 2 2 2 3
1 y ( arctan ) 2 3
y (,)
返回主目录
第六章 二维随机变量
已知联合分布律求边缘分布律(离散型)
对于二维离散型随机变 ( , ),已知其联合分布律为 量
pij P ai, b j i,j 1 2, ,
现求的边缘分布律 P{ ai } P{ ai , b1} P{ ai , b2 } P{ ai , b j }
从而得到 0.
1
第六章 二维随机变量
例 8
设二维随机变量 , )的密度函数为 (
2 1 x xy 0 x 1,0 y 2 x, y 3 0 其它
试判断随机变量 与是否相互独立?
解: 当0 x 1时,
2 2 1 2 1 x x, y dy x xy dy 2 x x 3 3 0
{ b j }下的条件分布,其分布密 度或分布律为

P
a1
p1 j p j
a2
p2 j p j


ai
pij p j
24 f1 ( x) y (2 x)dy 0 5 12 2 y=x x (2 x ), 0 x 1
x
5
0
1
x
注意取值范围
注意积分限
解:
24 f 2 ( y) y (2 x)dx y 5
1
y
24 3 y y ( 2 y ), 0 y 1 5 2 2
2 ( y)
1 y 2 0
注意积分限
y 1 dx 1 , 2
0 y2
2 A 0 1
y x 1 2
第六章 二维随机变量
例5
设( , )服从正态分布,它的分 布密度为
x, y
1 2 1
2

e
1 ( x 2 2 x y y 2 ) 2 (1 2 )
证明:“ ”设 0,这时( , )的分布密度为
1 ( x, y) e 2 x2 y 由例5知 1 2 1 1 ( x) e 2 ( y) e 2 2 2 故 ( x, y) 1 ( x)2 ( y), 因此、相互独立 .
x2 y 2 2

a1
a2

b1
b2
p12 p22

„ „ „ „ „
bj
p1 j
„ „ „ „ „
pi
p1
p11
p21

p2 j

p2

ai

pi1

pi 2

pij

pi

返回主目录
p j
p1
p2
p j
第六章 二维随机变量
( 例 2 设二维随机变量 , )的分布密度为


-1
1 12 2 12 3 12 3 6
例 1(续)
(2) 的边缘分布函数为
1 x y F1 ( x) lim F ( x, y ) lim 2 ( arctan )( arctan ) y y 2 2 2 3
1 x ( arctan ) 2 2
x (,)
第六章 二维随机变量
F1 ( x)
x




( x, y)dy dx

它的边缘分布密度为
1 ( x) ( x, y)dy


同理的边缘分布密度为:
2 ( y) ( x, y)dx


返回主目录
例3 设 ( , ) 的联合密度是 24/5 y (2 x), 0 x 1, 0 y x f ( x, y ) 0 , 其它 注意积分限 求 : 两个边缘密度 . 解: y
2
“” 设、相互独立,那么 ( x, y) 1 ( x)2 ( y)

1 2 1 2
1 2 (1 2 ) ( x 2 2 x y y 2 )
e
1 e 2
x2 2
1 e 2
y2 2
令x 0, y 0, 此时上式化为
1 2 2 2 1
y=x
注意取值范围
1
2
0
x
度 例4 设( , )服从区域上A的均匀分布,即它的密 函数为 1 , ( x, y) A ( x, y) S ( A)
y S ( A) 0为A的面积,设是由 轴、y轴及直线x 1所 x 2 围成的三角区域 求关于、的边缘分布密度 , .

. 例6 设( , )的分布密度如下: 证明、相互独立

1 2
1 2 20 2 20 4 20 2 5 0 1 20 1 20 2 20 1 5 2 2 20 2 20 4 20 2 5
pi
1 4 1 4 2 4
1 2
p j
例7 设 ,相互独立,下表列出( , )分布律,及关 于,的边缘分布律中的部分值,将其余值求出.
dy
v
y x 1 2
x2 2

e
x2 2
2


1 e 2
v2 2
1 dv e 2
x (, )
即的边缘密度为 (0,1) N
同理得到的边缘密度为
相关文档
最新文档