常见分布的期望和方差
- 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、"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、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)。
常见分布的期望和方差
1、正态分布的计算:F(x) P(X X)(-—)。
2、随机变量函数的概率密度:
3、分布函数F (x,
y)
⑴
、
⑵
、
⑶
、
⑷
、概率与数理统计重点摘要
X是服从某种分布的随机变量,求丫f(X)的概率密度:f Y(y)
f x(x)[h(y)]
f (u,v)dudv具有以下基本性
质:
是变量x,y的非降函数;
0 F(x, y) 1,对于任意固定的x, y 有:F( , y) F(x, ) 0;
F(x, y)关于x右连续,关于y右连续;
对于任意的(x i, y i), (X2,
y2),
X1 X2,y1 y2,有下述不等式成立:
F(X2,y2)F(X i,y2)F(X2,y i) F(x,, y i) 0
h'(y)。 (参见P66〜72)
1 4、一个重要的分布函数:F(x, y)-
x
(一arctan—)(—
arctan
2
—)的概率密度为:f (x, y)
3
2
—F(x, y)
x y
2 2 2
(x 4)( y 9)
5、二维随机变量的边缘分布:
f x(X) f (x,y)dy
f Y(y) f (x, y)dx
F X(X) X
F(x,) [
f (u, y)dy]du
F Y(y)
y
F( ,y) [
f (x,
v)dx]dv
边缘概率密度:
边缘分布函数:
若F(x, y) F X(x)F Y(y)则称随机变量X, 二维正态分布的边缘分布为一维正态分布。
6、随机变量的独立性: Y相互独立。简称X与丫独立。
7、两个独立随机变量之和的概率密度: f z(Z) f x(x) f Y(z x)dx f Y(y)f x(z y)dy 其中Z = X + 丫
8、两个独立正态随机变量的线性组合仍服从正态分布,即Z aX bY : N(a 1 b 2,a21 b22。
9、期望的性质: (3)、E(X Y) E(X) E(Y) ;( 4)、若X,Y 相互独立,则E(XY) E(X)E( Y)。
10、方差:D(X) E(X2) (E(X))2。不相关,则D(X Y) D(X) D(Y),否则D(X Y) D(X) D(Y) 2Cov(X,Y),
D(X Y) D(X) D(Y) 2Cov(X, Y)
11、协方差:Cov(X,Y) E[(X E(X))(Y E(Y))],若X , Y独立,则Cov(X, Y) 0,此时称:X与丫不相关。
12、相关系数:XY
Cov(X,Y) Cov(X, Y)
(X) (Y) J D(X)7D■币,XY
1,当且仅当X与丫存在线性关系时
XY
1,且
XY
1,
1,
当b>0;
当
bvO。
13、k阶原点矩:V k
k
E(X ) , k阶中心矩: k E[(X
k
E(X))]。
14、切比雪夫不等式: P X E(X) E(X) 1 。贝努利大数定律:
15、独立同分布序列的切比雪夫大数定律: 「X i 1 2,所以lim P 1 n
因p 一X i
n i 1 n n 0n i 1 16、独立同分布序列的中心极限定理:
(1)、当n充分大时,独立同分布的随机变量之和X i 的分布近似于正态分布N(n ,
n 2)。
(2)、对于X1,X2,...X n 的平均值X — X i , n i 1 有E(X) ,D(X) D(X i) ,即独立同分布的随机
b (b)
(a) P a Z n b (b)
(a)。
m 是n 次独立重复试验中事件 A 发生的次数,P 是事件A 发生的概率,则对任意 X ,
(2)、当n 充分大时, m
近似服从正态分布,
n
变量的均值当n 充分大时,
近似服从正态分布 N( ——)。
n
(1)、当n 充分大时, lim
P
n
m 近似服从正态分布,
m np v npq
(X),其中 q 1 P 。
N(np npq)。
⑶、由上可知:lim P a Z n
n
17、棣莫弗一拉普拉斯中心极限定理:设
18、 参数的矩估计和似然估计: 19、 正态总体参数的区间估计:
N(p 単)。
n
精选文库
1,
未知
20、关于正态总值均值及方差的假设检验,参见P243 和
P248。s 2 F耳1
厂 2 2
S2 2
2 2
2 / 2