P(aEX乞b)=:
」(b)->(a)
cta
F(x)二P(X乞x)二、P(X=k)
k兰
x
F(x)二P(X乞x)二f(t)dt
分布函数与密度函数的重要关系
F'(x)二f(x)F(x)二P(X乞x)
x
-f(t)dt
4、随机变量函数Y=g(X)的分布
离散型:
P(Y=yj二'Pj,i=1,2,llI,
g(Xj)=y'
连续型:
①分布函数法,
②公式法fY(y)=fx(h(y))h(y)(x=h(y)单调)
h(y)是g(x)的反函数
三、多维随机变量及其分布
1、离散型二维随机变量及其分布
分布律:
P(X二Xi,丫二yj二Pj,i,j=1,2川1联合分布函数F(X,Y)
瓦瓦Pij
xi_xx_y
边缘分布律:
条件分布律:
Pi=P(x=人)二.pijpj二p(y=yj)八Pj
ji
Pi:
P(X=xiY=yj)=,i=1,2,111,P(Y=yjX=Xi)=
Pj
联合密度函数
f(x,y)f(x,y)—0
-be-be
L.」”.J(x,y)dxdy=1
2、连续型二维随机变量及其分布
①分布函数及性质
xy
分布函数:
F(x,y)=_f(u,v)dudv
0乞F(x,y)叮F(x,y)=P{X乞x,Y乞y}
性质:
F(G:
"1,-;jj(x,y),P((x,y)"gf(x,y)dxdy
分布函数:
Fx(x)二
y-:
:
FY(y)二f(u,v)dudv
_nO_nO
-Ho
密度函数:
fx(x)「f(x,v)dv
-ho
fY(y)=.f(u,y)du
③条件概率密度
f(x,y)~fYX(yx)=
-oO
fx(x)'
3、随机变量的独立性
二空也:
:
:
x<:
:
fY(y)
随机变量X、丫相互独立=F(x,y)二Fx(x)FY(y),
离散型:
P{X=i,丫二j}=P{X=i}P{Y=j}Pj二Pi.p.j,连续型
f(x,y)=fx(x)fY(y)
4、二维随机变量和函数的分布(卷积公式)
离散型:
P(Z二zQ二'、P(X二xi,丫二yj)注意部分可加性
连续型:
fz(z)二_f(x,z-x)dx二_f(z-y,y)dy
四、随机变量的数字特征
1、数学期望
E(aX-b)=aE(X)-b,当x、Y相互独立时:
随机变量g(X)的数学期望
②性质:
E(C)=C,E[E(X)]=E(X),E(CX)=CE(X),E(X_Y)=E(X)_E(Y)
E(XY)二E(X)E(Y)(正对逆错)
iJ
2、方差
①定义:
二必护)-[£(七『
2
②性质:
D(C)=0,D(aX士b)=a2D(X),D(X士Y)=D(X)+D(Y)±2Cov(X,Y)当X、Y相互独立时:
D(X-Y)二D(X)D(Y)
3、协方差与相关系数
①协方差:
Cov(X,Y)二E(XY)-E(X)E(Y),当X、Y相互独立时:
Cov(X,Y)=0
②相关系数:
"爲爲,当X、Y相互独立时」XY=0(X‘Y不相关)
③协方差和相关系数的性质:
Cov(X,X)二D(X),Cov(X,Y)二Cov(Y,X)
Cov(X1X2,Y)=Cov(X「Y)Cov(X2,Y),Cov(aXc,bYd)二abCov(X,Y)
Cov(x,a)=0(a为常数),D(aX_bY)=a2D(X)b2D(Y)_2abCov(X,Y)
4、常见随机变量分布的数学期望和方差
分布
数学期望E(X)
方差D(X)
0-1分布b(1,p)
p
p(1-p)
二项分布b(n,p)
np
np(1-p)
泊松分布P仏)
X
X
均匀分布U(a,b)
a+b
(b-a)
2
12
正态分布N(巴即)
卩
2
CT
指数分布e(^)
1
1
2
nZ.A
五、大数定律与中心极限定理
1、切比雪夫不等式
2D(X)
若E(X)=»,D(X),对于任意g>0有P{X—E(X)
z
2、大数定律:
①切比雪夫大数定律:
若Xnn
221p1
E(Xi)=#i,D(Xi)=丐且⑴i②伯努利大数定律:
设nA是n次独立试验中事件A发生的次数,p是事件A在每次试验中发生的概率,则>0,有:
1」号,卩-pv乞=1
3、★中心极限定理
1列维一林德伯格中心极限定理:
独立同分布的随机变量Xi(i=1,2,111),均值为,方差为
▽2>0,当n充分大时有:
Yn=(》Xk-n»)/届_=->n(0,1)
kT/
2棣莫弗一拉普拉斯中心极限定理:
随机变量X〜B(n,p),则对任意x有:
X—npxi
limP{x}-——e^dt=>(x)
np(1-p)二
nh_nP
③近似计算:
P(^Xk^b)—()-:
-()
kjJn^Jnu
六、数理统计的基本概念
1、总体和样本的分布函数
n
设总体X〜F(x),则样本的联合分布函数F(X1,X2…Xn)二i【F(xk)
k
2、统计量
样本均值:
Xi,样本方差:
S2(Xi-X)2=1
nynJ吕
1n_
样本标准差:
S=.(Xi-X)2,样本k阶原点距:
初-—
1n_
样本k阶中心距:
Bk(Xi-X)k,k=1,2,3川
ni二
n一2
、(Xi2—nX)n—1y
1nk
AkXi,k二1,2
ny
3、三大抽样分布
-/2
(1)分布(卡方分布):
设随机变量X〜B(0,1)(i=1,2,111,n)且相互独立,则称统计量
2=x「x「-x-服从自由度为n的2分布,记为2~2(n)
性质:
①E[2(n)]=n,D[2(n)]=2n②设X~2(m),Y~2(n)且相互独立,
则XY~2(mn)
⑵t分布:
设随机变量X~N(0,1),Y~2(n),且X与Y独立,则称统计量
X
自由度为n的t分布,记为T~t(n)
n
性质:
①E(T)=0(n1),D仃)(n2)
n—2
1
②limh(x)」(x)=e
n一.,2二
2
x
~2
⑶F分布:
设随机变量X~2(m),Y~2(n),且x与丫独立,则称统计量
F(m,n)
服从第一自由度为m,第二自由度为n的F分布,记为F〜F(m,n),性质:
设
F~F(m,n),则1F~F(n,m)。
七、参数估计
1.参数估计
①定义:
用巩Xi,X2,L,Xn)估计总体参数「称(Xi,X2丄,Xn)为的估计量,相应的二(X|,X2,川,Xn)为总体V的估计值。
2.点估计中的极大似然估计
设X「X2丄Xn取自X的样本,设X~f(XC)或X~P(XJ),求法步骤:
nn
1似然函数:
L^W.lf(x「)(连续型)或L^W.lP(xD(离散型)
i4i=1
nn
2取对数:
InL(旳八Inf(x.力或InL(力八Tnp/xz)
i4i4
宀r£=f(Xl,X2,川,Xn)
3解方程:
空丄=o,l,虫丄“,解得:
mi
耳"k(Xi,X2,|l(,Xn)
3.估计量的评价标准
估计量的评价标准
无偏性
设0=6(x1,x2,L,xn)为未知参数日的估计量。
右E但)-日,则称$为日的无偏估计量。
有效
性
AAAA
设日1一01(捲必丄,xn)和日2-82(x,,x2,L,xn)是未知参数日的两个无偏估计量。
若D(B1)£D(T2),则称日1比日2有效。
一致性
设日n是日的一串估计量,如寸名>0,有limPd^n-TK)"则称日n为日的一致wn-^C
估计量(或相合估计量)。
正态总体中,样本均值X是)的无偏估计量
修正样本方差S2是匚2的无偏估计量
5.区间估计单正态总体参数的置信区间
条件
估
计
参数
枢轴量
枢轴量
分布
置信水平为1-a的置信区间
已知
a2
ZX-
N(0,1)
/—CF—CF
x_/〒,x+z/〒1<审27n^2nn丿
未知
2CJ
S/亦
t(n-1)
(-S-S、
「伙心晴”汕一1局
未知
2
2
卡(n-1)S
1一2
CT
仇n—1)
''22、
(n-1)S(n-1)S
未知
2
八町
丿
心n)
rnn
22
送(Xi—4)Z(Xi—4)
i〜i」
京n),心2(门)
1}
八、假设检验
1.假设检验的基本概念
基本思想
假设检验的统计思想是小概率原理。
小概率事件的概率就是显著性水平a,常取a=0.05,0.01或0.10。
基本步骤
①提出原假设Ho;②选择检验统计量g(X1,L,Xn);③对于a查表找分位数入,使
P(g(X1丄,Xn)€W)=a,从而定出拒绝域W;
④由样本观测值计算统计量实测值g(xJII,Xn);并作出判断:
当实测值落入W时拒绝Ho,否则认为接受Ho。
第一类错误:
当Ho为真时,而样本值却落入了拒绝域,应当否定Ho。
弃真错误
P{拒绝Ho|Ho为真}=:
第二类错误:
当Hi为真时,而样本值却落入了接受域,应接受Ho。
取伪错误
P{接受Ho|Hi为真}=-
2.单正态总体均值和方差的假设检验