常见分布的期望和方差 )
- 格式:docx
- 大小:93.88 KB
- 文档页数:5
常见分布的期望和方差概率与数理统计重点摘要1、正态分布的计算:()()()X F x P X x μσ-=≤=Φ。
2、随机变量函数的概率密度:X 是服从某种分布的随机变量,求()Y f X =的概率密度:()()[()]'()Y X f y f x h y h y =。
(参见P66~72)3、分布函数(,)(,)x yF x y f u v dudv -∞-∞=⎰⎰具有以下基本性质:⑴、是变量x ,y 的非降函数;⑵、0(,)1F x y ≤≤,对于任意固定的x ,y 有:(,)(,)0F y F x -∞=-∞=; ⑶、(,)F x y 关于x 右连续,关于y 右连续;⑷、对于任意的11221212(,),(,),,x y x y x x y y << ,有下述不等式成立:22122111(,)(,)(,)(,)0F x y F x y F x y F x y --+≥4、一个重要的分布函数:1(,)(arctan )(arctan )23x y F x y πππ2=++22的概率密度为:22226(,)(,)(4)(9)f x y F x y x y x y π∂==∂∂++ 5、二维随机变量的边缘分布:边缘概率密度:()(,)()(,)X Y f x f x y dyf y f x y dx+∞-∞+∞-∞==⎰⎰边缘分布函数:()(,)[(,)]()(,)[(,)]xX yY F x F x f u y dy duF y F y f x v dx dv+∞-∞-∞+∞-∞-∞=+∞==+∞=⎰⎰⎰⎰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:若(,)()()X Y F x y F x F y =则称随机变量X ,Y 相互独立。
简称X 与Y 独立。
7、两个独立随机变量之和的概率密度:()()()()()Z X Y Y X f z f x f z x dx f y f z y dy +∞+∞-∞-∞=-=-⎰⎰其中Z =X +Y8、两个独立正态随机变量的线性组合仍服从正态分布,即22221212(,Z aX bY N a b a b μμσσ=+++) 。
常见分布的期望和方差49 97 5常见分布的期望和方差收集于网络,如有侵权请联系管理员删除概率与数理统计重点摘要X1正态分布的计算:F(x) P(X x) ( )。
2、随机变量函数的概率密度:X是服从某种分布的随机变量,求Y f(X)的概率密度:f Y(y) f x(x)[h(y)] h'(y)。
(参见P66〜72)x y ,3、分布函数F(x, y) f(u,v)dudv具有以下基本性质:⑴、是变量x, y的非降函数;⑵、0 F(x,y) 1,对于任意固定的x, y有:F( , y) F(x, ) 0 ;(3)、F(x,y)关于x右连续,关于y右连续;⑷、对于任意的(X i, yj,(X2, y2), X i X2, % y,有下述不等式成立:卩化小)F(x i,y2)Fg, yj F(X i,yJ 01 XV、4、一个重要的分布函数:F(x,y) (— arctan —)(— arctan^)的概率密度为:f (x, y)2 35、二维随机变量的边缘分布:边缘概率密度:fx(x) f(x,y)dyf Y(y) f(x, y)dxF(x,y)x y62 2 2 (X 4)( y 9)收集于网络,如有侵权请联系管理员删除1。
收集于网络,如有侵权请联系管理员删除xF x (x) F(x, )[f(u,y)dy]du边缘分布函数:y二维正态分布的边缘分布为一维正态分布。
F Y (y) F( ,y)y[f(x,v)dx]dv6、 随机变量的独立性:若F(x,y) F x (x)F Y (y)则称随机变量X , 丫相互独立。
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)dxf 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 i b 2,a 2 2 b 2 ;。
罕睹分散的憧憬战圆好之阳早格格创做(0,1)N 2()Yx n t =概率取数理统计沉面纲要1、正态分散的预计:()()()X F x P X x μσ-=≤=Φ.2、随机变量函数的概率稀度:X是遵循某种分散的随机变量,供()Y f X =的概率稀度:()()[()]'()Y X f y f x h y h y =.(拜睹P66~72)3、分散函数(,)(,)xyF x y f u v dudv -∞-∞=⎰⎰具备以下基赋本量:⑴、是变量x ,y 的非落函数;⑵、0(,)1F x y ≤≤,对付于任性牢固的x ,y 有:(,)(,)0F y F x -∞=-∞=; ⑶、(,)F x y 闭于x 左连绝,闭于y 左连绝;⑷、对付于任性的11221212(,),(,),,x y x y x x y y << ,有下述没有等式创造:4、一个要害的分散函数:1(,)(arctan )(arctan )23x y F x y πππ2=++22的概率稀度为:22226(,)(,)(4)(9)f x y F x y x y x y π∂==∂∂++ 5、二维随机变量的边沿分散:边沿概率稀度:()(,)()(,)X Y f x f x y dyf y f x y dx+∞-∞+∞-∞==⎰⎰边沿分散函数:()(,)[(,)]()(,)[(,)]xX yY F x F x f u y dy du F y F y f x v dx dv+∞-∞-∞+∞-∞-∞=+∞==+∞=⎰⎰⎰⎰二维正态分散的边沿分散为一维正态分散.6、随机变量的独力性:若(,)()()X Y F x y F x F y =则称随机变量X ,Y 相互独力.简称X 取Y 独力.7、二个独力随机变量之战的概率稀度:()()()()()Z X Y Y X f z f x f z x dx f y f z y dy +∞+∞-∞-∞=-=-⎰⎰其中Z =X +Y8、二个独力正态随机变量的线性推拢仍遵循正态分散,即22221212(,Z aX bYN a b a b μμσσ=+++).9、憧憬的本量:……(3)、()()()E X Y E X E Y +=+;(4)、若X ,Y 相互独力,则()()()E XY E X E Y =. 10、圆好:22()()(())D X E X E X =-. 若X ,Y 没有相闭,则()()()D X Y D X D Y +=+,可则()()()2(,)D X Y D X D Y Cov X Y +=++,()()()2(,)D X Y D X D Y Cov X Y -=+-11、协圆好:(,)[(())(())]Cov X Y E X E X Y E Y =--,若X ,Y 独力,则(,)0Cov X Y =,此时称:X 取Y 没有相闭. 12、相闭系数:(,)()()XYCov X Y X Y ρσσ==1XY ρ≤,当且仅当X 取Y 存留线性闭系时1XYρ=,且1,b>0;1,b<0XYρ⎧=⎨-⎩ 当 当。
常见分布的期望和方差
概率与数理统计重点摘要
1、正态分布的计算:()()(
)X F x P X x μ
σ
-=≤=Φ。
2、随机变量函数的概率密度:X 是服从某种分布的随机变量,求()Y f X =的概率密度:()()[()]'()Y X f y f x h y h y =。
(参见P66~72)
3、分布函数(,)(,)x
y
F x y f u v dudv -∞-∞=⎰⎰具有以下基本性质:
⑴、是变量x ,y 的非降函数;
⑵、0(,)1F x y ≤≤,对于任意固定的x ,y 有:(,)(,)0F y F x -∞=-∞=; ⑶、(,)F x y 关于x 右连续,关于y 右连续;
⑷、对于任意的11221212(,),(,),,x y x y x x y y <<
,有下述不等式成立: 4、一个重要的分布函数:1(,)(arctan )(arctan )23
x y
F x y πππ2=++22的概率密度为:2222
6(,)(,)(4)(9)f x y F x y x y x y π∂==∂∂++ 5、二维随机变量的边缘分布:
边缘概率密度:
()(,)()(,)X Y f x f x y dy f y f x y dx
+∞-∞+∞
-∞
==⎰⎰
边缘分布函数:
()(,)[(,)]()(,)[(,)]x X y
Y F x F x f u y dy du F y F y f x v dx dv
+∞
-∞-∞+∞
-∞
-∞
=+∞==+∞=⎰⎰
⎰⎰
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:若(,)()()X Y F x y F x F y =则称随机变量X ,Y 相互独立。
简称X 与Y 独立。
7、两个独立随机变量之和的概率密度:()()()()()Z X Y Y X f z f x f z x dx f y f z y dy +∞+∞
-∞-∞=-=-⎰⎰其中Z =X +Y 8、两个独立正态随机变量的线性组合仍服从正态分布,即2222
1212(,Z aX bY N a b a b μμσσ=+++)。
9、期望的性质:……(3)、()()()
EX Y EX E Y +=+;(4)、若X ,Y 相互独立,则()()()E XY E X E Y =。
10、方差: 22()()(())D X E X E X =-。
若X ,Y 不相关,则()()()D X Y D X D Y +=+,否则()()()2(,)D X Y D X D Y Cov X Y +=++,
()()()2(,)D X Y D X D Y Cov X Y -=+-
11、协方差:(,)[(())(())]Cov X Y E X E X Y E Y =--,若X ,Y 独立,则(,)0Cov X Y =,此时称:X 与Y 不相关。
12
、相关系数:(,)
()()
XY Cov X Y X Y ρσσ=
=
1XY ρ≤,当且仅当X 与Y 存在线性关系时1XY ρ=,且1,b>0;1,b<0XY ρ⎧=⎨-⎩
当 当。
13、k 阶原点矩:()k k v E X =,k 阶中心矩:[(())]k k E X E X μ=-。
14、切比雪夫不等式:{}{}2
2
()
()
(),()1D X D X P X E X P X E X εεεε-≥≤
-<≤-
或。
贝努利大数定律:0
lim 1n m P p n ε→⎧⎫
-<=⎨
⎬⎩⎭。
15、独立同分布序列的切比雪夫大数定律:因2111n i i P X n n σμεε2
=⎧⎫-<≥-⎨⎬⎩⎭∑,所以011lim 1n i n i P X n με→=⎧⎫-<=⎨⎬⎩⎭
∑ 。
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1n
n i i Z X ==∑的分布近似于正态分布2(,)N n n μσ。
(2)、对于12,,...n X X X 的平均值11n i i X X n ==∑,有11()()n i i n E X E X n n μ
μ===
=∑,221
1()()n
i i n D X D X n n n σσ22
====∑,即独立同分布的随机变量的均值当n 充分大时,近似服从正态分布()N n
σμ2
,。
(3)、由上可知:{}{}lim ()()()()n n n P a Z b b a P a Z b b a →∞
<≤=Φ-Φ⇒<≤≈Φ-Φ。
17、棣莫弗—拉普拉斯中心极限定理:设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
,
lim ()n P x x →∞
⎧⎫⎪
≤=Φ⎬⎪⎭
, 其中1q p =-。
(1)、当n 充分大时,m 近似服从正态分布,()N np npq ,。
(2)、当n 充分大时,
m
n
近似服从正态分布,(,)pq N p n 。
18、参数的矩估计和似然估计:(参见P200) 19、正态总体参数的区间估计:
20、关于正态总值均值及方差的假设检验,参见P243和P248。