数理统计第三章第2节

随机事件：随机试验的结果（样本空间的子集）（A， B…….）
基本事件:不能分解成其它事件的最简单的随机事件. 必然事件：每次试验必然发生（） 不可能事件：每次试验都不会发生（）
医药数理统计课件
事件与概率
二、事件间的关系与运算
事件的包含：如果事件A发生必然导致B发生 则称事件B包 含事件A 或称事件A包含于事件B 或称A是B的子事件 记作 BA或AB
量取这些可能值的概率是确定的，则称这种变量是随机变量。
注意：随机变量常用X,Y,Z表示，而表示随机变量所取的值通常用x,y,z表示。
例如，从某一学校随机选一学生，测量他的身高。我们可把可能的身高看作随机 变量X，然后提出关于X的各种问题。如P(X>1.7)=？P(X≤1.5)=? P(1.5<X<1.7)=？一旦我们实际选定了一个学生并量了他的身高之后，我们就 得到X的一个具体的值，记作x。这时,要么x≥1.7米，要么x <1.7米，再去求 P(x≥1.7米)就没有什么意义。
则：A B C D F是两两不相容事件 P与F是互为对立的事件 即有PF A B C
D均为P的子事件 且有PA∪B∪C∪D
医药数理统计课件
事件与概率
三、随机事件的运算律
1 关于求和运算 (1) A∪BB∪A (交换律) (2) (A∪B )∪CA∪(B∪C )A∪B∪C (结合律)
2 关于求交运算 (1) A∩BB ∩A (交换律) (2) (A∩B )∩CA∩(B ∩C )A∩B ∩C (结合律)
在二项分布中，X取不同值k（k=0, 1, 2…, n）的概率是不同的， 是P（X=k）取最大值的k（记为k0）称为二项分布的最可能值。当k在（n+1）p附
说明：AB属于A的每一个样本点一定也属于B 对任意事件A 易知A

定 义： 称 A 、 B 、 C 是相互独立的，如果有
P AB P A P B ， P BC P B P C ， P AC P A P C ，
P ABC P A P B P C
四个等式都成立。
定义可以推广到n个事件上去
由题意 1-(0.4)n ≧0.99
解出n ≧5.027,即至少需要6门炮才能以 99%的把握命中敌机。
三 独立性在可靠性问题中的应用
一个产品或一个元件、一个系统的可靠 性可以用可靠度来刻划，所谓可靠度指的是 产品能正常工作的概率。 以下讨论中，假定一个系统中的各个元 件能否正常工作都是相互独立的。
例1，盒中装有16个球，6个玻璃球，其 中2个红色4个兰色；10个木质球，其中3个 红色7个兰色。现从中任取一球，记 A={取到玻璃球}，B={取到兰色球} 则 P（A）=6/16，P（B）=11/16。 AB={取到兰色玻璃球}， P（AB）=4/16
问“如果已知取到的是兰色 球，那么它是玻璃球的概率”是 多少？
例 3 中， P A2 B 0.4138
例4． 某厂生产的产品不合格率为 0.1%， 但是没有适当的仪器进行检验。有人声称 发明了一种仪器可以用来检验，误判的概 率仅 5%，试问厂长能否采用他发明的仪器？
定义 设Ａ１，Ａ２，…Ａn满足下面的 条件： （１）Ａ１，Ａ２，…Ａn两两互不相容； （２）Ａ１∪Ａ２∪…∪Ａn=Ω 则称Ａ１，Ａ２，…Ａn构成样本空间Ω的一 个划分（或称构成一个完备事件组）．
全概公式：如果随机事件 A1 , A2 ,
, An 构成
完备事件组，且都具有正概率，则对任一 事件 B 皆有
P B P Ai P B Ai

若(X,Y)的分布律为P{X=xi,Y=yj}=pij, i,j=1,2,… 则(X,Y)的分布函数为
其中和式是对一切满足xi≤x , yj≤y求和。
例 若(X,Y)的分布律如下表，求(X,Y)的分布函数。 Y 0 1 X 0 1/2 0 y 1 解 0 1/2
1
1 x
四、 二维连续型随机变量
1.定义：设(X,Y)的联合分布函数为F(x,y),若存在一非负 函数f(x,y),使得对于任意的实分布
二维随机变量及其分布 第二节 边缘分布 第三节 随机变量的独立性 第四节 二维随机变量函数的分布
第一节 二维随机变量及其分布
一、二维随机变量的定义
1．定义： 随机试验E的样本空间Ω={e}，设X1(e), X2(e)为定 义Ω上的随机变量,由它们构成的一个向量(X1,X2)叫做 二维随机变量或二维随机向量。 对于二维随机变量, 需要考虑 ①二维随机变量作为一个整体的概率分布或称联合分布； ②还要研究每个分量的概率分布或称边缘分布； ③并且还要考察各分量之间的联系，比如是否独立等。
利用极坐标计算可得
从而有 Aπ=1,即可得A=1/π。
(2)依题意需求概率
下面我们介绍两个常见的二维分布.
设G是平面上的有界区域，其面积为A.若二 维随机变量（ X,Y）具有概率密度
则称（X,Y）在G上服从均匀分布.
例
向平面上有界区域G上任投一质点，若质点落 在 G内任一小区域 B的概率与小区域的面积成正比， 而与B的形状及位置无关. 则质点的坐标 (X,Y)在G 上服从均匀分布.
0≤F(x,y)≤1。
因为{X≤x1,Y≤y}{X≤x2,Y≤y}. (2). 对于任意固定的y, F(-∞,y)=0；
对于任意固定的x, F(x,-∞)=0；

称统计量
θr = gr (X1, X2,L, Xn )
r =1,2,L, k
r =1,2,L, k
为θ1, θ2,…, θk 的极大似然估计量
例7 设总体 X ~ N (,σ 2), x1, x2,…, xn 是 X 的样本值, 求 , σ 2 的极大似然估计. 解 L(x1, x2 ,L, xn ; ,σ )
分别是 a , b 的极大似然估计量.
问 题
1) 待估参数的极大似然估计是否一定存在 待估参数的极大似然估计是否一定存在? 2) 若存在 是否惟一 若存在, 是否惟一?
例9设 X ~ U ( a – , a + ), x1, x2,…, xn 是 X的一个样本, 求 a 的极大∑xi 令 1 n dlnL i=1 i=1 = =0 p = xi = x dp p 1 p n i=1
∑xi
n
n
∑
d2lnL ∑xi n ∑xi i=1 2 = i=1 2 < 0 2 (1 p) p dp
n n
所以
p = x 为所求 p 的估计值.
一般, 设 X 为离散型随机变量, 其分布律为
P( X = x) = f (x,θ ), x = u1,u2 ,L,θ ∈Θ
则样本 X1, X2,…, Xn的概率分布为
P( X1 = x1, X2 = x2,L Xn = xn ) ,
= f (x1,θ ) f (x2 ,θ )Lf (xn ,θ )
记为
= L(x1, x2 ,L, xn ,θ ) = L(θ )
221?nxxxl????i???nix222221n2?22211??2???1iixn?n2e12?21?ln22?ln22?ln2122???nnxlni??i????2?????exxniimlemle???1n?1???似然方程组为01ln12???i????????????nixl??0221ln?212222????i????????????nxlnini1??i???2imlexxn12???2的极大似然估计量分别为1iixxn?1n??2121bxxnni??i??极大似然估计方法1写出似然函数l2求出k?????2?1?使得???