概率论与数理统计
文章平均质量分 90
清风疏影
这个作者很懒,什么都没留下…
展开
-
二维正态分布参数rho的作用
二维正态分布参数ρ\rhoρ的作用我们知道,一个随机向量X=X=X=(X1,⋯ ,Xn)\left(X_{1}, \cdots, X_{n}\right)(X1,⋯,Xn)的分布FFF足以决定其任一分量XiX_{i}Xi的(\left(\right.(边缘)分布FiF_{i}Fi, 但反过来不对: 即使知道了所有XiX_{i}Xi的边缘分布Fi,i=1,⋯ ,nF_{i}, i=1, \cdots, nFi,i=1,⋯,n, 也不足以决定XXX的分布FFF.而二维正态分布就是一个典型例子.例原创 2021-10-01 21:37:57 · 10694 阅读 · 0 评论 -
概率论与数理统计(陈希孺)笔记2.2
2.2 随机向量若随机变量X1,X2,⋯ ,XnX_{1}, X_{2}, \cdots, X_{n}X1,X2,⋯,Xn定义在同一个样本空间Ω\OmegaΩ上, 则称(X1,X2,⋯ ,\left(X_{1}, X_{2}, \cdots,\right.(X1,X2,⋯,,XnX_{n}Xn) 为一个nnn维随机向量或nnn维随机变量。我们虽然可以仿照一维随机变量定义多维随机变量的分布函数,但分布函数在多维中意义不大,这里仅给出其定义.X=(X1,⋯ ,Xn)X=\left(X_{1},原创 2021-10-01 19:33:07 · 451 阅读 · 0 评论 -
概率论与数理统计(陈希孺)笔记2.1
2.1 一维随机变量2.1.1 随机变量的概念所谓随机变量,就是其值随机会而定的变量.例如骰子的点数X,在试验前无法确定它将取何值,但一旦试验结束,点数就确定了.而与之相对的就是确定变量,其取值遵循某种严格的规律,在试验前就能准确预知出来.例如骰子自由落体的距离H,我不需要进行试验就可根据自由落体定律计算出每个时刻对应的落体高度。第一章提到的随机事件,实际上是包含随机变量这个更广泛的范围之内。例如事件:骰子的点数大于等于3可以用{X≥3}\{X\ge 3\}{X≥3}表示。更进一步的,我们可以使用指原创 2021-09-28 21:59:43 · 491 阅读 · 0 评论