随机变量的分布及数字特征
1.常见分布
------二项分布
------泊松分布
------概率密度函数
若对于随机变量X的分布函数,存在非负函数f(x),使得对于任意实数X有:
其中f(x)称为X的概率密度函数。
------指数分布
---------正态分布,也称作高斯分布
2.随机变量的数字特征
--------数学期望
----------方差
----------协方差
----------相关系数
------------期望的性质
E(cX)=cE(X)
------------方差的性质
D(cX)=c^2D(X)
3 随机向量
-------联合分布
1.联合分布
X=(X1,X2,....Xp)是p维随机变量,则称
为X的联合分布函数。
----------随机向量X的均值向量
1.随机向量X的均值向量
若E(Xi)=Ui存在,则称
为随机向量X的均值向量
2.随机向量X的协方差阵
若Xi和Xj的协方差Cov(Xi,Xj)存在(i,j=1,2,....p),则称
为随机向量X的协方差阵。
3.随机向量X和Y的协方差阵
若Xi和Yj的协方差Cov(Xi,Yj)存在(i=1,,,p;j=1,....,q),则称
为随机向量X和Y的协方差阵,若
COV(X,Y)=O (其中O表示零矩阵)
则称X与Y不相关。
4.中心极限定理
是概率论中讨论随机变量和的分布以正态分布为极限的一组定理,指出了大量随机变量之和近似服从正态分布的条件。
设随机变量X1, X2,...,Xn独立同分布, 且具有有限的数学期望和方差E(Xi) = µ,D(Xi) = σ² ≠ 0 (i=1,2,...n)。记
,,则
其中Φ(z)是标准正态分布的分布函数。
5.大数定律
指数量越多,则其结果就越趋近正态分布,发生误差的机率与数值也会越小。
人们发现,在一个随机事件中,随着试验次数的增加,事件发生的频率趋于一个稳定值;人们同时也发现,在对物理量的测量实践中,测定值的算术平均也具有稳定性。