2Y}=( ).
A.4 B.4
c? D.
x~(0.30.7),
,而Y的概率密度
6.设随机变量X与Y相互独立,X的概率分布为
为f(y),则随机变量Z=X+Y的概率密度为( ).
A.0.3f(z-1)+0.7f(z-2) B.0.3f(z+1)+0.7f(z-2)
C.0.3f(z-1)+0.7f(2z) D.0.3f(z-1)+0.7f(z+2)
243第四章|随机变量的数字特征
第一节 数学期望与方差
一、一维随机变量的数学期望
1.一维离散型随机变量的数学期望
设离散型随机变量X的分布律为P{X=x}=p,k=1,2,….若级数 绝对
EX=2xD
收敛,则称该级数的和为X的数学期望,简称期望,记为E(X),即
2.一维连续型随机变量的数学期望
设连续型随机变量X的概率密度为f(x),若积分[xf(x)dx绝对收敛,则称该积
分的值为随机变量X的数学期望,记为E(X),即E(X)=[xf(x)dx.
二、一维随机变量函数的数学期望
①设X为离散型随机变量,其分布律为P{X=x}=P,k=1,2,…,且Y=g(X),
∑g(x)p
若级数 绝对收敛,则随机变量Y的数学期望为
E(Y)=E[g(x]=∑8(x,)p·
8(x)f(x)dx
②设X为连续型随机变量,其概率密度为f(x),且Y=g(X),若积分
绝对收敛,则随机变量Y的数学期望为
E(Y)=E[g(X)]=g(x)f(xxdx.
244第四章 随机变量的数字特征
三、二维随机变量的数学期望
1.二维离散型随机变量的数学期望
若(X,Y)为二维离散型随机变量,其联合分布律为p=P{X=x,Y=
v,}(i. j=1,2,…),则
E(X)=2xp-22xp,ECO)=2vn-2vPe
2.二维连续型随机变量的数学期望
若(X,Y)为二维连续型随机变量,其联合概率密度为f(x,y),则
E(X)=Jx(x)dx=Jy(x,y)dydx,
E(Y)=?v,(V)dy=JV(x,y)dxdy.
四、二维随机变量函数的数学期望
1.二维离散型随机变量函数的数学期望
如果二维离散型随机变量(X,Y)的联合分布律为p,=P{X=x,Y=y,,i,j=
Z∑8x,y)P,
1,2,…,且Z=g(X,Y),若级数】
,绝对收敛,则Z的数学期望为
E(Z)=EIg(X,rj=Z2g(x,y)P,
2.二维连续型随机变量函数的数学期望
如果二维连续型随机变量(X,Y)的联合概率密度为f(x,y),且Z=g(X,Y),
若积分8(x,y)f(x, y)dxdy绝对收敛,则Z的数学期望为
E(Z)=E[g(X,r]=8(x, y)f(x,y)dxdy.
五、方差
1.定义
设X为一个随机变量,若[X-E(X)}2的数学期望存在,则称E{[X-E(X)}为随
机变量X的方差,记作D(X)或Var(X),即D(X)=E[X-E(X)}2}.称√D(X)为X的
标准差(或均方差),记作σx
245第三篇 概率论与数理统计(仅数学1考)
2.方差的计算公式
D(X)=E(X2)-[E(X)}2
【总结】
离散型 连续性
期望 E(X)=∑xp E(X)=?xf(xdr
E(Y)=Eg(x)=28(x)p. E(Y)=E[g(X)]=?g(x)f(x)dx
函数的期望
方差
Dx)=2Lx-E(x)}p, D(x)=[[x-ECx]r(xdx
D(X)=E(x2)-[E(X)}
①强化练习
1.设随机变量X服从标准正态分布,则E(Xe2×)=( ).
A.2e2 B.e2
C.2e D.-2e2
2.设随机变量X的分布函数为Fx)=0.3Du)+0.701).
,其中Φ(x)为标准
正态分布的分布函数,则E(X)=( ).
A.0 B.0.3
C.0.7 D.1
第二节 数学期望与方差的性质
一、数学期望的性质
①常数的数学期望等于这个常数,即E(C)=C,其中C为常数.
②设X是一个随机变量,当a,b为常数时,有E(aX+b)=aE(X)+b.
③设X,Y是两个随机变量,则有E(X+Y)=E(X)+E(Y).
④若随机变量X与Y相互独立,则有E(XY)=E(X)E(Y).
246第四章 随机变量的数字特征
二、方差的性质
①常数的方差等于零,即D(C)=0,其中C为常数,
②设X是随机变量,当a,b为常数时,有D(aX+b)=a2D(X).
③设X,Y是两个随机变量,则有D(X±Y)=D(X)+D(Y)±2Cov(X,Y).
④若随机变量X与Y相互独立,则有D(X±Y)=D(X)+DY).
三、常见随机变量的数学期望与方差
1.X服从参数为p的两点分布
E(X)=p,D(X)=p(l-p).
2.X~B(n,p)
E(X)=np,D(X)=np(l-p)
3.X~P(A)
E(X)=λ,D(X)=λ.
4.X~G(p)
E(x)=1.Dx)=-
5.X~U(a,b)
E(X)=ab,D(x)=b-2
6.X~E(λ)
E(X)=.Dx)=六
7.X~N(u,o2)
E(X)=μ,D(X)=σ2
247第三篇 概率论与数理统计(仅数学1考)
随机变量 分布 分布律或概率密度 期望 方差
X服从参数为p的 P{X=0}=q,P{X=1}=p;
P pq
0-1分布 00 λ λ
X~P(a)
a-b2
均匀分布 -他
X~U(a,b)
指数分布 rx)-{06x<(a>0) 12 正
连续型
X~E(λ)
正态分布 r)-0>0
μ o2
X~N(μo2)
②强化练习
1.已知随机变量X服从二项分布,且E(X)=2.7,D(X)=1.89,则二项分布的参
数n,p的值分别为( ).
A.n=9,p=0.7 B.n=9,p=0.3
C.n=6,p=0.45 D.n=6.p=0.55
2.设随机变量X,Y相互独立,且X~N(0,4),Y~B|9, ,则D(2X-3Y)=
( ).
A.8 B.16
C.28 D.34
3.设随机变量X与Y相互独立,且X~N(1,2),Y~N(1,4),则D(XY)=( ).
A.6 B.8
C.14 D.15
248一第四章 随机变量的数字特征
4.设随机变量X,(i=1,2,…,32)独立同分布,且其概率密度函数均为
fa)={2.共他,记X=2x,R=P{X<16),P=P{X>12},则().
A.P=P B.P>P
C.P
0,D(Y)>0,则称,
xY,n
为X与Y的相关系数,
2.相关系数的性质
①|px|≤1;
②px|=1的充要条件是存在常数a(a≠0)与b,使得P{Y=aX+b}=1,其中当
Pr=1时,有a>0,当Pxy=-1时,有a<0;
③若Pxγ=0,则称X与Y不相关.
250第四章 随机变量的数字特征
三、常用结论
①若X与Y相互独立,则X与Y不相关,反之不一定成立,
②若(X,Y)服从二维正态分布,则X与Y相互独立的充要条件是p=0(p为(X.
Y)的概率密度的参数).
③若X与Y都服从0—1分布,则X与Y相互独立的充要条件是X与Y不相关.
④若D(X)与D(Y)都存在,则X与Y不相关 Cov(X,Y)=0?E(XY)=
E(X)E(Y)?D(X+Y)=D(X)+DY),
①强化练习
1.随机变量X,Y的相关系数为0是它们相互独立的( ).
A.充分非必要条件 B.必要非充分条件
C.充要条件 D.既非充分也非必要条件
2.对于任意两个随机变量X、Y,若E(XY)=E(X)E(Y),则( ).
A.D(XY)=D(X)D(Y) B.D(X+Y)=D(X)+D(Y)
C.X,Y相互独立 D.X,Y不相互5独立
3.设随机变量X与Y不相关,它们的概率分布分别为
则随机变量X与Y( ).
A.相互不独立 B.相互独立
C.不一定相互独立 D.没有关系
4.设随机变量X与Y相互独立,且方差均为正数,则( ).
A.X与X+Y一定相关 B.X与X+Y一定不相关
C.X与XY一定相关 D.X与XY一定不相关
5.设随机变量X,Y不相关,且E(X)=2,E(Y)=1,D(X)=3,则E[X(X+
Y-2)]=( ).
A.-3 B.3
C.-5 D.5
251第三篇 概率论与数理统计(仅数学1考)
6.设二维随机变量(X,Y)~N(μμ o2,σ2,0),则E(XY2)=( )
A.μ3+μo2 B.μ3-μa2
C.μ2+μo2 D.μ2-μo2
7.设随机变量X~N(0,D),Y~N(I,4),且相关系数Pxy=1,则( ).
A.P{Y=-2X-1}=1 B.P{Y=2X-1}=1
C.P{Y=-2X+1}=1 D.P{Y=2X+1}=1
P{X=0)=3
8.设随机变量X,Y的概率分布相同,X的概率分布为
Pn=
P{X=13=3,
,且X与Y的相关系数, ,则P{X+Y≤1}=( ).
A.
B.}
c.2 D.4
r=9 .z设x随,机变量x,X?,…,X,(n>1)独立同分布,且其方差均为o2>0,令
,则( ).
A.Cov(xpr)=°
B.Cov(X,Y)=o2
c.D(X+r)="±2。 D.D(X?-Y)="±1。2
10.已知随机变量X,Y相互独立,且P{X=1}=P{X=-1)=
Y服从参数为入
的泊松分布,Z=XY,则Cov(X,Z)=( ).
A.A2 B.-λ2
C.λ D.-λ
11.随机变量X与Y的方差相等且不为零,则X与Y的相关系数Pγ=1的充分必
要条件是( ).
A.Cov(X+Y,x)=0 B.Cov(X+Y,Y)=0
C.Cov(X+Y,X-Y)=0 D.Cov(X-Y,X)=0
252第五章|大数定律和中心极限定理
第一节 大数定律
一、切比雪夫不等式
设随机变量X的数学期望E(X)与方差D(X)都存在,则对于任意的c>0,有
P{X-E(X)>}1-DY
【注】可用数字特征求得P|X-E(X)|≥e}的范围,
二、伯努利大数定律
设n是n重伯努利试验中事件A发生的次数,p是事件A在每次试验中发生的概
率,则对任意的c>0,有
mP{-D0,有
mPx:-A3}=( )
c.
A.3
B.0 D.1
3.已知E(X)=3,D(X)=1,若利用切比雪夫不等式,则有P{10(i=1,2,…),则对于任意实数x,有
xi
【注】对于未知随机变量,只要满足定理条件且n趋于无穷大,那么 近似服
从正态分布.
三、李雅普诺夫中心极限定理
设随机变量x,X?,…,X,…相互独立,它们具有数学期望和方差E(X)=H
D(X?)=o2>0,k=1,2,…,记B2=∑0?
254第五章 大数定律和中心极限定理
EIX?-AP)→0,则随机变量之和
若存在正数δ,使得当n→∞时,
x
的标准化变量 的分布函数F(x)对于任意
P-m-去=.
x,满足
① 强化练习
x-{0.共他线生;-1.2.m,100,且
1.设Φ(x)为标准正态分布函数,
r=∑x,
P(A)=0.4,X,X?,…,X1相互独立,令】 ,则由中心极限定理可知,Y的
分布函数近似值为( )
B.-4)
A.Φ(y)
D.(24)
C.Φ(y-40)
2.设随机变量X,X?,…,X,相互独立,S,=X?+X?+…+X。,则根据列维—
林德伯格中心极限定理,当n充分大时,S,近似服从正态分布,只要X,X?,…,X,
( ).
A.有相同期望和方差 B.服从同一离散型分布
C.服从同一指数分布 D.服从同一连续型分布
3.有一批板材,其中80??长度不小于5m.现从板材中随机取出100根,则由
中心极限定理可知,小于5m的板材超过10根的概率为( ).
A.() B.)
D.1-4
c.1-4)
255第六章|统计及其抽样分布
第一节 抽样分布的基本概念
一、总体
数理统计中所研究对象的某项数量指标X的全部可能的观察值称为总体,X是一
个随机变量.
二、简单随机样本
与总体X具有相同的分布,并且每个个体X,X?,…,X。之间相互独立,则称
X,X?,…,X,为来自总体X的简单随机样本,简称样本,n称为样本容量.它们的
观测值x,x?,…,x。称为样本观测值,简称样本值.
三、样本的联合分布函数和概率密度函数
总体X的分布函数为F(x),则取自总体X的样本X,X?,…,X,的联合分布函数
为F(x,x?,…,x)=IF(x)
①如果总体X是连续型随机变量,其概率密度为f(x),则样本X,X?,…,X。的联
合概率密度为f(x,x,…x)=1f(x);
②如果总体X是离散型随机变量,其分布律为P{X=x}=p,(i=1,2,…, n),
X?=x}=IIp
则样本X,X?,…,X,的联合分布律为P{X?=x,X?=x?,…,
256第六章 统计及其抽样分布
第二节 统计量
一、统计量的定义
设X?,X?,…,X,是来自总体X的一个样本,g=g(X,X?,…,X,)是样本的
函数,若g中不含任何未知参数,则称g(X,X?,…,X)是一统计量.
二、抽样分布
统计量的分布称为抽样分布,统计量作为随机变量的函数,它本身也是一个随机
变量,
三、常用统计量x- x,
①样本均值:
s2-一Z(x?-x)-一x2-nx
②样本方差:
s=S-六2x-x2
③样本标准差:
A--2x,k=1.2,…
④样本的k阶原点矩:
⑤样本的k阶中心矩: B=-Zx?-x),k=2,3,…
②强化练习
1.设X,(i=1,2,…,n)是来自总体X~N(2,o2)的简单随机样本,X,S2分别为
样本均值和样本方差,且已知P{X<2,s2k}=
( )。
A4
B.4
c.2 D.3
2.设总体X~B(m,θ),x,X?,…,X,为来自该总体的简单随机样本,X为样
257第三篇 概率论与数理统计(仅数学1考)
Zx?-x2]=()
本均值,则E
A.(m-1)nθ(1-θ) B.m(n-1θ(1-θ)
C.(m-1)(n-1)θ(1-θ) D.mn0(1-0)
第三节 三个重要抽样分布
一、x2分布
1.定义
设X,X?,…,X。是来自总体N(O,1)的简单随机样本,则称统计量
x2=Zx2~x2(m.
x2=X2+X2+…+X2服从自由度为n的x2分布,记为)
2.性质
①若x2~x2(n),则有E(x2)=n,D(x2)=2n;
②设X~x2(n),Y~x2(m),且X与Y相互独立,则有X+Y~x2(m+n).
二、t分布
1.定义
店
设随机变量X~N(0,D,Y~x2(n),且X与Y相互独立,则称随机变量
服从自由度为n的1分布,记为t~t(n).
2.性质
t-a(n)=-a(n).
三、F分布
1.定义
设X~x2(n,),Y~x2(n?),且随机变量X与Y相互独立,则称随机变量
F=Y/n2
服从自由度为(n,n?)的F分布,记为F~F(n,n?).
258-
一 第六章 统计及其抽样分布
2.性质
~F(n,n);
①若F~F(n,n?),则
②F.a(n,n)=(m:m)
③若X~r(n),则X2~F(I,n).
第四节 正态分布总体的样本均值与样本方差的分布
一、线性公式
设X,X?,…,X,是相互独立的随机变量,X,~N(μ,o2)(i=1,2,…,n),
C,C?,…,C,是一组不全为零的实常数,则
∑cx~NCZCu,ZC2of)
二、常用结论
总体X~N(μ,o2),x,X?,…,X,是总体X的样本,X,S2分别是样本均值
和样本方差,则:
①x=x~n(u);
a②E(S2)=a2D;
④X与S2相互独立;
x2=x?-X2=
⑤Zx-x2
服从自由度为n-1的x2分布,即
"s2~x(n-1);
⑦总体X~N(H,o2),Y~N(u,o2),x,X?,…,X,与Y,Y?,…Y,分别
259第三篇 概率论与数理统计(仅数学1考)
F=~Fun-l.n?-)。
是来自总体X与Y的样本,且两个样本相互独立,则
① 强化练习
1.设X~N(0,1),Y~N(0,D),且X与Y相互独立,则X2+Y2服从的分布是
( ).
A.N(0,1) B.N(0,2)
C.x2(1) D.x2(2)
2.设X,X?,X?,X?是来自正态总体N(0,4)的简单随机样本,且
X=a(X?-2X?)2+b(3X?-4X?)2服从卡方分布,则有( ).
A.a=20'b=100n=2 B.a=20,b=0,n=2
c.a=20b=100'n=4 D.a=20,b=0,n=4
3.设随机变量X~1(n(n>1,Y=x,则( ).
A.Y~x2(n) B.Y~x2(n-1)
C.Y~F(n,1) D.Y~F(l,n)
4.设X,X?,…,X,(n≥2)为来自总体X~N(0,1)的简单随机样本,X为样本
均值,S2为样本方差,则( ).
A.nX~N(0,1) B.nS2~x2(n)
c.-sDX~(n-1)
5.设随机变量X~t(n),Y~F(l,n),给定α(0c}=
α,则P{Y>c2}=( ).
A.α B.1-α
C.2a D.1-2α
6.若X,X?,X?是来自正态总体N(0,σ2)的简单随机样本,则统计量
s=2x
服从的分布为( ).
260第六章 统计及其抽样分布
A.F(1,1) B.F(2,1)
x= x,
C.t(1) D.r(2)
7.设X,X?,…,X,(n≥2)为来自总体N(μ,1)的简单随机样本,记,
则下列结论中不正确的是( ).
A.Zx?-A)服从x2分布
B.2(X。-X,)2服从x2分布
c.Zx?-x)2
2服从X2分布 D.n(X-μ)2服从x2分布
261第七章|参数估计
第一节 点估计
一、点估计的定义
设总体X的分布函数为F(x;0),其中0是待估参数,X,X?,…,X,是来自总体
X的一个样本,x,x?,…,x,是相应的一个样本值.称6(X,X?,…,X)为θ的估
计量,称(x,x?,…,x,)为θ的估计值.
二、矩估计法
用样本矩估计相应的总体矩,用样本矩的连续函数估计相应的总体矩的连续函数。
①计算总体的期望:E(X)=g(θ);
②从等式E(X)=g(θ)中反解出θ:θ=g1[E(X)];
③用样本均值X估计E(X),即可得到参数θ的矩估计量:θ=g?(X).
三、最大似然估计法
①最大似然估计的原理:固定样本观察值x?,x?,…,x,在θ取值的可能范围
内挑选使似然函数L(x?,x?,…,x;θ)达到最大的参数值?,作为参数θ的估计值.
②若 总 体X 为 离散 型,其 分布 律为 P{X=x}=p(x;θ),则
L=LC,x,…x:O)=Ipx
;θ)表示样本X,X?,…,X,的联合分布律,也
称为样本的似然函数,
③若总体X为连续型,其概率密度为f(x:θ),其中θ为待估参数(当分布中未知参数
不止一个时,理解为向量),X,X?,…,X,为来自总体X的样本,则样本x,X,…,
X,的联合概率密度为L(x,x?,…,x;60)=1f(x;0),称为样本的似然函数。
262第七章 参数估计
smm
④求参数θ的最大似然估计量的步骤:
θ),离散型,
θ),连续型:
b.对似然函数取对数:
ddeO=0,解
c.利用导数求解似然函数的最大值,若存在唯一的驻点,则有
daeO)=0,
方程 求出0的最大似然估计量?.
①强化练习
1.设总体X的分布律为
X -1 0 1
PA 20 0 1-30
其中8(0<0<1)
是未知参数,利用总体X的样本值1,0,-1,1,1,-1可
得θ的矩估计值为( ).
A.4
B.吉
c.
D.
2.设X,X?,…,X,是来自正态总体N(u, o2)的简单随机样本,其中μo2
均未知,则o2的矩估计量G2=( ).
A.Zx2
B.Zx?-x)2
c.一x?-x)2 D.Zx,-x)
3.设X,X?,…,X,为来自正态总体N(H?,a2)的简单随机样本,其中μ已知,
o2>0未知,X和S2分别表示样本均值和样本方差,则参数σ2的最大似然估计量2
为( ).
263第三篇 概率论与数理统计(仅数学1考)
A.Lx2 B.Lx-x2
c.一Zx,-x2
D.Zx?-A)2
a)={0,共他,>
4.设总体X的概率密度为 其中参数λ(λ>0)未知,X?,
X?,…,X,是来自总体X的简单随机样本,则参数入的矩估计量和最大似然估计量分
别为( ).
A交文 B.文文
c文文 D文文
第二节 估计量的评选标准
一、无偏性
若EO)=θ,则称?是θ的无偏估计量,
二、有效性
设A?=??(x,X,…,X.)和??=O?(x,X?,…,X。)都是参数θ的无偏估计
量,若对于任意固定的样本容量n,有D(@i)H? N(0,1) U>H
μ≥H μH? t(n-1) T>1。(n-1)
μ≥H? μ0 x2>xi?(n)
μ已知 o2c% o2<02
x2x2?(n-1)
μ未知 o2>o} x2(n-1)
o2>o o2<% x2>x2(n-1)
x20.3接受H。
D.用t检验法,检验H:μ≤0.3??:μ>0.3拒绝H。
270免责声明
本资料仅供内部交流学习使用,非商业用途。
在未取得粉笔许可前,任何人士或机构均不得以任
何方法或形式复制、出版、发放及抄装本资料内容
作商业或非法之用途,违者必究。
F20101402775YYG
数学理论讲义 仅供内部交流学习使用