定义 设连续型随机变量 概率密度为 分布函数是 特别地, 其概率密度为 一、正态分布的相关内容:.

Slides:



Advertisements
Similar presentations
1 §2.2 离 散 型 随 机 变 量 §2.1 随 机 变 量 的 概 念 §2.3 超几何分布 · 二项分布 · 泊松分布 1. “0-1” 分布 ( 两点分布 ) 3. 二项分布 4. Poisson 分布 2. 超几何分布 n →∞ , N→∞ , (x = 0, 1, 2, , n) (x.
Advertisements

第一章 、随机事件与概率 1.1 、随机事件 1.2 、随机事件的概率 1.3 、随机事件概率的计算 1.4 、伯努利概型.
目录 上页 下页 返回 结束 习题课 一、导数和微分的概念及应用 二、导数和微分的求法 导数与微分 第二章.
2.6 隐函数微分法 第二章 第二章 二、高阶导数 一、隐式定义的函数 三、可微函数的有理幂. 一、隐函数的导数 若由方程 可确定 y 是 x 的函数, 由 表示的函数, 称为显函数. 例如, 可确定显函数 可确定 y 是 x 的函数, 但此隐函数不能显化. 函数为隐函数. 则称此 隐函数求导方法.
第三节 微分 3.1 、微分的概念 3.2 、微分的计算 3.3 、微分的应用. 一、问题的提出 实例 : 正方形金属薄片受热后面积的改变量.
第三章 多维随机变量及其分布 3.1 二维随机变量 3.2 边缘分布 3.3 条件分布 3.4 随机变量的独立性
第二章 随机变量及其分布 在第一章里,我们研究了随机事件及其概率.而对于一个随机试验,我们除了对某些特定的事件发生的概率感兴趣外,往往还会关心某个与试验结果相联系的变量.由于这一变量依赖于试验结果,因而这一变量的取值具有随机性,这种变量被称为随机变量.本章将着重介绍两类随机变量——离散型随机变量和连续型随机变量及其分布.
§5.2 中心极限定理 定理3(同分布中心极限定理)设随机变量X1, X2, …, Xn, …相互独立,服从相同分布,且有有限的数学期望和方差,即: E(Xk) =,D(Xk) =2,k = 1, 2, … 则随机变量 的分布函数Fn(x)满足: 对任意的x,有.
本幻灯片可在如下网站下载: 概率论与数理统计第16讲 本幻灯片可在如下网站下载:
概率论与数理统计 课件制作:应用数学系 概率统计课程组.
3.1.3 概率的基本性质.
第三章 函数逼近 — 最佳平方逼近.
6.6 单侧置信限 1、问题的引入 2、基本概念 3、典型例题 4、小结.
08-09冬季学期 概率论与数理统计 姜旭峰,胡玉磊.
第五节 微积分基本公式 、变速直线运动中位置函数与速度 函数的联系 二、积分上限函数及其导数 三、牛顿—莱布尼茨公式.
第四章 函数的积分学 第六节 微积分的基本公式 一、变上限定积分 二、微积分的基本公式.
第三节 协方差及相关系数 协方差 相关系数 课堂练习 小结 布置作业.
第四章 一元函数的积分 §4.1 不定积分的概念与性质 §4.2 换元积分法 §4.3 分部积分法 §4.4 有理函数的积分
第5章 定积分及其应用 基本要求 5.1 定积分的概念与性质 5.2 微积分基本公式 5.3 定积分的换元积分法与分部积分法
主要内容 § 3.1 多维随机变量及联合分布 联合分布函里数 联合分布律 联合概率密度 § 3.2 二维随机变量的边缘分布
本讲义可在网址 或 ftp://math.shekou.com 下载
不确定度的传递与合成 间接测量结果不确定度的评估
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
2-7、函数的微分 教学要求 教学要点.
§5 微分及其应用 一、微分的概念 实例:正方形金属薄片受热后面积的改变量..
第四章 随机变量的数字特征 第一节 数学期望 第二节 方差 第三节 协方差及相关系数 第四节 矩、协方差矩阵.
第5章 §5.3 定积分的积分法 换元积分法 不定积分 分部积分法 换元积分法 定积分 分部积分法.
第三章 多维随机变量及其分布 §2 边缘分布 边缘分布函数 边缘分布律 边缘概率密度.
例1 :甲击中的环数; X :乙击中的环数; Y 平较高? 试问哪一个人的射击水 : 的射击水平由下表给出 甲、乙两人射击,他们
本次课讲授:第二章第十一节,第十二节,第三章第一节, 下次课讲第三章第二节,第三节,第四节; 下次上课时交作业P29—P30
§2 求导法则 2.1 求导数的四则运算法则 下面分三部分加以证明, 并同时给出相应的推论和例题 .
第一章 函数 函数 — 研究对象—第一章 分析基础 极限 — 研究方法—第二章 连续 — 研究桥梁—第二章.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
连续型随机变量及其概率密度 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结.
第七章 参数估计 7.3 参数的区间估计.
习题 一、概率论 1.已知随机事件A,B,C满足 在下列三种情况下,计算 (1)A,B,C相互独立 (2)A,B独立,A,C互不相容
概率论 ( Probability) 2016年 2019年4月13日星期六.
抽样和抽样分布 基本计算 Sampling & Sampling distribution
实数与向量的积.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
应用概率统计 主讲:刘剑平.
5.2 常用统计分布 一、常见分布 二、概率分布的分位数 三、小结.
第5章 大数定律和中心极限定理 5.1 大数定律 5.2 中心极限定理.
在第一章中,我们介绍了条件概率的概念 . 在事件B发生的条件下事件A发生的条件概率 推广到随机变量
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
§5.2 中心极限定理 人们已经知道,在自然界和生产实践中遇到的大量随机 变量都服从或近似服从正态分布,正因如此,正态分布占有
§8.3 不变因子 一、行列式因子 二、不变因子.
§6.7 子空间的直和 一、直和的定义 二、直和的判定 三、多个子空间的直和.
第三章 随机变量的数字特征 (一)基本内容 一、一维随机变量的数学期望 定义1:设X是一离散型随机变量,其分布列为:
1.设A和B是集合,证明:A=B当且仅当A∩B=A∪B
概 率 统 计 主讲教师 叶宏 山东大学数学院.
第一节 不定积分的概念与性质 一、原函数与不定积分的概念 二、不定积分的几何意义 三、基本积分表 四、不定积分的性质 五、小结 思考题.
第三章 函数的微分学 第二节 导数的四则运算法则 一、导数的四则运算 二、偏导数的求法.
4.3 中心极限定理 一、问题的引入 二、基本定理 三、典型例题 四、小结.
学习任务三 偏导数 结合一元函数的导数学习二元函数的偏导数是非常有用的. 要求了解二元函数的偏导数的定义, 掌握二元函数偏导数的计算.
第三章 多维随机变量及其分布 第一节 二维随机变量 第二节 边缘分布 第三节 条件分布 第四节 相互独立的随机变量
第四节 随机变量函数的概率分布 X 是分布已知的随机变量,g ( · ) 是一个已知 的连续函数,如何求随机变量 Y =g(X ) 的分布?
第一部分:概率 产生随机样本:对分布采样 均匀分布 其他分布 伪随机数 很多统计软件包中都有此工具 如在Matlab中:rand
第二节 中心极限定理 一、问题的引入 二、基本定理 三、典型例题 四、小结.
第15讲 特征值与特征向量的性质 主要内容:特征值与特征向量的性质.
§5.2 抽样分布   确定统计量的分布——抽样分布,是数理统计的基本问题之一.采用求随机向量的函数的分布的方法可得到抽样分布.由于样本容量一般不止2或 3(甚至还可能是随机的),故计算往往很复杂,有时还需要特殊技巧或特殊工具.   由于正态总体是最常见的总体,故本节介绍的几个抽样分布均对正态总体而言.
难点:连续变量函数分布与二维连续变量分布
欢迎大家来到我们的课堂 §3.1.1两角差的余弦公式 广州市西关外国语学校 高一(5)班 教师:王琦.
第三节 函数的微分 3.1 微分的概念 3.2 微分的计算 3.3 微分的应用.
7.4 随机变量的数字特征 离散型随机变量的数学期望和方差 连续型随机变量的数学期望和方差
笛卡儿说:“数学是知识的工具,亦是其它知识工具的泉源。所有研究顺序和度量的科学均和数学有关。”
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
第四章 函数的 积分学 第七节 定积分的换元积分法     与分部积分法 一、定积分的换元积分法 二、定积分的分部积分法.
§4.1数学期望.
§4.5 最大公因式的矩阵求法( Ⅱ ).
Presentation transcript:

定义 设连续型随机变量 概率密度为 分布函数是 特别地, 其概率密度为 一、正态分布的相关内容:

若 则X 落在区间 内的概率是: 查表 特别地, [注1] [注2] 则 若 k 为奇数, 若 k 为偶数,则: 则: 中心矩:

二、二维正态分布 r = 0. 设二维随机变量( X,Y) 的联合概率密度如下: 其中 这种分布称为二维正态分布。 可以证明: 即 结论:

三、正态随机变量的线性函数的分布 定理1 (即:正态随机变量的线性函数仍服从正态分布) 推论 定理2 (即:独立的正态随机变量的和仍服从正态分布) 定理3

四、中心极限定理 列维定理 设独立随机变量 服从相同的分布并且有数 学期望和方差: 则当 时,它们和的极限分布是正态分布,即 则当 时,它们和的极限分布是正态分布,即 (z 为任意实数.) 设独立随机变量 考虑随机变量: 则 服从相同的分布并且有数 四、中心极限定理

德莫威尔—拉普拉斯定理  其中z 是任何实数, 设在独立实验序列中,事件A 在各次实验中发生的概率为 随机变量 表示事件A 在n 次实验中发生的次 数,则有 由于随机变量  服从二项分布 拉斯定理说明:当 n 充分大时,服从 的随机变量 所以德莫威尔—拉普 近似地服从正态分布

五、练习题 1. 解

2. 解

3. 已知某机械零件的直径(mm)服从正态分布 求这种机械零件不合格品率. 解: 设随机变量 X 表示这种机械零件的直径, 由题意: 则

4. 解 测量到某一目标的距离时发生的随机误差X(米)具有概率 密度: 显然 在一次测量中误差的绝对值不超过 30米的概率为: ∴所求的概率为: 设Y 表示在三次独立测量中事件 出现的次数, 则 求在三次测量中至少有一次误 差的绝对值不超过30米的概率。

5. 设随机变量 求:随机变量 的概率密度. 解: 由题意: 且 y > 0 所以: y ≤0时, y > 0时, 0. y ≤0

解 若 6.

解: 7,10.设随机变量 X~N ( 0,1), 若 n为奇数,则 若 n为偶数,设n = 2k 令 求随机变量函数 ( n 为正整数) 的数学期望与方差及相关系数.

n为奇数 n为偶数

8. 设随机变量(X,Y)的联合密度函数为 求 的数学期望和方差. 解

9. 解

解 DX = 16 , DY=25 , 求X 与Y 的密度函数. 11. 设二维随机变量( X,Y) 服从正态分布, E(X) = E(Y) = 0,

12. 设二维随机变量(X,Y)服从二维正态分布: 求:(X,Y)落在椭圆 内的概率. 解: 令

13. 已知矢径OP 的终点坐标(X,Y)服从二维正态分布: 解: 求:矢径OP 的长度Z=|OP| 的概率密度.

15. 解 16. 两台机床分别加工生产轴和轴衬.设随机变量X(mm)表示轴 直径,随机变量Y(mm)表示轴的内径,已知 在1~3(mm)之间, 显然X与Y是独立的,若轴衬的内径与轴的直径之差 求任取一轴与一轴衬可以配套使用的概率. 则轴与轴衬可以配套使用.

解: 由题意: 即: 17. 证

设随机变量 X,Y,Z 相互独立,都服从标准正态分布N(0,1), 求:随机变量函数 的概率密度, 数学期望与方差. 18. 解: 1) 由题意: 对于任意的实数 u ,

2) 因随机变量 X,Y,Z 相互独立,且服从标准正态分布N(0,1), 1)直接求;2)利用函数的期望,方差求法.

19. 解 已知一本300页的书中每页印刷错误的个数服从P(0.2), 由列维定理知, 所求的概率 求这本书的印刷错误总数不多于70的概率. 设 表示每页中的印刷错误的个数,

(1) 任一时刻有70至86台机床在工作的概率; (2) 任一时刻有80台以上机床在工作的概率; 时间占全部工作时间的80%,求: 20. 已知100台机床彼此独立地工作者,每台机床的实际工作 (1) 已知 n=100, p=0.8, 解 np=80, (2)

21 为了确定事件 A 的概率, 进行了10000次重复独立试验. 解 设事件A 在每次试验中发生的概率为 p, 在n次试验 则 因此,所求事件的概率为 中发生了 次, 且

因 n=10000充分大,由棣莫弗-拉普拉斯中心极限定理: 则:

解 22. 某单位设置一台电话总机, 共有200个分机. 每个分机有5% 的时间要使用外线通话, 并且各个分机使用外线与否相互独 立. 该单位需要多少外线才能保证每个分机要使用外线时可 供使用的概率达到0.9. 设外线总数为 n 时, 满足要求, 由中心极限定理,有

23. 抽样检查产品质量时,若发现次品多于10个, 则认为这批 产品不能接受。应该检查多少产品时,可使次品率为10%的 一批产品不被接受的概率达到0.9. 并设X 为n个产品中发现的次品个数, p=0.1, 解 设检查产品的个数为 n 时, 满足要求.

补例:无线电台发出的呼唤信号被另一电台收到的概率为0.2,信号 每隔 5秒钟拍发一次,直到收到对方的回答信号为止。发出与收 到信号之间至少经过16秒钟的时间。求双方建立联系以前已拍发 的呼唤信号的平均次数。 解:设ξ表示在双方建立联系以前已拍发的呼唤信号的次数, 则ξ=4,5,6…, 设Ai 表示第i 次发出的信号被对方收到。 ……………………