北邮考研概率论与数理统计6.1随机样本.pptxVIP

北邮考研概率论与数理统计6.1随机样本汇报人：AA2024-01-19

随机样本基本概念随机变量及其分布多维随机变量及其分布随机变量数字特征大数定律和中心极限定理参数估计方法contents目录

随机样本基本概念01

总体与样本总体样本样本容量从总体中随机抽取的一部分个体组成的集合。样本中包含的个体数目。研究对象的全体个体组成的集合。

简单随机抽样每个个体被抽中的概率相等。分层抽样将总体分成若干层，从每层中随机抽取一定数量的个体组成样本。系统抽样按照某种规则从总体中抽取样本，如每隔一定数量抽取一个。整群抽样将总体分成若干群，随机抽取几群，将抽中的群内所有个体组成样本。随机抽样方法

样本空间样本空间中满足某种条件的子集。事件基本事件复合事基本事件通过并、交、差等运算得到的事件。所有可能样本组成的集合。只包含一个样本点的事件。样本空间与事件

随机变量及其分布02

随机变量定义及性质随机变量定义设随机试验的样本空间为S，如果对于每一个样本点e∈S，都有一个实数X(e)与之对应，则称X=X(e)为随机变量。随机变量性质随机变量具有可测性、单值性和对应关系的确定性。

设离散型随机变量X的所有可能取值为x1,x2,...,xn，且取各个值的概率分别为p1,p2,...,pn，则称pi=P{X=xi},i=1,2,...,n为X的分布律。分布律定义0-1分布、二项分布、泊松分布等。常见离散型随机变量分布离散型随机变量分布律

概率密度函数定义设连续型随机变量X的分布函数为F(x)，如果存在非负可积函数f(x)，使得对于任意实数x，有F(x)=∫f(t)dt,-∞tx，则称f(x)为X的概率密度函数。常见连续型随机变量分布均匀分布、指数分布、正态分布等。连续型随机变量概率密度函数

多维随机变量及其分布03

联合分布律性质非负性、规范性、右连续性。离散型随机变量的联合分布律通过联合分布表或联合概率质量函数表示。联合分布函数定义描述多维随机变量取值情况的函数，表示所有随机变量同时取某值或某值域内的概率。多维随机变量联合分布律

条件分布律定义在多维随机变量中，当部分随机变量取特定值时，剩余随机变量的条件概率分布。边缘分布与条件分布的关系边缘分布可视为条件分布的特例，条件分布是在给定某些随机变量取值的条件下，剩余随机变量的分布。边缘分布律定义多维随机变量中，某一随机变量的概率分布，即固定其他随机变量的取值，求该随机变量的概率分布。边缘分布律和条件分布律

独立性定义相关性定义独立性判定方法相关性判定方法独立性及相关性判定多维随机变量间存在某种依赖关系，使得一个随机变量的取值会影响其他随机变量的取值。通过比较联合分布与边缘分布的乘积，若相等则独立，否则相关。计算相关系数或协方差，若为零则不相关，否则相关。多维随机变量中，任意随机变量的取值不受其他随机变量取值的影响，即联合分布等于边缘分布的乘积。

随机变量数字特征04

数学期望定义描述随机变量取值的“平均水平”，是随机变量所有可能取值与其对应概率的乘积之和。方差定义衡量随机变量取值与其数学期望的偏离程度，即随机变量各取值与数学期望差的平方和的平均值。计算方法根据随机变量的分布律或概率密度函数，利用定义式进行计算。数学期望与方差计算

03计算方法根据随机变量的联合分布律或联合概率密度函数，利用定义式进行计算。01协方差定义衡量两个随机变量变化趋势是否相同的统计量，正值表示同向变化，负值表示反向变化，零表示无关。02相关系数定义标准化后的协方差，消除了量纲影响，更客观地反映两个随机变量之间的线性相关程度。协方差和相关系数求解

ABCD矩、协方差矩阵和相关系数矩阵矩定义描述随机变量分布形态特征的统计量，包括原点矩和中心矩。相关系数矩阵定义由多个随机变量的相关系数组成的矩阵，更客观地反映各随机变量之间的线性相关程度。协方差矩阵定义由多个随机变量的协方差组成的矩阵，反映各随机变量之间的线性相关程度。计算方法根据随机变量的样本数据，利用定义式或相关公式进行计算。

大数定律和中心极限定理05

大数定律内容及意义在随机试验中，随着试验次数的增加，事件发生的频率趋于一个稳定值，即该事件的概率。大数定律内容大数定律是概率论中的基本定理之一，它揭示了随机现象中的规律性。在实际应用中，大数定律为我们提供了用频率近似概率的理论依据，是统计学中参数估计和假设检验等方法的理论基础。大数定律意义

中心极限定理内容设随机变量$X_1,X_2,ldots,X_n$相互独立且同分布，具有有限的数学期望和方差，则当$n$充分大时，随机变量$frac{sum_{i=1}^{n}X_i-nmu}{sqrt{n}sigma}$的分布近似于标准正态分布，其中$mu$和$sigma^2$分别是$X_i$的数学期望和方差。中心极限定