概率论与数理统计公式(考试版专用)

《概率论与数理统计公式(考试版专用)》由会员分享，可在线阅读，更多相关《概率论与数理统计公式(考试版专用)（38页珍藏版）》请在装配图网上搜索。

1、精品第1章随机事件及其概率(1)排列组合公式Pmn从m个人中挑出n个人进行排列的可能数。(mn)!nm!Cm从m个人中挑出n个人进行组合的可能数。n!(mn)!(2)加法和乘法原理加法原理(两种方法均能完成此事)：m+n某件事由两种方法来完成，A种方法可由m种方法完成，第二种方法可由n种方法来完成，则这件事可由m+n种方法来完成。乘法原理(两个步骤分别不能完成这件事)：mxn某件事由两个步骤来完成，第一个步骤可由m种方法完成，第二个步骤可由n种方法来元成，则这件事可由mXn种方法来元成。(3)一些常见排列重复排列和非重复排列(后序)对立事件(至少有一个)顺序问题(4)随机试验和随机事件如果一个

2、试验在相同条件卜可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。试验的可能结果称为随机事件。(5)基本事件、样本空间和事件在一个试验下，不管事件宿多少个，总可以从其中找出这样一组事件，它具有如下性质：每进行一次试验，必须发生且只能发生这一组中的一个事件；任何事件，都是由这一组中的部分事件组成的。这样一组事件中的每一个事件称为基本事件，用来表示。基本事件的全体，称为试验的样本空间，用表示。一个事件就是由中的部分点（基本事件）组成的集合。通常用大写字母A,B,C,表示事件，它们是的子集。为必然事件，？为不可能事件。不可能事件（？）的

3、概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（）的概率为1,而概率为1的事件也不一定是必然事件。关系：如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：AB如果同时有AB,BA,则称事件A与事件B等价，或称A等于B：A=B。A、B中至少有一个发生的事件：AB,或者A+B。（6）事件属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B,也可表示为A-AB或者AB,它表示A发生而B不发生的事件。的关系与A、B同时发生：AB,或者AB。AB=?，则表示A与B不可能同时发运算生，称事件A与事件B互不相容或者互斥。基本事件是互不相容的。-A称为事件A的逆事件，

4、或称A的对立事件，记为Ao它表示A不发生的事件。互斥未必对立。运算：结合率：A(BC)=(AB)CAU(BUC)=(AUB)UC分配率：(AB)UC=(AUC)n(BUC)(AUB)AC=(AC)U(BC)AiAi_德摩根率：i1i1ABAB,ABAB设为样本空间，A为事件，对每一个事件A都有一个实数P（A）,若满（7）概率足卜列二个条件：的公理化定义1 0P(A)0,则称()为事件A发生条件下，P(A)事件B发生的条件概率，记为P(B/A)P(AB)。P(A)条件概率是概率的一种，所有概率的性质都适合于条件概率。例如P(Q/B)=1P(B/A)=1-P(B/A)乘法公式：P(AB)P(A)P

5、(B/A)(13)乘法更一般地，对事件A1,A2,An,若P(A1A2An-1)0,则有P(A1A2An)P(A1)P(A2|A)P(A3|A1A2)P(An|A1A2.公式An1)/O两个事件的独立性设事件A、B满足P(AB)P(A)P(B)，则称事件A、B是相互独立的。若事件A、B相互独立，且P(A)0,则有P(B|A)迫P(A)P(B)P(B)P(A)P(A)若事件A、B相互独立，则可得到人与B、A与B、区与后也都相互独立。必然事件和不可能事件？与任何事件都相互独立。(14)独立?与任何事件都互斥。性多个事件的独立性设ABC是三个事件，如果满足两两独立的条件，P(AB)=P(A)P(B)

6、;P(BC)=P(B)P(C);P(CA)=P(C)P(A)并且同时满足P(ABC尸P(A)P(B)P(C)那么A、B、C相互独立。对于n个事件类似。设事件B1，B2，Bn满足1B1,B2,相容，P(Bi)0(i1,2,n),(15)全概nABi公式2i1J,则有P(A)P(B1)P(A|B1)P(B2)P(A|B2)P(Bn)P(A|Bn)。设事件B1,B2,，Bn及A满足(16)贝叶1B1,B2,，Bn两两互/、相容,P(Bi)0,i1,2,，n,斯公式nABi2i1,P(A)0,贝UP(Bi)P(A/Bi)P(Bi/A)ni，i=1，2,n。P(Bj)P(A/Bj)ji此公式即为贝叶斯公

7、式。P(BJ,(i1,2,，n),通常叫先验概率。P(Bi/A),(i1,2,n),通常称为后验概率。贝叶斯公式反映了“因果”的概率规律，并作出了“由果朔因”的推断。(17)伯努禾IJ概型我们作了n次试验，且满足每次试验只用两种可能结果，A发生或A不发生；n次试验是重复进行的，即A发生的概率每次均一样；每次试验是独立的，即每次试验A发生与否与其他次试验A发生与否是互耳、影响的。这种试验称为伯努利概型，或称为n重伯努利试验。用p表示每次试验A发生的概率，则A发生的概率为1pq，用Pn(k)表示n重伯努利试验中A出现k(0kn)次的概率，c八kknk-Pn(k)Cnpq,k0,1,2,no第二章随

8、机变量及其分布(1)离散型随机变量的分布律设离散型随机变量X的可能取值为Xk(k=1,2,)且取各个值的概率，即事件(X=Xk)的概率为P(X=xk)=pk,k=1,2,，则称上式为窗放型随机变重X的概率分布或分布律。有时也用分布列的形式给出：X|x1,x2,xk,P(Xxk)p1,p2,pk,o显然分布律应满足卜列条件：pk1(1)pk0,k1,2,(2)k1o(2)连续型随机变量的分布密度设F(x)是随机变量X的分布函数，若存在非负函数f(x),对任意实数x,有xF(x)f(x)dx则称X为连续型随机变量。f(x)称为X的概率密度函数或密度函数，简称概率密度。密度函数具有卜面4个性质：1。

9、 f(x)01 Of(x)dx12 o(3)离散与连续型随机变量的关系P(Xx)P(xXxdx)f(x)dx积分元f(x)dx在连续型随机变量理论中所起的作用与P(Xxk)pk在离散型随机变量理论中所起的作用相类似。感谢下载载(4)分布设X为随机变量，X是任意实数，则函数函数F(x)P(Xx)称为随机变量X的分布函数，本质上是一个累积函数。P(aXb)F(b)F(a)可以彳#到X落入区间(a,b的概率。分布函数F(x)表示随机变量落入区间(-8,x内的概率。分布函数具有如下性质：100F(x)1,x;2F(x)是单调不减的函数，即xix2时，有F(xi)F(x2)；3F()JimF(x)0,F

10、()JimF(x)1；4F(x0)F(x),即F(x)是右连续的；5P(Xx)F(x)F(x0)。对于离散型随机变量，F(x)Pk；xkxx对于连续型随机变量，F(x)f(x)dx。八大0-1分布P(X=1)=p,P(X=0)=q分布二项分布在n重贝努里试验中，设事件A发生的概率为p。事件A发生的次数是随机变量，设为X,则X可能取值为0,1,2,n。P(Xk)Pn(k)C：pkqnk,其中q1p,0p1,k0,1,2,n,则称随机变量X服从参数为n,p的二项分布。记为XB(n,p)。当n1时，P(Xk)pkq1k,k0.1,这就是(0-1)分布，所以(0-1)分布是二项分布的特例。泊松分布设随

11、机变量X的分布律为kP(Xk)e,0,k0,1,2,k!则称随机变量X服从参数为的泊松分布，记为X()或者P()。泊松分布为二项分布的极限分布(np=入，n-8)。超几何分布PCM?CnMk0,1,2,lCnlmin(M,n)随机变量X服从参数为n,N,M的超几何分布，记为H(n,N,M)。几何分布_-.k1.P(Xk)qp,k1,2,3,其中p0,q=1-p。随机变量X服从参数为p的几何分布，记为G(p)。均匀分布设随机变量X的值只落在a,b内，其密度函数f(x)在a,，一1上为常数，即ba11axbf(x)ba,苴佛0其他，则称随机变量X在a,b上服从均匀分布，记为XU(a,b)分布函数为

12、0,xa,xa,4baawxwbxF(x)f(x)dxb。当aWxix2Wb时，X落在区间(x1,x2)内的概率为x2x1P(x1Xx2)1oba指数分布xee,x0f(x)I0，x0,其中,则称随机变量x服从参数为的指数分布。X的分布函数为1ex,x0,F(x)10L0，x0。记住积分公式：xnexdxn!0b正态分布设随机变量X的密度函数为1(X2)2f(x)-e2,X,庐其中、0为常数，则称随机变量X服从参数为、2的正态分布或高斯(Gauss)分布，记为XN(，)。f(x)具有如下性质：1 f(x)的图形是关于x对称的；1一一2 当x时，f()为最大值;2,2若XN(，)x,虹22的分布

13、函数为Fk2dt参数0、1时的正态分布称为标准止态分布，记为XN(0,1)1)其密度函数记为(x)TTe2、N,x,分布函数为1 x二(x)e2dt。(x)是不可求积函数，其函数值，已编制成表可供查用。1(-x)=1-(x)且(0)=。2X2如果XN(,)，则N(0,1)。P(x1Xx2)。(6)分位数下分位表：P(X)=；上分位表：P(X)=。(7)函数分布离散型已知X的分布列为Xx1,x2,xn,P(Xxi)p1,p2,pn,Yg(X)的分布列(yig(xi)互不相等)如下：Yg(x1),g(x2),g(xn),P(Y)若由某些g(xi)相等，则应将对应/pi相加作为g(xi)的概率。连续

14、型先利用X的概率密度fX(x)写出Y的分布函数FY(y)=P(g(X)0(i,j=1,2,)；(2) pj1.连续型对于二维随机向量(X,Y),如果存在非负函数f(x,y)(x,y),使对任个其邻边分别平行丁坐标轴的矩形区域D,即D=(X,Y)axb,cy0;(2) f(x,y)dxdy1.(2)二维随机变量的本质(Xx,Yy)(XxYy)(3)联合分布函数设(X,Y)为二维随机变量，对于任意实数x,y,二元函数F(x,y)PXx,Yy称为二维随机向量(X,Y)的分布函数，或称为随机变量X和Y的联合分布函数。分布函数是一个以全平面为其定义域，以事件(1,2)|X(1)x,Y(2)y的概率为函数

15、值的一个实值函数。分布函数F(x,y)具有以下的基本性质：(1) 0F(x,y)1;(2) F(x,y)分别对x和y是非减的,即当x2x1时,有F(x2,y)F(x1,y);当y2y1时，有F(x,y2)F(x,y1)；(3) F(x,y)分别对x和y是右连续的，即F(x,y)F(x0,y),F(x,y)F(x,y0);(4) F(,)F(,y)F(x,)0,F(,)1.(5)对于xx2,y1、2F(x2,y)F(x2,y1)F(x1，y2)F(x1，y1)0.(4)离散型与连续型的关系P(Xx,Yy)P(xXxdx,yYydy)f(x,y)dxdy(5)边缘分布离散型X的边缘分布为Pi?P(

16、Xxi)Pj(i,j1,2,);Y的边缘分布为P?jP(Yyj)Pij(i,j1,2,)。连续型X的边缘分布密度为fx(x)f(x,y)dy;Y的边缘分布密度为fY(y)f(x,y)dx.(6)条件分布离散型在已知X=xi的条件下，Y取值的条件分布为PijP(Yyj|X为)-L;Pi?在已知Y=yj的条件下，X取值的条件分布为PijP(XxYyj),P?j连续型在已知Y=y的条件下，X的条件分布密度为f(x|y)半不fY(y)在已知X=x的条件下，Y的条件分布密度为f(y|x)fX(x)(7)独立性一般型F（X,Y）=FX（x）FY（y）离散型PijPi?P?j后零不独立连续型f(x,y)=f

17、X(x)fY(y)直接判断，充要条件：可分离交量正概率密度区间为矩形二维止态分布22ixi2(xi)(y2)y212(12)1122f(x,y)e,212/2=0随机变量的函数若X1,X2，Xm,Xm+1，Xn相互独立,h,g为连续函数，则：h(X1,X2,Xm)和g(Xm+1，Xn)相互独立。特例：若X与丫独立，则：h(X)和g(Y)独立。例如：若X与丫独立，则：3X+1和5Y-2独立。精品（8）二维均匀分布设随机向量（X,Y）的分布密度函数为1Sdf(x,y)0,(x,y)d其他其中Sd为区域D的面积，则称（X,Y）服从D上的均匀分布，记为（X,Y)U(D)。例如图3.1、图3.2和图3.

18、3。Di*O1x图3.1图3.2感谢下载载/精品(9)二维正态分布设随机向量(X,Y)的分布密度函数为2八，、，、21X12(xi)(y2)y212(12)i122f(x,y)、re,212V12其中1,2,10,20,|1是5个参数，则称(X,Y)服从二维止态分布，.22、记为(X,Y)N(1,2,1,2,).由边缘密度的计算公式，可以推出二维正态分布的两个边缘分布仍为正态分布，一2-一2即XN(1,1),YN(2,2).2-2但是若XN(1,1),YN(2,2),(X,Y)未必是二维止态分布。(10)函数分布Z=X+Y根据定义计算：Fz(z)P(Zz)P(XYz)对于连续型，fz(z)=f

19、(x,zx)dx.-一一22两个独立的正态分布的和仍为正态分布(12,12)。n个相互独立的正态分布的线性组合，仍服从正态分布。222Cii,2Ci2i2Z=max,min(X1,X2，Xn)若Xi,X2Xn相互独立，其分布函数分别为Fx1(x),Fx2(x)F%(x),则Z=max,min(X1,X2，Xn)的分布函数为：Fmax(x)F%(x)?Fx2(x)Fxn(x)Fmin(x)11Fxi(x)?1FX2(x)1Fxn(x)2分布设n个随机变量Xi,X2,Xn相互独立，且服从标准止态分布，可以证明它们的平方和n2WXii1的分布密度为nu1 -1-u2e2u0,n，f(u)22n2Qu

20、0.一2我们称随机变量W服从自由度为n的分布，记为W2.(n),其中nnix2exdx.20所谓自由度是指独立止态随机变量的个数，它是随机变量分布中的一个重要参数。2分布满足可加性：设丫2(n)则kr、，2,、ZYi(nin2nk).i1感谢下载载t分布设X,Y是两个相互独立的随机变量，且2XN(0,1),Y(n),可以证明函数TXjY/n的概率密度为n1n1r2t2丁f1-(t).nnn”一2我们称随机变量T服从自由度为n的t分布，记为Tt(n)。ti(n)t(n)F分布、一22.设X(ni),Y(n2),且X与丫独立，可以证明X/n1F1的概率密度函数为Y/n2n1n2%ni-2n12%2

21、八f(v)y1y，y0f(y)n1n2n2n2220,y0我们称随机变量F服从A个自由度为n1,第二个自由度为n2的F分布，记为Ff(n1,n2).l，、1F1(小口).、F(n2,n1)第四章随机变量的数字特征离散型连续型一维期望设X是离散型随机变量，其分设X是连续型随机变量，其概率随机期望就是平均值布律为P(Xxk)=pk,密度为f（x）,变量k=1,2,一,n,E(X)xf(x)dx的数E(X)nxkpkk1（要求绝对收敛）字特（要求绝对收敛）征函数的期望Y=g(X)Y=g(X)E(Y)ng(xk)pkk1E(Y)g(x)f(x)dx力差2D(X)xE(X)2f(x)dxD(X)=EX-

22、E(X)2,D(X)_2xkE(X)pkk标准差(X)JD(X),矩对于正整数k,称随机变量X的k次哥的数学期望为X的k阶原点矩，记为Vk,即一八，L、kvk=E(X)=xipi,k=1,2,.对于正整数k,称随机变量X与E(X)差的k次哥的数学期望为X的k阶中心矩，记为k,即kE(XE(X)k.k=(xiE(X)pi,k=1,2,.对于正整数k,称随机变量X的k次哥的数学期望为X的k阶原点矩，记为Vk,即1.k一_一一vk=E(Xk)=xf(x)dx,k=1,2,.对于正整数k,称随机变量X与E(X)差的k次哥的数学期望为X的k阶中心矩，记为k,即kkE(XE(X).k=(XE(X)f(x)

23、dx,k=1,2,.切比雪夫不等式设随机变量X具有数学期望E(X)=科，力差D(X)=o2,则对于任意正数,后卜列切比雪夫不等式2P(X|)2切比雪夫不等式给出了在未知X的分布的情况下，对概率P(XI)的一种估计，它在理论上启重要忌义。(2)E(C)=C期望(2)E(CX)=CE(X)的性(3)nE(X+Y尸E(X)+E(Y) , E( i 1质(4)E(XY)=E(X) E(Y),充分条件CiXi)nGE(Xi) i 1X和Y独立;充要条件：X和丫不相关。(3)方差的性质(1)D(C)=0;E(C)=C(2)D(aX)=a2D(X);E(aX)=aE(X)(3) D(aX+b)=a2D(X)

24、;E(aX+b)=aE(X)+b(4) D(X)=E(X2)-E2(X)(5) D(XY)=D(X)+D(Y),充分条件：X和Y独立；充要条件：X和丫不相关。D(XY)=D(X)+D(Y)2E(X-E(X)(Y-E(Y),无条件成立。而E(X+Y)=E(X)+E(Y),无条件成立。(4)常见分布的期望和力差期望力差0-1分布B(1,p)PP(1P)二项分布B(n,p)npnp(1P)泊松分布P()几何分布G(p)1P_P2P超几何分布H(n,M,N)nMNnM1MNnNNN1均匀分布U(a,b)ab2(ba)212指数分布e()112.,2正态分布N(,)22分布n2nt分布0n-；(n2)n

25、2二维随机变量的数字特征期望nE(X)XiPi?i1nE(Y)yjP?jjiE(X)xfX(x)dxE(Y)yfY(y)dy函数的期望EG(X,Y)=G(Xi,yj)pjEG(X,Y)=G(x,y)f(x,y)dxdy力差D(X)XiE(X)2Pi?2D(Y)XjE(Y)2p?jD(X)xE(X)2fx(x)dx2D(Y)yE(Y)2fY(y)dy协力差对于随机变量X与Y,称它们的二阶混合中心矩11为X与Y的协力差或相关矩，记为xy或COV(X,Y),即xy11E(XE(X)(YE(Y).与记号xy相对应，X与Y的方差D(X)与D(Y)也可分别记为XX与YY0相关系数对于随机变量X与Y,如果D

26、(X)0,D(Y)0,则称XY，d(X)Jd(Y)为X与丫的相关系数，记作XY(有时可简记为)。|W1,当|=1时，称X与丫完全相关：P(XaYb)1正相关，当1时(a0),完全相关上斗;负相关，当1时(a0),而当0时，称X与丫不相关。以卜五个命题是等价的： XY0； cov(X,Y)=0; E(XY尸E(X)E(Y); D(X+Y)=D(X)+D(Y); D(X-Y)=D(X)+D(Y).协方差矩阵XXXYYXYY混合矩对于随机变量X与Y,如果有E(XkYl)存在，则称之为X与Y的k+l阶混合原点矩，记为ki；k+l阶混合中心矩记为：UkiE(XE(X)k(YE(Y)1.(6)协方差的性质

27、(i) cov(X,丫尸cov(Y,X);(ii) cov(aX,bY)=abcov(X,Y);(iii) cov(Xi+X2,Y)=cov(Xi,Y)+cov(X2,Y)；(iv) cov(X,丫尸E(XY)-E(X)E(Y).若随机变量X与Y相互独立，则XY0；反之/、真。独立(ii)2若(X,Y)-N(1,2,1,2，)，和不则X与丫相互独立的充要条件是X和Y不相关。相关第五章大数定律和中心极限定理(1)大数定律X切比雪定律设随机变量Xi,X2,相互独立，均具有有限方差，且被同一常数C所界：D(Xi)C(i=1,2,)，则对于任意的正数,有._1n_1n_一、iimipXE(Xi)1.n

28、ni1特殊情形：若X1,X2,ni1具有相同的数学期望E(Xi)=科，1.则上式成为1nlimP-Xinni1伯努利大数定律设科是n次独立试验中】每次试验中发生的概率，则XlimPn伯努利大数定律说明，的频率与概率有较大判别的艮limPn这就以严格的数学形式描述了割件A发生的次数，p是事件A在f于任意的正数,有-P1.n当试验次数n很大时，事件A发生能性很小，即p0.n频率的稳定性。辛钦大设Xi,数定律E(Xn)limPn小则对于任意的正数e有X2,，Xn,是相互独立同分布的随机变量序列，且1.(2)中心极限定列维设随机变量Xi,X2,相互独立，服从同一分布，且具有理林德伯相同的数学期望和方差

29、：2XN(,)n格定理E(Xk)刀(Xk)20(k1,2,)，则随机变量nXknY_kJn而的分布函数Fn(x)对任意白实数x,有1n-Xini1nlimFn(x)limPXkk1、.n此定理也称为独立同分布的中心极限定理。t2xe2dt.棣莫弗拉斯定(3)二项定理设随机变量Xn为具有参数n,p(0p1)的二项分布，则对于任意实数x,有limPXnnpn一np(1p)1xI2edt.若当N时,Mp(n,k不变)，则NCknkMCNMcNCkknknP(1P)(N).超几何分布的极限分布为二项分布。(4)泊松定理例n时，np0,则kC：pk(1p)nke(n).k!其中k=0,1,2,，n,。二

30、项分布的极限分布为泊松分布。第六章样本及抽样分布(1)数理统计的基本概念总体在数理统计中，常把被考察对象的某一个(或多个)指标的全体称为总体(或母体)。我们总是把总体看成一个具有分布的随机变量(或随机向量)。个体总体中的每一个单元称为样品(或个体)。样本我们把从总体中抽取的部分样品Xi,X2,Xn称为样本。样本中所含的样品数称为样本容量，一般用n表示。在一般情况下，总是把样本看成是n个相互独立的且与总体有相同分布的随机变量，这样的样本称为简单随机样本。在泛指任一次抽取的结果时，Xi,X2,Xn表示n个随机变量(样本)；在具体的一次抽取之后，Xi,X2,Xn表示n个具体的数值(样本值)。我们称之

31、为样本的两重性。样本函数和统计量设Xi,X2,Xn为总体的一个样本，称(Xi,X2,Xn)为样本函数，其中为一个连续函数。如果中不包含任何未知参数，则称(Xi,X2,Xn)/L个统计量。常见统计量及其性质样本均值1nX-Xi.ni1样本力差S21n/(YX)2.n1i11样本标准差S1nnn-(XiX).1i1样本k阶原点矩1nMkni1Xik,k1,2,.样本k阶中心矩1nMknii(XiX)k,k2,3,.2E(X),D(X),n2E(S2)2,E(S*2)Un2,2其中S*21n/、/2一(XiX),为二阶中心矩。ni1(2)止态正态分布设Xi,X2,Xn为来自止态总体2一，N(,)的一

32、个样本，则样总体下的本函数四大分布defXN(0,1).uL7nt分布设Xi,X2,Xn为来自止态总体N(,2)的一个样本，则样本函数defXt一一t(n1),shjn其中t(n-1)表示自由度为n-1的t分布。2分布一.2一一，设Xi,X2,Xn为来自止态总体N(,)的一个样本，则样本函数def(n1)S22/仆w=2(n1),其中2(n1)表示自由度为n-1的2分布。F分布设X1,X2,Xn为来自止态总体N(,12)的一个样本，而-.2一.y1，y2,yn为来自止态总体N(,2)的一个样本，则样本函数defS12/12F=：212F(n11，n21),S2/2其中nn1_nn2_21229

33、12S1(XX),S2(yiy);n11i1n21i1F(n11,n21)表示A自由度为n11,第二自由度为n21的F分布。(3)止态总体下分布的性质2X与S2独立。极大似然倩计当总体X为连续型随机变量时，设其分布密度为f(X；1,2,m),其中1,2,m为未知参数。又设X1,X2,xn为总体的一个样本，称nL(1,2,m)f(Xi；1,2,m)i1为样本的似然函数，简记为Ln.当总体X为离型随机变量时，设其分布律为PXXp(x；1,2,m),则称nL(X1,X2,Xn；1,2,m)p(Xi；1,2,m)i1为样本的似然函数。若似然函数L(X1,X2,Xn；1,2,m)在1,2,m处取到最大值

34、，则称1,2,m分别为1,2,m的最大似然估计值，相应的统计量称为最大似然估计量。lnLnn0,i1,2,miii若为的极大似然估计，g(X)为单调函数，则g(今为g()的极大似然情计。(2)估计量的评选标无偏性设(X1,X2,Xn)为未知参数的估计量。若E()=,则称为的无偏估计量。E(X)=E(X),E(S2)=D(X)准功效性设11(Xi,X,2,Xn)和22(Xi,X,2,Xn)M7H参数的两个无偏估计量。若D(1)D(2),则称1比2有效。一B性设n是的一串估计量，如果对于任意的正数，都有limP(|n|)0,则称n为的一致估计量(或相合估计量)。若为的无偏估计，且D(?)0(n，则

35、为的一致估计。只要总体的E(X)和D(X)存在，一切样本矩和样本矩的连续函数都是相应总体的一致估计量。(3)区置信区设总体X含有一个待估的未知参数。如果我们从样本Xi,X,2,Xn间倩计间和置信度出发，找出两个统计量1i(Xi,X,2,Xn)与22(X1,X,2,Xn)(i2),使得区间1,2以1(01)的概率包含这个待估参数，即P121,那么称区间1,2为的置信区间，1为该区间的置信度(或置信水平)。单正态2设X1,X,2,Xn为总体XN(,2)的一个样本，在置信度为1总体的下，我们来确定和2的置信区间1,2。具体步骤如下：期望和(i)选择样本函数；方差的(ii)由置信度1,查表找分位数；区

36、间估(iii)导出置信区间1,2。计已知方差，估计均值(i)选择样本函数xuN(0,1).0/jn(ii)查表找分位数PJ15(iii)导出置信区间0-0x不Tn未知方差，估计均值(i)选择样本函数x,八t-rt(n1).S/Jn(ii)查表找分位数P-1Ps/册1.(iii)导出置信区间-S-SxTn,xTn方差的区间估计(i)选择样本函数(n1)S22/八w2(n1).(ii)查表找分位数_2P-(n_1)S_11122.(iii)导出的置信区间产,j1211第八章假设检验基本思想假设检验的统计思想是，概率很小的事件在一次试验中可以认为基本上是不会发生的，即小概率原理。为了检验一个假设H0

37、是否成立。我们先假定H0是成立的。如果根据这个假定导致了一个不合理的事件发生，那就表明原来的假定H0是不止确的，我们拒绝接受Ho;如果由此没有导出不合理的现象，则不能拒绝接受Ho,我们称Ho是相容的。与Ho相对的假设称为备择假设，用H1表示。这里所说的小概率事件就是事件KR,其概率就是检验水平e,通常我们取a=0.05,有时也取0.01或0.10。基本步骤假设检验的基本步骤如下：(i) 提出零假设H0；(ii) 选择统计量K;(iii) 对于检验水平a查表找分位数入；(iv) 由样本值Xi,X2,Xn计算统计量之值K；将K与进行比较，作出判断：当|K|(或K)时否定H0,否则认为H0相容。两类

38、错误A类错误当H0为真时，而样本值却落入了否定域，按照我们规定的检验法则，应当否定H0。这时，我们把客观上H0成立判为H0为不成立(即否定了真实的假设)，称这种错误为“以真当假”的错误或第一类错误，记为犯此类错误的概率，即P否定Ho|Ho为真二;此处的a恰好为检验水平。第二误当Hi为真时，而样本值却落入了相容域，按照我们规定的检验法则，应当接受H。这时，我们把客观上Hoo不成立判为Ho成立(即接受了/、真实的假设)，称这种错误为“以假当真”的错误或第二类错误，记为犯此类错误的概率，即P接受Ho|Hi为真=。两类错误的关系人们当然希望犯两类错误的概率同时都很小。但是，当容量n一定时，变小，则变大

39、；相反地，变小，则变大。取定要想使变小，则必须增加样本容量。在实际使用时，通常人们只能控制犯A类错误的概率，即给定显著性水平”。a大小的选取应根据实际情况而定。当我们宁可“以假为真”、而/、愿“以真当假”时，则应把a取得很小，如0.01,甚至0.001。反之，则应把a取得大些。单正态总体均值和方差的假设检验条件零假设统计量对应样本函数分布否定域H0：0|u|U1-22已知H0：0U-0=0/JnN(0,1)UU1H0：0UU1H0：0|t|t(n1)1一2未知2H0:0TyS/7nt(n1)t3(n1)H0:0tt1(n1)未知2H。：22w(n1)S22(n1)2,、w(n1)或2w2(n1)12H.220:0w20w12(n1)22H0：02，八w(n1)感谢下载!欢迎您的下载，资料仅供参考