大桔灯文库logo

下载提示:1. 本站不保证资源下载的准确性、安全性和完整性,同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
2. 本文档由用户上传,版权归属用户,大桔灯负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。

相关文档

  • 3-4(1).ppt

    随机变量相互独立的定义 第四节相互独立的随机变量两事件 A , B 独立的定义是:若P(AB)=P(A)P(B)则称事件 A , B 独立 一、随机变量相互独立的定义 它表明,两个rv相互独立时,它们的联合分布函数等于两个边缘分布函数的乘积几乎处处成立,则称 X 和 Y 相互独立 对任意的 x, y,有若 (X,Y)是连续型rv ,则上述独立性的定义等价于:若 (X,Y)是离散型 rv ,则上述独

  • 4-3(1).ppt

    第三节协方差及相关系数协方差相关系数前面我们介绍了随机变量的数学期望和方差,对于二维随机变量(X,Y),我们除了讨论X与Y的数学期望和方差以外,还要讨论描述X和Y之间关系的数字特征,这就是本讲要讨论的协方差和相关系数 量E{[ X-E(X)][Y-E(Y) ]}称为随机变量X和Y的协方差,记为Cov(X,Y) ,即⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Co

  • 4-3.ppt

    概率论 ⑵ Cov(aXbY) = ab Cov(XY) ab 是常数D(X±Y)= D(X)D(Y)2. X和Y独立时 =0但其逆不真.例1 设X服从(-12 12)内的均匀分布 而Y=cos X即 Y 与 X 几乎线性相关X Y 不相关相关系数是刻划两个变量间线性相关程度的一个重要的数字特征.2解

  • 3-4.ppt

    概率论 则称 X 和 Y 相互独立 . 若 (XY)是离散型 则上述独立性的定义等价于:即 例2 甲乙两人约定中午12时30分在某地会面.如果甲来到的时间在12:15到12:45之间是均匀分布. 乙独立地到达而且到达时间在12:00到13:00之间是均匀分布. 试求先到的人等待另一人到达的时间不超过5分钟的概率. 又甲先到的概率是多少P( X-Y 5 )

  • 4-3.ppt

    第三节协方差及相关系数协方差相关系数练习 小结 布置作业前面我们介绍了随机变量的数学期望和方差,对于二维随机变量(X,Y),我们除了讨论X与Y的数学期望和方差以外,还要讨论描述X和Y之间关系的数字特征,这就是本讲要讨论的协方差和相关系数 量E{[ X-E(X)][Y-E(Y) ]}称为随机变量X和Y的协方差,记为Cov(X,Y) ,即⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Co

  • 4-4(1).ppt

    第四节 矩、协方差矩阵原点矩 中心矩协方差矩阵n 元正态分布的概率密度一、 原点矩 中心矩定义 设X和Y是随机变量,若 存在,称它为X的k阶原点矩,简称 k阶矩 存在,称它为X的k阶中心矩可见,均值 E(X)是X一阶原点矩,方差D(X)是X的二阶中心矩。协方差Cov(X,Y)是X和Y的二阶混合中心矩称它为 X 和 Y 的 k+L 阶混合(原点)矩称它为X 和 Y 的 k+L 阶混合中心矩 可见,二

  • 4-1.ppt

    第一节 数学期望离散型随机变量的数学期望连续型随机变量的数学期望随机变量函数的数学期望数学期望的性质练习 小结 布置作业在前面的课程中,我们讨论了随机变量及其分布,如果知道了随机变量X的概率分布,那么X的全部概率特征也就知道了然而,在实际问题中,概率分布一般是较难确定的 而在一些实际应用中,人们并不需要知道随机变量的一切概率性质,只要知道它的某些数字特征就够了 因此,在对随机变量的研究中,确定

  • 3-3(1)(1).ppt

    第三节 条件分布离散型随机变量的条件分布连续型随机变量的条件分布在第一章中,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设有两个rv X,Y , 在给定Y取某个或某些值的条件下,求X的概率分布这个分布就是条件分布 例如,考虑某大学的全体学生,从其中随机抽取一个学生,分别以X和Y 表示其体重和身高 则X和Y都是随机变量,它们都有一定的概率分布现在若限制17Y18(

  • 1-4-1.ppt

    单击此处编辑母版标题样式第4节 事件的独立性与独立试验概型 设AB是两个事件如果 P(A)>0则可以定义P(BA).一般情况下A的发生对B发生的概率是有影响的这时有 P(BA)≠P(B) 一 事件的独立性 若A的发生对B发生的概率没有影响则有 P(BA)=P(B)因此 P(AB)=P(A)P(BA)=P(A)P(B).例1 掷两次

  • 4-1(1).ppt

    第一节 数学期望离散型随机变量的数学期望连续型随机变量的数学期望随机变量函数的数学期望数学期望的性质在前面的课程中,我们讨论了随机变量及其分布,如果知道了随机变量X的概率分布,那么X的全部概率特征也就知道了然而,在实际问题中,概率分布一般是较难确定的 而在一些实际应用中,人们并不需要知道随机变量的一切概率性质,只要知道它的某些数字特征就够了 因此,在对随机变量的研究中,确定某些数字特征是重要的 在

违规举报

违法有害信息,请在下方选择原因提交举报


客服

顶部