ProbStat 2.3

随机变量
离散型随机变量
连续型随机变量
华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

随机变量
《概率论与数理统计》
第二章随机变量及其概率分布
汤银才
华东师范大学金融与统计学院

随机变量
《概率论与数理统计》
第二章随机变量及其概率分布
汤银才
华东师范大学金融与统计学院

连续型r.v.的概率密度函数
随机变量
随机变量函数的分布
连续型r.v.的数学期望
正态分布
随机变量统计规律的刻划(复习)
把握随机变量的统计规律性,需要把握其两个方面:
1 取值范围;
2 取值概率.
若X 为离散型r.v., 则其取值为xi , i = 1, 2, · · · , 取值概率
为P(X = xi );
若X 为一般的r.v., 则其取值通常为一个区间, 取值概率用分
布函数P(X ≤ x)来刻划.

随机变量
正态分布
1 取值范围;
2 取值概率.
为P(X = xi );

随机变量
正态分布
1 取值范围;
2 取值概率.
为P(X = xi );

随机变量
正态分布
1 取值范围;
2 取值概率.
为P(X = xi );

随机变量
正态分布
1 取值范围;
2 取值概率.
为P(X = xi );

随机变量
正态分布
2.3.1 连续型r.v.的概率密度函数
连续随机变量X 的可能取值充满某个区间(a, b);

对连续随机变量X ，有P(X = x) = 0;
因此, 无法仿离散随机变量用P(X = x)来描述连续随机变
量X的分布.
用“概率密度函数”来刻划连续型r.v.的分布.

随机变量
正态分布

量X的分布.

随机变量
正态分布

量X的分布.

随机变量
正态分布

量X的分布.

随机变量
正态分布
定义2.1 (连续型r.v.的概率密度函数: )
设p(x)为定义在R上的一个实值函数, 且满足
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
则称p(x)为概率密度函数(或简称密度函数或密度).
若p.d.f. p(x)与连续型r.v. X 有关系:
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a
则称p(x)为r.v. X 的概率密度函数(密度函数), 记为X ∼ p(x), 读

作r.v. X 服从分布p(x).

随机变量
正态分布
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a


随机变量
正态分布
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a


随机变量
正态分布
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a


随机变量
正态分布
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a


随机变量
正态分布
p(x) ≥ 0;
R∞
−∞ p(x)dx = 1.
Z b
P(a ≤ X ≤ b) = p(x)dx, ∀a < b,
a


随机变量
正态分布
要点1: 密度函数的理解
R∞
由p(x) ≥ 0, −∞ p(x)dx = 1知: 在XOY平面上,函数x轴上
方,p(x)下方的面积为1;
.
若p(x)在x处连续, 则P(x < X ≤ x + ∆x) = p(x)∆x.
因此若把r.v. X 的概率理解为质量, 则p(x)相当于(线)密
度—这是“(概率)密度函数”这词的由来;
密度函数p(x)在某点处x0 的高度,并不反映X取值的概率(因
为P(X = x0 ) = 0). 但是, 这个高度越大, 则X 取x0 附近的值
的概率就越大. 也可以说，在某点密度曲线的高度反映了概
率集中在该点附近的程度.
p(x)∆x在连续型r.v.理论中所起的作用与P(X = xk ) = pk 在
离散型r.v.理论中所起的作用相类似.

随机变量
正态分布
R∞
.

随机变量
正态分布
R∞
.

随机变量
正态分布
R∞
.

随机变量
正态分布
R∞
.

随机变量
正态分布
要点2: 密度函数的基本性质
连续型r.v.的p.d.f.的基本性质:
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)
密度函数的作用
连续型随机变量(的统计规律)由它的密度函数唯一确定.

随机变量
正态分布
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)

随机变量
正态分布
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)

随机变量
正态分布
p(x) ≥ 0(非负性)
R∞
−∞ p(x)dx = 1 (正则性)

随机变量
正态分布
要点3: 连续型r.v.的分布函数
连续型r.v.的分布函数:
Rx
F (x) = −∞ p(x)dx
F (x)是非降的连续函数;
F (x) = F (x − 0);
若p(x)在x处连续, 则F 0 (x) = p(x);
P(X = x) = F (x) − F (x − 0) = 0, 但{X = x}并非不可能事
件({X ∈ R − {a}}也并非必然事件)—可以称它们为几乎不
可能事件和几乎必然事件.
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);

随机变量
正态分布
Rx
F (x) = −∞ p(x)dx
F (x) = F (x − 0);
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);

随机变量
正态分布
Rx
F (x) = −∞ p(x)dx
F (x) = F (x − 0);
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);

随机变量
正态分布
Rx
F (x) = −∞ p(x)dx
F (x) = F (x − 0);
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);

随机变量
正态分布
Rx
F (x) = −∞ p(x)dx
F (x) = F (x − 0);
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);

随机变量
正态分布
Rx
F (x) = −∞ p(x)dx
F (x) = F (x − 0);
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a <
X < b) = F (b) − F (a);

随机变量
正态分布
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)

随机变量
正态分布
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)

随机变量
正态分布
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)

随机变量
正态分布
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)

随机变量
正态分布
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)

随机变量
正态分布
思考题1:
求分布函数
设 (
ke −3x , x > 0,
p(x) =
0, x ≤ 0.
求
常数k; (k=3)
F (x). (F (x) = 1 − e −3x , x > 0)

随机变量
正态分布
例2.3.1
例2.3.1(均匀分布):
若r.v. X 的概率密度为：
(
1
b−a , a ≤ x ≤ b,
p(x) =
0, ∼.
则称X 服从区间(a, b)上的均匀分布，记作：X ∼ U(a, b).
实际背景: r.v. X 取值在区间(a, b) 上，并且取值在(a, b)中任意

一个小区间内的概率与这个小区间的长度成正比. 则X 具
有(a,b)上的均匀分布.

随机变量
正态分布
例2.3.1
例2.3.1(均匀分布):
(
1
b−a , a ≤ x ≤ b,
p(x) =
0, ∼.
则称X 服从区间(a, b)上的均匀分布，记作：X ∼ U(a, b).
实际背景: r.v. X 取值在区间(a, b) 上，并且取值在(a, b)中任意

一个小区间内的概率与这个小区间的长度成正比. 则X 具
有(a,b)上的均匀分布.

随机变量
正态分布
例2.3.1(续):
(a, b)上的均匀分布r.v. 的分布函数为

0,
 x < a,
x−a
F (x) = b−a , a ≤ x ≤ b,

1, x > b.

(请画出其图形!)

随机变量
正态分布
例2.3.2
例2.3.2(指数分布):
(
λe −λx , x ≥ 0,
p(x) = (λ > 0)
0, ∼.
则称X服从参数为λ的指数分布，记作：X ∼ Exp(λ).
实际背景: 不少产品首次发生故障(需要维修)的时间服从指数分
布.

随机变量
正态分布
例2.3.2
例2.3.2(指数分布):
(
λe −λx , x ≥ 0,
p(x) = (λ > 0)
0, ∼.
则称X服从参数为λ的指数分布，记作：X ∼ Exp(λ).
实际背景: 不少产品首次发生故障(需要维修)的时间服从指数分
布.

随机变量
正态分布
例2.3.2(续):
参数为λ的指数分布的分布函数为
(
1 − e −λx , x ≥ 0,
F (x) =
0, x < 0.
(请画出其图形!)

随机变量
正态分布
2.3.2 随机变量函数的分布
问题的提出
在实际中，人们常常对随机变量的函数更感兴趣. 已
知t = t0 时刻噪声电压U的分布, 求功率W = U 2 /R(R为电
阻)的分布.
设随机变量X 的分布已知，Y = g (X ) (设g是连续函数), 如
何由X 的分布求出Y 的分布？

随机变量
正态分布
2.3.2 随机变量函数的分布
问题的提出
在实际中，人们常常对随机变量的函数更感兴趣. 已
知t = t0 时刻噪声电压U的分布, 求功率W = U 2 /R(R为电
阻)的分布.
设随机变量X 的分布已知，Y = g (X ) (设g是连续函数), 如
何由X 的分布求出Y 的分布？

随机变量
正态分布
1. 离散型r.v.函数的分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
第一步: 求出Y = g (X )的所有可能取值, 设为yj , j = 1, 2, · · · ;
第二步: 计算取值概率
X
P(Y = yj ) = pi .
i:g (xi )=yj
关键: 将g (xi ), i = 1, 2, · · · 中的某些值相等的合并, 并把对应

的概率相加.

随机变量
正态分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
X
P(Y = yj ) = pi .
i:g (xi )=yj

的概率相加.

随机变量
正态分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
X
P(Y = yj ) = pi .
i:g (xi )=yj

的概率相加.

随机变量
正态分布
一般步骤:
设r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · ;
X
P(Y = yj ) = pi .
i:g (xi )=yj

的概率相加.

随机变量
正态分布
例2.3.3:
设r.v. X 的分布列为
X −2 −1 0 1 2 3
p 0.05 0.15 0.20 0.25 0.20 0.15
则Y = X 2 的分布列为
Y 0 1 4 9
0.15+0.25 0.05+0.20
p 0.20 0.40 0.25 0.15

随机变量
正态分布
例2.3.3:
设r.v. X 的分布列为
X −2 −1 0 1 2 3
p 0.05 0.15 0.20 0.25 0.20 0.15
则Y = X 2 的分布列为
Y 0 1 4 9
0.15+0.25 0.05+0.20
p 0.20 0.40 0.25 0.15

随机变量
正态分布
2. 连续型r.v.函数的分布
一般步骤:
设r.v. X ∼ pX (x);
第一步: 求出X 的的分布函数FX (x);
第二步: 由X 的非零区域得到Y 的非零区域;
第三步: 对于Y 的非零区域, 从定义出发求Y 的分布函
数FY (y ) = P(Y ≤ y );
第四步: 求导得到Y 的密度函数pY (y ).
关键: 从{g (X ) ≤ y }中解出X , 从而得到与之等价的X 的不等
式.

随机变量
正态分布
一般步骤:
数FY (y ) = P(Y ≤ y );
式.

随机变量
正态分布
一般步骤:
数FY (y ) = P(Y ≤ y );
式.

随机变量
正态分布
一般步骤:
数FY (y ) = P(Y ≤ y );
式.

随机变量
正态分布
一般步骤:
数FY (y ) = P(Y ≤ y );
式.

随机变量
正态分布
一般步骤:
数FY (y ) = P(Y ≤ y );
式.

随机变量
正态分布
例2.3.4:
设r.v. X ∼ Exp(λ), a > 0, 求Y = aX 的概率分布.
解:
1 X 的密度函数与分布函数分别为
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(aX ≤ y ) = P(X ≤ y /a) =
FX (y /a) = 1 − e −λy /a .

随机变量
正态分布
例2.3.4:
解:
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
FX (y /a) = 1 − e −λy /a .

随机变量
正态分布
例2.3.4:
解:
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
FX (y /a) = 1 − e −λy /a .

随机变量
正态分布
例2.3.4:
解:
( (
λe −λx , x ≥ 0 1 − e −λx , x ≥ 0
pX (x) = , FX (x) = .
0, ∼ 0, ∼
2 由于X ≥ 0, 故Y ≥ 0.
FX (y /a) = 1 − e −λy /a .

随机变量
正态分布
4 FY0 (y ) = λa e −λy /a , y > 0;

5 所以Y 的分布函数和密度函数(求导得)分别为
( (
1 − e −λy /a , y ≥ 0 λ −λy /a
e , y ≥0
FY (x) = , pY (x) = a .
0, ∼ 0, ∼
6 结论: 若X ∼ Exp(λ), 则Y ∼ Exp(λ/a).

随机变量
正态分布
4 FY0 (y ) = λa e −λy /a , y > 0;

( (
1 − e −λy /a , y ≥ 0 λ −λy /a
e , y ≥0
FY (x) = , pY (x) = a .
0, ∼ 0, ∼

随机变量
正态分布
4 FY0 (y ) = λa e −λy /a , y > 0;

( (
1 − e −λy /a , y ≥ 0 λ −λy /a
e , y ≥0
FY (x) = , pY (x) = a .
0, ∼ 0, ∼

随机变量
正态分布
例2.3.5:
设r.v. X ∼ U(0, 1), 求Y = − ln X 的概率分布.
解:
1 X 的分布函数为

0, x < 0

FX (x) = x, 0 ≤ x ≤ 1 .

1, x > 1

2 由于X ∈ (0, 1), 故Y = −lnX ∈ (0, ∞).

3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(− ln X ≤ y ) = P(X ≥
e −y ) = 1 − FX (e −y ) = 1 − e −y .

随机变量
正态分布
例2.3.5:
解:

0, x < 0

FX (x) = x, 0 ≤ x ≤ 1 .

1, x > 1

2 由于X ∈ (0, 1), 故Y = −lnX ∈ (0, ∞).

3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(− ln X ≤ y ) = P(X ≥
e −y ) = 1 − FX (e −y ) = 1 − e −y .

随机变量
正态分布
例2.3.5:
解:

0, x < 0

FX (x) = x, 0 ≤ x ≤ 1 .

1, x > 1

2 由于X ∈ (0, 1), 故Y = −lnX ∈ (0, ∞).

3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(− ln X ≤ y ) = P(X ≥
e −y ) = 1 − FX (e −y ) = 1 − e −y .

随机变量
正态分布
例2.3.5:
解:

0, x < 0

FX (x) = x, 0 ≤ x ≤ 1 .

1, x > 1

2 由于X ∈ (0, 1), 故Y = −lnX ∈ (0, ∞).

3 ∀y ≥ 0, FY (y ) = P(Y ≤ y ) = P(− ln X ≤ y ) = P(X ≥
e −y ) = 1 − FX (e −y ) = 1 − e −y .

随机变量
正态分布
4 FY0 (y ) = e −y , y > 0;
( (
1 − e −y , y ≥ 0 e −y , y ≥ 0
FY (x) = , pY (x) = .
0, ∼ 0, ∼
6 结论: 若X ∼ U(0, 1), 则Y ∼ Exp(1).

随机变量
正态分布
4 FY0 (y ) = e −y , y > 0;
( (
1 − e −y , y ≥ 0 e −y , y ≥ 0
FY (x) = , pY (x) = .
0, ∼ 0, ∼
6 结论: 若X ∼ U(0, 1), 则Y ∼ Exp(1).

随机变量
正态分布
4 FY0 (y ) = e −y , y > 0;
( (
1 − e −y , y ≥ 0 e −y , y ≥ 0
FY (x) = , pY (x) = .
0, ∼ 0, ∼
6 结论: 若X ∼ U(0, 1), 则Y ∼ Exp(1).

随机变量
正态分布
单调函数场合r.v.函数的分布
上面的两个例子中,函数y=g(x)都是严格单调的, 一般地有下面的
结论
定理2.1
设连续型r.v. X ∼ pX (x), x ∈ (a, b), Y = g (X ), 其中g (x)严格单
调, 且其导数存在, 则
(
dh(y )
pX [h(y )] dy , α < y < β
Y ∼ pY (y ) =
0, ∼
其中h(y )为y = g (x)的反函数, h0 (y )为其导数,

α = min g (x), β = max g (x).
a≤x≤b a≤x≤b

随机变量
正态分布
单调函数场合r.v.函数的分布
上面的两个例子中,函数y=g(x)都是严格单调的, 一般地有下面的
结论
定理2.1
设连续型r.v. X ∼ pX (x), x ∈ (a, b), Y = g (X ), 其中g (x)严格单
调, 且其导数存在, 则
(
dh(y )
pX [h(y )] dy , α < y < β
Y ∼ pY (y ) =
0, ∼
其中h(y )为y = g (x)的反函数, h0 (y )为其导数,

α = min g (x), β = max g (x).
a≤x≤b a≤x≤b

随机变量
正态分布
想一想?
思考题1
如何运用定理3.1求解例2.3.4和例2.3.5?
思考题2
若X ∼ FX (x), Y = aX + b(a 6= 0), 则Y ∼ pX ( y −b
1
a ) a .

思考题3
若g (x)并非单调,如何求Y = g (X )的分布, 例如: 若X ∼ pX (x),
则Y = X 2 ∼?.

随机变量
正态分布
想一想?
思考题1
思考题2
1
a ) a .

思考题3
则Y = X 2 ∼?.

随机变量
正态分布
想一想?
思考题1
思考题2
1
a ) a .

思考题3
则Y = X 2 ∼?.

随机变量
正态分布
想一想?
思考题1
思考题2
1
a ) a .

思考题3
则Y = X 2 ∼?.

随机变量
正态分布
2.3.3 连续型r.v.的数学期望
复习: 对于离散型r.v. X ∼ P(X = xi ) = pi , i = 1, 2, · · · , 则其

数学期望(若存在)定义为
∞
X
E (X ) = xi pi .
i=1
连续型r.v. X , 其数学期望的定义是类似的, 只要
用p.d.f.R p(x)代替分布列{pi };
用积分代替求和 .
P

随机变量
正态分布

∞
X
E (X ) = xi pi .
i=1
P

随机变量
正态分布

∞
X
E (X ) = xi pi .
i=1
P

随机变量
正态分布

∞
X
E (X ) = xi pi .
i=1
P

随机变量
正态分布
定义2.2 (连续型r.v.的数学期望)
R∞
设连续型r.v.的X ∼ p(x), 若积分 −∞ |x|p(x)dx有限, 则称
Z ∞
E (X ) = xp(x)dx
−∞
为r.v. X 的数学期望(简称期望、期望值或均值). 若上述积分不存

在, 则称r.v. X 的数学期望不存在.
在连续r.v.场合, E (X )表示一种加权平均, 权重为p.d.f. 它刻划了

分布的中心位置.

随机变量
正态分布
定义2.2 (连续型r.v.的数学期望)
R∞
设连续型r.v.的X ∼ p(x), 若积分 −∞ |x|p(x)dx有限, 则称
Z ∞
E (X ) = xp(x)dx
−∞
为r.v. X 的数学期望(简称期望、期望值或均值). 若上述积分不存

在, 则称r.v. X 的数学期望不存在.
在连续r.v.场合, E (X )表示一种加权平均, 权重为p.d.f. 它刻划了

分布的中心位置.

随机变量
正态分布
例2.3.6: 期望不存在的分布
柯西分布的p.d.f.为.
1
p(x) = , −∞ < x < ∞
π(1 + x 2 )
其数学期望不存在!

随机变量
正态分布
例2.3.7: 均匀分布U(a, b)的数学期望

Z b
1 1 x 2 b a+b
E (X ) = x· dx = · a =
a b−a b−a 2 2

随机变量
正态分布
例2.3.8: 指数分布Exp(λ)的数学期望
Z ∞
E (X ) = x · λe −λx dx
0
Z ∞
=− xd e −λx
0
∞ Z ∞
= −xe −λx + e −λx dx

0 0
1 −λx ∞
=− e
λ

0
1
= .
λ

随机变量
正态分布
2.3.4 正态分布
正态分布是应用最广泛的一种连续型分布;
德莫佛最早发现了二项概率的一个近似公式，这一公式被认
为是正态分布的首次露面.
正态分布在十九世纪前叶由高斯加以推广，所以通常称为高
斯分布.

随机变量
正态分布
2.3.4 正态分布
斯分布.

随机变量
正态分布
2.3.4 正态分布
斯分布.

随机变量
正态分布
正态分布的定义
若r.v. X 的p.d.f.可表示为(可以验证!)
1 n 2
o
p(x) = √ exp − (x−µ)
2σ 2 , −∞ < x < ∞
2πσ
则称r.v. X 服从参数为µ和σ 2 为正态分布, 记为X ∼ N(µ, σ 2 ).

µ ∈ (−∞, ∞)为位置参数;
σ为尺度(刻度)参数.

随机变量
正态分布
若r.v. X 的p.d.f.可表示为(可以验证!)
1 n 2
o
p(x) = √ exp − (x−µ)
2σ 2 , −∞ < x < ∞
2πσ
则称r.v. X 服从参数为µ和σ 2 为正态分布, 记为X ∼ N(µ, σ 2 ).

µ ∈ (−∞, ∞)为位置参数;
σ为尺度(刻度)参数.

随机变量
正态分布
正态分布的分布函数
Z x (t−µ)2
1
F (x) = √ e− 2σ 2 dt, −∞ < x < ∞
σ 2π −∞

随机变量
正态分布
正态分布的分布函数
Z x (t−µ)2
1
F (x) = √ e− 2σ 2 dt, −∞ < x < ∞
σ 2π −∞

随机变量
正态分布
正态分布的地位
正态分布在概率论与数理统计的理论与应用中都是最为重要的分
布,可以说二者是以正态分布为中心建立起来的.
1. 现实意义—许多随机现象可用正态分布来(近似)描述
测量误差;
零件的尺寸;
信号噪声;
纤维的强度和张力;
凡人的收入;
某地区的年降雨量;
某地区成年男子的身高、体重;
... ...

随机变量
正态分布
测量误差;
零件的尺寸;
信号噪声;
凡人的收入;
... ...

随机变量
正态分布
测量误差;
零件的尺寸;
信号噪声;
凡人的收入;
... ...

随机变量
正态分布
测量误差;
零件的尺寸;
信号噪声;
凡人的收入;
... ...

随机变量
正态分布
测量误差;
零件的尺寸;
信号噪声;
凡人的收入;
... ...

随机变量
正态分布
测量误差;
零件的尺寸;
信号噪声;
凡人的收入;
... ...

随机变量
正态分布
测量误差;
零件的尺寸;
信号噪声;
凡人的收入;
... ...

随机变量
正态分布
测量误差;
零件的尺寸;
信号噪声;
凡人的收入;
... ...

随机变量
正态分布
图 1-2.1: 上海99年年降雨量

随机变量
正态分布
图 1-2.2: 某大学男大学生的身高

随机变量
正态分布
正态分布的地位(续)
2. 近似计算—许多分布可用正态分布作近似计算
二项分布b(n, p) (n很大时);
根据中心极限定理(见第三章)多个r.v.的和可以用正态分布
近似.
3. 理论意义—正态分布可以导出一些常用的分布
特别是统计推断中使用的三大分布:
χ2 分布;
t分布;
F 分布.

随机变量
正态分布
近似.
χ2 分布;
t分布;
F 分布.

随机变量
正态分布
近似.
χ2 分布;
t分布;
F 分布.

随机变量
正态分布
近似.
χ2 分布;
t分布;
F 分布.

随机变量
正态分布
正态分布的(几何)性质
p(x)的图形—正态曲线呈钟形: 中间高,二边低,左右对称.
p(x)是关于µ是对称的, 在µ 点p(x) 取得最大值;
若σ固定, µ改变, p(x)左右移动, 形状保持不变;
若µ固定, σ改变, σ越大曲线越平坦; σ越小曲线越陡峭.

随机变量
正态分布

随机变量
正态分布

随机变量
正态分布

随机变量
正态分布

随机变量
正态分布

随机变量
正态分布
参数µ,σ 2 的意义
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
位置参数µ决定了正态分布的位置
参数σ 2
E [(X − E (X ))2 ] = σ 2 , 它称为方差, σ称为标准差(见下一节)
σ(或σ 2 )它刻划了正态分布在其期望值µ附近集中与分散程
度: σ愈小,分布愈集中—正态分布显得高而瘦; σ愈大,分布
愈分散—正态分布显得矮而胖.
结论: 正态分布由其期望值和标准差(方差)唯一确定: µ决定了分

布的位置, σ决定了分布的分散程度.
随机变量
正态分布
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
参数σ 2

随机变量
正态分布
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
参数σ 2

随机变量
正态分布
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
参数σ 2

随机变量
正态分布
设r.v. X ∼ N(µ, σ 2 ),
参数µ
E (X ) = µ(证明:Page 103)
参数σ 2

随机变量
正态分布
标准正态分布N(0,1)
µ = 0, σ = 1的正态分布称为标准正态分布, 记为N(0,1),相应
的r.v.(记为U) 称为标准正态变量;
U ∼ N(0, 1)的p.d.f和C.D.F分别为
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞

随机变量
正态分布
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞

随机变量
正态分布
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞

随机变量
正态分布
Z x
1 x2 1 t2
ϕ(x) = √ e − 2 , , Φ(x) = √ e − 2 dt, −∞ < x < ∞.
2π 2π −∞

随机变量
正态分布
标准正态分布的重要性(1)
1. 非标准向标准转化
任何一个一般的正态分布都可以通过线性变换转化为标准正
态分布.
X −µ
即若X ∼ N(µ, σ 2 ), 则U = σ ∼ N(0, 1). (证明:Page 105)
X ∼ N(µ, σ 2 ), 则∀a < b

b−µ a−µ
P(a < X < b) = Φ −Φ
σ σ

b−µ
P(X < b) = Φ
σ

a−µ
P(X > a) = 1 − Φ
σ

随机变量
正态分布
态分布.
X −µ
X ∼ N(µ, σ 2 ), 则∀a < b

b−µ a−µ
P(a < X < b) = Φ −Φ
σ σ

b−µ
P(X < b) = Φ
σ

a−µ
P(X > a) = 1 − Φ
σ

随机变量
正态分布
态分布.
X −µ
X ∼ N(µ, σ 2 ), 则∀a < b

b−µ a−µ
P(a < X < b) = Φ −Φ
σ σ

b−µ
P(X < b) = Φ
σ

a−µ
P(X > a) = 1 − Φ
σ

随机变量
正态分布
正态分布分布的重要性(2)
2. 正态分布概率的计算
结论: 只要将标准正态分布的分布函数制成表，就可以解决
一般正态分布的概率计算问题.
对于u ≥ 0, Φ(u) = P(U ≤ u)可查附表3(Page 497).
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
正向查表: 由u ≥ 0, 查Φ(u)的(概
率)值;
反向查表: 已知概率p, 查满
足Φ(u) = p对应的u值(通常需要线性
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
附表3的使用:
对于u < 0, Φ(u) = 1 − Φ(−u)
P(|U| < x) = 2Φ(x) − 1
率)值;
插值).

随机变量
正态分布
想一想?
课堂练习: 查表
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?

随机变量
正态分布
想一想?
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?

随机变量
正态分布
想一想?
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?

随机变量
正态分布
想一想?
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?

随机变量
正态分布
想一想?
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?

随机变量
正态分布
想一想?
Φ(0) =?
Φ(1) =?
Φ(1.64) =?
Φ(−1.64) =?
已知Φ(u) = 0.99, u =?

随机变量
正态分布
应用: 3σ准则(1)
3σ准则—N(0,1)场合
设U ∼ N(0, 1), 则
P(|U| < 1) = 2Φ(1) − 1 = 0.6826

P(|U| < 2) = 2Φ(2) − 1 = 0.0.9544
P(|U| < 3) = 2Φ(3) − 1 = 0.9974
U的取值几乎全部集中在[-3,3]区间内, 超出这个范围的可能
性仅占不到0.3%.

随机变量
正态分布
3σ准则—N(0,1)场合
设U ∼ N(0, 1), 则
P(|U| < 1) = 2Φ(1) − 1 = 0.6826

P(|U| < 2) = 2Φ(2) − 1 = 0.0.9544
P(|U| < 3) = 2Φ(3) − 1 = 0.9974
U的取值几乎全部集中在[-3,3]区间内, 超出这个范围的可能
性仅占不到0.3%.

随机变量
正态分布
3σ准则—N(µ, σ 2 )场合
设X ∼ N(µ, σ), 则
P(|X − µ| < σ) = 0.6826

P(|X − µ| < 2σ) = 0.9544
P(|X − µ| < 3σ) = 0.9974
X 的取值几乎全部集中在[µ − 3σ, µ + 3σ]区间内, 超出这个

范围的可能性仅占不到0.3%.
统计学上称这种三倍于标准差原则为“3σ准则(原理)”.　

随机变量
正态分布
P(|X − µ| < σ) = 0.6826

P(|X − µ| < 2σ) = 0.9544
P(|X − µ| < 3σ) = 0.9974


随机变量
正态分布
P(|X − µ| < σ) = 0.6826

P(|X − µ| < 2σ) = 0.9544
P(|X − µ| < 3σ) = 0.9974


随机变量
正态分布
应用: 分位数(1)
问题1:
设X ∼ N(µ, σ 2 ), 已知P(X < cα ) = α(0 < α < 1), 求cα
解:
若Φ(u) = P(U < u) = α, 则可得u = uα = Φ−1 (α), 并称之
为标准正态分布N(0,1)的(下侧)α分位数;
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);
cα = µ + σΦ−1 (α)—N(µ, σ 2 )的(下侧)α分位数;

随机变量
正态分布
问题1:
解:
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);

随机变量
正态分布
问题1:
解:
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);

随机变量
正态分布
问题1:
解:
P(X < cα ) = Φ( cασ−µ ) = α;
cα −µ
σ = Φ−1 (α);

随机变量
正态分布
问题2
设X ∼ N(µ, σ 2 ), 已知P(|X − µ| > cσ) = α(0 < α < 1), 求c
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).
图形上易于理解?

随机变量
正态分布
问题2
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).

随机变量
正态分布
问题2
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).

随机变量
正态分布
问题2
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).

随机变量
正态分布
问题2
解:
P(|X − µ| < cσ) = 2Φ(c) − 1
α = P(|X − µ| > cσ) = 1 − [2Φ(c) − 1] = 2[1 − Φ(c)]
α
Φ(c) = 1 − 2
c = Φ−1 (1 − α2 ).

随机变量
正态分布
例2.3.9
例2.3.9:
假设某公司职员每周的超时津贴服从正态分布N(42.5, 10.42 ), 试
问每周超时津贴超过60元的职工在全公司占多少比例?
解:
设X=“公司职工每周超时津贴”,则X ∼ N(42.5, 10.42 )
P(X > 60) = 1 − P(X ≤ 60) = 1 − Φ( 60−42.5
10.4 ) = 1 − Φ(1.68)
= 1 − 0.9535 = 0.0465.

随机变量
正态分布
例2.3.9
例2.3.9:
解:
P(X > 60) = 1 − P(X ≤ 60) = 1 − Φ( 60−42.5
10.4 ) = 1 − Φ(1.68)
= 1 − 0.9535 = 0.0465.

随机变量
正态分布
例2.3.9
例2.3.9:
解:
P(X > 60) = 1 − P(X ≤ 60) = 1 − Φ( 60−42.5
10.4 ) = 1 − Φ(1.68)
= 1 − 0.9535 = 0.0465.

随机变量
正态分布
例2.3.10
例2.3.10:
某厂生产一磅的罐装咖啡. 大量数据表明, 每罐的重量服从标准
差为0.1磅的正态分布. 为使每罐咖啡少于1磅的罐头不多于10%,
应把自动包装线控制的均值调节到什么位置?
解:
设X=“一罐咖啡重量”,则X ∼ N(µ, 0.12 )
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.

随机变量
正态分布
例2.3.10
例2.3.10:
解:
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.

随机变量
正态分布
例2.3.10
例2.3.10:
解:
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.

随机变量
正态分布
例2.3.10
例2.3.10:
解:
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.

随机变量
正态分布
例2.3.10
例2.3.10:
解:
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.

随机变量
正态分布
例2.3.10
例2.3.10:
解:
若µ = 1, P(X < 1) = 0.5, 这不符合要求!
0.1 = P(X < 1) = Φ( 1−µ
0.1 ).
Φ( µ−1
0.1 ) = 0.9
µ = 1 + 0.1 × Φ−1 (0.9) = 1.128.

随机变量
正态分布
常见的连续型r.v.
均匀分布U(a,b);
指数分布Exp(λ)
正态分布N(µ, σ 2 )
伽码分布(Page 108)
贝塔分布(Page 110)

随机变量
正态分布
均匀分布U(a,b);
指数分布Exp(λ)

随机变量
正态分布
均匀分布U(a,b);
指数分布Exp(λ)

随机变量
正态分布
均匀分布U(a,b);
指数分布Exp(λ)

随机变量
正态分布
均匀分布U(a,b);
指数分布Exp(λ)

随机变量
正态分布
想一想?
证明指数分布的无记忆性
设X ∼ Exp(λ), 则∀s > 0, t > 0
P(X > s + t|X > s) = P(X > t)

随机变量
正态分布
§2.3 习题
§2.3 习题(Page 113):

3, 6, 7, ,9 ,12, 14

ProbStat 2.3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ProbStat 2.3

Uploaded by

Copyright:

Available Formats

随机变量

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

连续随机变量X 的可能取值充满某个区间(a, b);

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

连续随机变量X 的可能取值充满某个区间(a, b);

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

连续随机变量X 的可能取值充满某个区间(a, b);

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

连续随机变量X 的可能取值充满某个区间(a, b);

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称p(x)为r.v. X 的概率密度函数(密度函数), 记为X ∼ p(x), 读

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称p(x)为r.v. X 的概率密度函数(密度函数), 记为X ∼ p(x), 读

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称p(x)为r.v. X 的概率密度函数(密度函数), 记为X ∼ p(x), 读

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称p(x)为r.v. X 的概率密度函数(密度函数), 记为X ∼ p(x), 读

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称p(x)为r.v. X 的概率密度函数(密度函数), 记为X ∼ p(x), 读

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称p(x)为r.v. X 的概率密度函数(密度函数), 记为X ∼ p(x), 读

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称X 服从区间(a, b)上的均匀分布，记作：X ∼ U(a, b).

实际背景: r.v. X 取值在区间(a, b) 上，并且取值在(a, b)中任意

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

则称X 服从区间(a, b)上的均匀分布，记作：X ∼ U(a, b).

实际背景: r.v. X 取值在区间(a, b) 上，并且取值在(a, b)中任意

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

关键: 将g (xi ), i = 1, 2, · · · 中的某些值相等的合并, 并把对应

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章

华东师范大学金融与统计学院《概率论与数理统计》 — 第二章