ProbStat 2.4

随机变量
离散型随机变量
连续型随机变量
随机变量的方差及其它数字特征
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

随机变量
2.4.1 随机变量函数的数学期望
随机变量的数学期望(复习):
设r.v X ∼ F (x)
1
离散场合: X ∼ P(X = xi ) = pi , i = 1, 2, · · · ,;
连续场合: X ∼ p(x)
则
离散场合
2
(P
∞
xi pi ,
E (X ) = R ∞i=1
−∞ xp(x)dx, 连续场合

随机变量
设r.v X ∼ F (x)
1
离散场合: X ∼ P(X = xi ) = pi , i = 1, 2, · · · ,;
则
离散场合
2
(P
∞
xi pi ,
E (X ) = R ∞i=1

随机变量
设r.v X ∼ F (x)
1
离散场合: X ∼ P(X = xi ) = pi , i = 1, 2, · · · ,;
则
离散场合
2
(P
∞
xi pi ,
E (X ) = R ∞i=1

随机变量
设r.v X ∼ F (x)
1
离散场合: X ∼ P(X = xi ) = pi , i = 1, 2, · · · ,;
则
离散场合
2
(P
∞
xi pi ,
E (X ) = R ∞i=1

随机变量
随机变量函数的数学期望
随机变量函数的数学期望:
已知r.v. X 的分布, 求Y = g (X )的分布.
方法1:
1由r.v. X的分布, 求出r.v. Y=g(X)的分布;
2由上面的公式求出Y 的数学期望, 即g (X )的数学期望.
方法2: 利用公式
离散场合
(P
∞
g (x )p ,
g (x)p(x)dx, 连续场合
i=1 i i
E [g (X )] = R
∞
−∞
比较: 方法1较繁, 见Page 116-117两例; 方法2与求数学期望完全

类同,更简单.
随机变量
方法1:
离散场合
(P
∞
g (x )p ,
i=1 i i
E [g (X )] = R
∞
−∞

类同,更简单.
随机变量
方法1:
离散场合
(P
∞
g (x )p ,
i=1 i i
E [g (X )] = R
∞
−∞

类同,更简单.
随机变量
方法1:
离散场合
(P
∞
g (x )p ,
i=1 i i
E [g (X )] = R
∞
−∞

类同,更简单.
随机变量
数学期望的性质
数学期望的性质:
1 E (c) = c
2 E [cg (X )] = cE [g (X )]
3 E [g (X ) ± h(X )] = E [g (X )] ± E [h(X )]

随机变量
1 E (c) = c
2 E [cg (X )] = cE [g (X )]
3 E [g (X ) ± h(X )] = E [g (X )] ± E [h(X )]

随机变量
1 E (c) = c
2 E [cg (X )] = cE [g (X )]
3 E [g (X ) ± h(X )] = E [g (X )] ± E [h(X )]

随机变量
2.4.2 方差
定义2.1 (方差的定义:)
若E (X − E (X )) 存在，则称E (X − E (X )) 为的r.v. X 的方差，
2 2
记为
Var (X ) = D(X ) = E [X − E (X )]2 .
p
称为r.v. X 的标准差, 记为σ(X ).
Var (X )
注: 标准差的量纲与r.v. X 相同

随机变量
2.4.2 方差
定义2.1 (方差的定义:)
若E (X − E (X )) 存在，则称E (X − E (X )) 为的r.v. X 的方差，
2 2
记为
Var (X ) = D(X ) = E [X − E (X )]2 .
p
称为r.v. X 的标准差, 记为σ(X ).
Var (X )
注: 标准差的量纲与r.v. X 相同

随机变量
方差的实际意义
方差反映了r.v. X 取值的离散程度, 在实际问题中它反映了
波动的大小: 方差越大(小), 波动越大(小);
1
2 在金融中反映了风险的大小;(见Page 122例)
3 在生产中反映了质量的稳定性;
4 在测量中反映了误差(或精度)的高低.

随机变量
1

随机变量
1

随机变量
1

随机变量
方差的性质
方差的性质:
1 Var (c) = 0
2 Var (aX + b) = a2 Var (X )
3 Var (X ) = E (X 2 ) − [E (X )]2 —常用的计算公式!

随机变量
方差的性质
方差的性质:
1 Var (c) = 0
2 Var (aX + b) = a2 Var (X )

随机变量
方差的性质
方差的性质:
1 Var (c) = 0
2 Var (aX + b) = a2 Var (X )

随机变量
常用分布的方差
分布期望方差
0-1分布 p p(1 − p)
二项分布b(n, p) np np(1 − p)
泊松分布P(λ) λ λ
几何分布Ge(p) 1
p
1−p
p2
均匀分布U(a,b) a+b
2
(b−a)2
12
指数分布Exp(λ) 1
λ
1
λ2
正态分布N(µ, σ ) µ
2 σ2

随机变量
分布期望方差
0-1分布 p p(1 − p)
几何分布Ge(p) 1
p
1−p
p2
2
(b−a)2
12
λ
1
λ2
2 σ2

随机变量
分布期望方差
0-1分布 p p(1 − p)
几何分布Ge(p) 1
p
1−p
p2
2
(b−a)2
12
λ
1
λ2
2 σ2

随机变量
分布期望方差
0-1分布 p p(1 − p)
几何分布Ge(p) 1
p
1−p
p2
2
(b−a)2
12
λ
1
λ2
2 σ2

随机变量
例2.4.1
例2.4.1:
1 设X ∼ P(λ), 证明Var (X ) = λ;(Page 119)
2 设X ∼ b(n, p), 证明Var (X ) = np(1 − p);(Page 124)
3 设X ∼ U(a, b), 证明Var (X ) = (b−a)2
12 ;(Page 124)

随机变量
例2.4.1
例2.4.1:
3 设X ∼ U(a, b), 证明Var (X ) = (b−a)2
12 ;(Page 124)

随机变量
例2.4.1
例2.4.1:
3 设X ∼ U(a, b), 证明Var (X ) = (b−a)2
12 ;(Page 124)

随机变量
例2.4.1
例2.4.1:
3 设X ∼ U(a, b), 证明Var (X ) = (b−a)2
12 ;(Page 124)

随机变量
例2.4.2
例2.4.2:
设 
x,
 0≤x <1
X ∼ p(x) = 2 − x, 1 ≤ x < 2 .

0, x ≥2

求E (X ), Var (X ).

随机变量
例2.4.2
解: R +∞ R1 R2
1 E (X ) = −∞ xp(x)dx = 0 x · xdx + 1 x(2 − x)dx
2
1
= 31 x 3 0 + x 2 − 31 x 3 1 = 1
R +∞ R1 R2 7
2 E (X 2 ) = −∞ x 2 p(x)dx = 0 x 3 dx + 1 x 2 (2 − x)dx = 6
Var (X ) = E (X 2 ) − [E (X )]2 = 76 − 1 = 16 .

随机变量
例2.4.2
解: R +∞ R1 R2
1 E (X ) = −∞ xp(x)dx = 0 x · xdx + 1 x(2 − x)dx
2
1
= 31 x 3 0 + x 2 − 31 x 3 1 = 1
R +∞ R1 R2 7
2 E (X 2 ) = −∞ x 2 p(x)dx = 0 x 3 dx + 1 x 2 (2 − x)dx = 6
Var (X ) = E (X 2 ) − [E (X )]2 = 76 − 1 = 16 .

随机变量
想一想?
思考题:
设 
1 + x, −1 ≤ x < 0

X ∼ p(x) = 1 − x, 0 ≤ x < 1 .

0, |x| ≥ 1

求(不用计算!)
1 E (X ) = 0
1
2 Var (X ) = 6.

随机变量
想一想?
思考题:
设 
1 + x, −1 ≤ x < 0

X ∼ p(x) = 1 − x, 0 ≤ x < 1 .

0, |x| ≥ 1

求(不用计算!)
1 E (X ) = 0
1
2 Var (X ) = 6.

随机变量
想一想?
思考题:
设 
1 + x, −1 ≤ x < 0

X ∼ p(x) = 1 − x, 0 ≤ x < 1 .

0, |x| ≥ 1

求(不用计算!)
1 E (X ) = 0
1
2 Var (X ) = 6.

随机变量
想一想?
思考题:
设 
1 + x, −1 ≤ x < 0

X ∼ p(x) = 1 − x, 0 ≤ x < 1 .

0, |x| ≥ 1

求(不用计算!)
1 E (X ) = 0
1
2 Var (X ) = 6.

随机变量
想一想?
思考题:
设 
1 + x, −1 ≤ x < 0

X ∼ p(x) = 1 − x, 0 ≤ x < 1 .

0, |x| ≥ 1

求(不用计算!)
1 E (X ) = 0
1
2 Var (X ) = 6.

随机变量
随机变量的标准化
随机变量的标准化:
1设Var (X ) > 0, 令Y = √ X −E (X )
Var (X )
2 则E (Y ) = 0, Var (X ) = 1
3 称r.v. Y 是r.v. X 的标准化.

随机变量
1设Var (X ) > 0, 令Y = √ X −E (X )
Var (X )
2 则E (Y ) = 0, Var (X ) = 1

随机变量
1设Var (X ) > 0, 令Y = √ X −E (X )
Var (X )
2 则E (Y ) = 0, Var (X ) = 1

随机变量
2.4.3 切比雪夫不等式
设r.v. X 的方差Var(X)存在(这时均值也存在), 则对任意正
数，有下面不等式成立
Var (X )
P{|X − E (X )| ≥ ε} ≤
ε2
Var (X )
P{|X − E (X )| < ε} ≥ 1 −
ε2
意义: r.v. X分布的尾部概率之和有一上界, 此上界与方

差Var(X)成正比, 与区间(E (X ) − , E (X ) + )的长度的一
半()的平方成反比.
证明: Page 126.
随机变量
Var (X )
P{|X − E (X )| ≥ ε} ≤
ε2
Var (X )
P{|X − E (X )| < ε} ≥ 1 −
ε2

证明: Page 126.
随机变量
Var (X )
P{|X − E (X )| ≥ ε} ≤
ε2
Var (X )
P{|X − E (X )| < ε} ≥ 1 −
ε2

证明: Page 126.
随机变量
应用1: 用于概率的估计
例2.4.3:
已知周六参观某地的人数X 为r.v.(分布未知),
E (X ) = µ = 18(人), σ = 2.5(人), 求P(8 < X < 18).
解:
P(8 < X < 18) = P(|X − 18| < 10) = P(|X − µ| < 4σ)
1 15
>1− 2
= ≈ 0.94.
4 16

随机变量
应用2: 证明概率命题
切比雪夫不等式可用于一些概率相关命题的证明, 特别是概率论
中非常重要的几个大数定律的证明(见下一小节). 这里先叙述一
个比较显然的结论.
定理2.1
Var (X ) = 0 ⇔ P(X = E (X )) = 1.
证明:
见Page 127

随机变量
2.4.4 贝努里大数定律
背景: 频率稳定于概率, 即若X 是n次独立试验中事件A发生
的次数, P(A) = p, 则
n
Xn P
→ p(n → ∞)
n
P
指以概率趋向于).
(→
大量实验验证了这一结果;
其理论根据?

随机变量
n
Xn P
→ p(n → ∞)
n
P
(→
其理论根据?

随机变量
n
Xn P
→ p(n → ∞)
n
P
(→
其理论根据?

随机变量
贝努里大数定律
定理2.2 (贝努里大数定律(Page 107))
设X 为n重贝努里试验中事件A发生的次数，则事件A发生的频率
为 , 记一次试验中发生的概率为p = P(A), 则
n
Xn
n

Xn
P
− p ≥ ε → 0,

n

Xn
P − p < ε → 1.
n

随机变量
例2.4.4
例2.4.4: 均匀硬币正面向上(A)出现频率的稳定性 xn
n
偏差: | − 0.5|
xn
n较大时,
n
x
n
0.5.5 104
P( − 0.5 ≥ 0.01) ≤ =

n n × 0.01 4n
n = 105时, 偏差为 = 0.025.

1
n = 10 时, 偏差为
40
6 1
= 0.0025.
对于(统计)决策的意义: 在偏差很小情形下所做的决策被认
400
为是正确的.
随机变量
例2.4.4
n
偏差: | − 0.5|
xn
n较大时,
n
x
n
0.5.5 104
P( − 0.5 ≥ 0.01) ≤ =

n n × 0.01 4n
n = 105时, 偏差为 = 0.025.

1
n = 10 时, 偏差为
40
6 1
= 0.0025.
400
为是正确的.
随机变量
例2.4.4
n
偏差: | − 0.5|
xn
n较大时,
n
x
n
0.5.5 104
P( − 0.5 ≥ 0.01) ≤ =

n n × 0.01 4n
n = 105时, 偏差为 = 0.025.

1
n = 10 时, 偏差为
40
6 1
= 0.0025.
400
为是正确的.
随机变量
例2.4.4
n
偏差: | − 0.5|
xn
n较大时,
n
x
n
0.5.5 104
P( − 0.5 ≥ 0.01) ≤ =

n n × 0.01 4n
n = 105时, 偏差为 = 0.025.

1
n = 10 时, 偏差为
40
6 1
= 0.0025.
400
为是正确的.
随机变量
例2.4.4
n
偏差: | − 0.5|
xn
n较大时,
n
x
n
0.5.5 104
P( − 0.5 ≥ 0.01) ≤ =

n n × 0.01 4n
n = 105时, 偏差为 = 0.025.

1
n = 10 时, 偏差为
40
6 1
= 0.0025.
400
为是正确的.
随机变量
例2.4.4
n
偏差: | − 0.5|
xn
n较大时,
n
x
n
0.5.5 104
P( − 0.5 ≥ 0.01) ≤ =

n n × 0.01 4n
n = 105时, 偏差为 = 0.025.

1
n = 10 时, 偏差为
40
6 1
= 0.0025.
400
为是正确的.
随机变量
2.4.5 随机变量的其它数字特征
[教材2.5节]
矩: 原点矩, 中心矩
变异系数
分位数
中位数

随机变量
[教材2.5节]
变异系数
分位数
中位数

随机变量
[教材2.5节]
变异系数
分位数
中位数

随机变量
[教材2.5节]
变异系数
分位数
中位数

随机变量
阶原点矩, 中心矩
1) k
k阶原点矩: µ = E (X ), k = 1, 2, · · ·
k
特例: µ = E (X )为r.v. X 的数学期望.

k
1
k阶中心矩: ν = E [X − E (X )] , k = 1, 2, · · ·
k
特例: ν = E [X − E (X )] = Var (X )为r.v. X 的方差.

k
2
2
注意: 若高阶矩存在, 则低阶矩一定存在.

随机变量
1) k
k阶原点矩: µ = E (X ), k = 1, 2, · · ·
k

k
1
k阶中心矩: ν = E [X − E (X )] , k = 1, 2, · · ·
k

k
2
2

随机变量
1) k
k阶原点矩: µ = E (X ), k = 1, 2, · · ·
k

k
1
k阶中心矩: ν = E [X − E (X )] , k = 1, 2, · · ·
k

k
2
2

随机变量
2) 变异系数
称 p
Var (X )
CV =
E (X )
为r.v. X的变异系数.
作用: C 是无量纲的量, 用于比较量纲不同的两个随机变
量的波动大小.
V

随机变量
2) 变异系数
称 p
Var (X )
CV =
E (X )
为r.v. X的变异系数.
作用: C 是无量纲的量, 用于比较量纲不同的两个随机变
量的波动大小.
V

随机变量
3) 分位数
设X ∼ F (x), 其p.d.f.为p(x), 0 < α < 1, 若x 满足 α
Z xα
P(X < xα ) = F (xα ) = p(x)dx = α
−∞
则你x 为X分布的下侧α分位数, 简称α分位数.

若x 满足
α
0
α
Z ∞
P(X > xα0 ) = p(x)dx = 1 − F (xα0 ) = α
0
xα
则你x 为X分布的上侧α分位数.
0
关系: x = x , x = x .
α
0 0
α 1−α α 1−α

随机变量
3) 分位数
Z xα
P(X < xα ) = F (xα ) = p(x)dx = α
−∞

若x 满足
α
0
α
Z ∞
P(X > xα0 ) = p(x)dx = 1 − F (xα0 ) = α
0
xα
0
关系: x = x , x = x .
α
0 0
α 1−α α 1−α

随机变量
3) 分位数
Z xα
P(X < xα ) = F (xα ) = p(x)dx = α
−∞

若x 满足
α
0
α
Z ∞
P(X > xα0 ) = p(x)dx = 1 − F (xα0 ) = α
0
xα
0
关系: x = x , x = x .
α
0 0
α 1−α α 1−α

随机变量
4) 中位数
时的α分柆数称x 为分布的中位数.
α = 0.5
比较
0.5
:
同数学期望一样,中位数也反映了随机变量的位置特征;
它们是两个不同的概念;
对于对称分布两者相等.

随机变量
4) 中位数
α = 0.5
比较
0.5
:

随机变量
4) 中位数
α = 0.5
比较
0.5
:

随机变量
4) 中位数
α = 0.5
比较
0.5
:

随机变量
4) 中位数
α = 0.5
比较
0.5
:

随机变量
例2.4.5
例2.4.5: 正态分布的分位数(见前一小节计算)
分布: X ∼ N(µ, σ );
2
α分位数c 满足: Φ(
α
cα −µ
) = α;
σ
cα = µ + σΦ−1 (α) = µ + σuα ;
标准正态分布的分位数表: Page 139 表2.5.3(或由Page 497

附表3反查得到)

随机变量
例2.4.5
分布: X ∼ N(µ, σ );
2
α
cα −µ
) = α;
σ
cα = µ + σΦ−1 (α) = µ + σuα ;


随机变量
例2.4.5
分布: X ∼ N(µ, σ );
2
α
cα −µ
) = α;
σ
cα = µ + σΦ−1 (α) = µ + σuα ;


随机变量
例2.4.5
分布: X ∼ N(µ, σ );
2
α
cα −µ
) = α;
σ
cα = µ + σΦ−1 (α) = µ + σuα ;


随机变量
例2.4.5
分布: X ∼ N(µ, σ );
2
α
cα −µ
) = α;
σ
cα = µ + σΦ−1 (α) = µ + σuα ;


随机变量
统计推断中的三大分布
三大分布的分位数
t(n)—自由度为n的t 分布: t (n) (见Page 498 附表4);
α
χ (n)—自由度为n的χ 分布: χ (n) (见Page 499 附表5);

2 2 2
α
F (m, n)—自由度为n, m的F分布: F (m, n) (见Page 500 附

表6).
α

随机变量
α

2 2 2
α

表6).
α

随机变量
α

2 2 2
α

表6).
α

随机变量
α

2 2 2
α

表6).
α

随机变量
习题
§2.4 习题 Page 129):

1, 4, 6, 12
§2.5 习题 Page 143):

1, 7, 13,

ProbStat 2.4

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 2.4

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

比较: 方法1较繁, 见Page 116-117两例; 方法2与求数学期望完全

比较: 方法1较繁, 见Page 116-117两例; 方法2与求数学期望完全

比较: 方法1较繁, 见Page 116-117两例; 方法2与求数学期望完全

比较: 方法1较繁, 见Page 116-117两例; 方法2与求数学期望完全

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

2 Var (aX + b) = a2 Var (X )

3 Var (X ) = E (X 2 ) − [E (X )]2 —常用的计算公式!

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

2 Var (aX + b) = a2 Var (X )

3 Var (X ) = E (X 2 ) − [E (X )]2 —常用的计算公式!

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第二章

2 Var (aX + b) = a2 Var (X )

3 Var (X ) = E (X 2 ) − [E (X )]2 —常用的计算公式!

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

意义: r.v. X分布的尾部概率之和有一上界, 此上界与方

意义: r.v. X分布的尾部概率之和有一上界, 此上界与方

意义: r.v. X分布的尾部概率之和有一上界, 此上界与方

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

n = 105时, 偏差为 = 0.025.

n = 105时, 偏差为 = 0.025.

n = 105时, 偏差为 = 0.025.

n = 105时, 偏差为 = 0.025.

n = 105时, 偏差为 = 0.025.

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