ProbStat 3.2

多维随机变量及其联合分布
随机变量的独立性
中心极限定理
华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

中心极限定理
《概率论与数理统计》
第三章多维随机变量
汤银才
华东师范大学金融与统计学院

中心极限定理
《概率论与数理统计》
第三章多维随机变量
汤银才
华东师范大学金融与统计学院

多维随机变量及其联合分布随机变量的独立性
随机变量的独立性随机变量函数的独立性
中心极限定理最大值与最小值的分布
卷积公式
3.2.1 随机变量的独立性
定义2.1 (n个r.v.的独立性)
设(X , · · · , X ) ∼ F (x , · · · , x ), X ∼ F (x ), i = 1, 2 · · · , n,
若∀x , x , · · · , x
1 n 1 n i i i
1 2 n
F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)
则你X , X , · · · , X 相互独立, 否则称为不相互独立或相依的.

1 2 n
在离散场合(*)等价
于P(X = x , · · · , X = x ) = P(X = x ) · · · P(X = x );
在连续场合(*)等价于p(x , · · · , x ) = p (x ) · · · p(x );
1 1 n n 1 1 n n
若X 与Y 独立, 则∀a < b, c < d,

1 n 1 1 n
P (a < X < b, c < Y < d) = P (a < X < b) P (c < Y < d)

卷积公式
设(X , · · · , X ) ∼ F (x , · · · , x ), X ∼ F (x ), i = 1, 2 · · · , n,
若∀x , x , · · · , x
1 n 1 n i i i
1 2 n
F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

1 2 n
于P(X = x , · · · , X = x ) = P(X = x ) · · · P(X = x );
1 1 n n 1 1 n n

1 n 1 1 n

卷积公式
设(X , · · · , X ) ∼ F (x , · · · , x ), X ∼ F (x ), i = 1, 2 · · · , n,
若∀x , x , · · · , x
1 n 1 n i i i
1 2 n
F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

1 2 n
于P(X = x , · · · , X = x ) = P(X = x ) · · · P(X = x );
1 1 n n 1 1 n n

1 n 1 1 n

卷积公式
例:
例3.2.1: 二维指数分布(Page 128):

设r.v. (X , Y ) 服从二维指数分布, 则
X与Y独立⇔ λ = 0.
例3.2.2: 二维正态分布(Page 129):

设r.v. (X , Y ) 服从二维正态分布, 即(X , Y ) ∼ N(µ , µ , σ , σ , ρ),
2 2
则
1 2 1 2
X与Y独立⇔ ρ = 0.

卷积公式
例:
例3.2.1: 二维指数分布(Page 128):

设r.v. (X , Y ) 服从二维指数分布, 则
X与Y独立⇔ λ = 0.
例3.2.2: 二维正态分布(Page 129):

设r.v. (X , Y ) 服从二维正态分布, 即(X , Y ) ∼ N(µ , µ , σ , σ , ρ),
2 2
则
1 2 1 2
X与Y独立⇔ ρ = 0.

卷积公式
例3.2.3
例3.2.3:
设r.v. X 与Y 独立, 其共同的p.d.f
(
2x, 0 ≤ x ≤ 1
p(x) =
0, ∼
求P(X + Y ≤ 1).

卷积公式
例3.2.3
解:
由独立性
(
4xy , 0 ≤ x, y ≤ 1
, p(x, y ) = p(x)p(y ) =
0, ∼
ZZ
P(X + Y ≤ 1) = p(x, y )dxdy
x+y ≤1
Z 1 Z 1−x
= 4xydydx
0 0
Z 1
= 2x(1 − x)2 dx
0
1
=
6
卷积公式
例3.2.3
解:
由独立性
(
4xy , 0 ≤ x, y ≤ 1
, p(x, y ) = p(x)p(y ) =
0, ∼
ZZ
P(X + Y ≤ 1) = p(x, y )dxdy
x+y ≤1
Z 1 Z 1−x
= 4xydydx
0 0
Z 1
= 2x(1 − x)2 dx
0
1
=
6
卷积公式
注意:
(X , Y )服从矩形上的均匀分布，则X 与Y 独立;
(X , Y ) 服从单位圆上的均匀分布，则X 与Y 不独立(?);
联合密度p(x, y )的表达式中, 若x 的取值与y 的取值有关系,
则X 与Y 不独立;
若联合密度p(x, y )可分离变量, 即p(x, y ) = g (x)h(y ),
则X 与Y 独立.

卷积公式
注意:
则X 与Y 独立.

卷积公式
注意:
则X 与Y 独立.

卷积公式
注意:
则X 与Y 独立.

卷积公式
3.2.2 随机变量函数的独立性
若X 与Y 独立, 则f (X )与g (Y )独立;

常数c 与任一随机变量相互独立;
若X , · · · , X , X , · · · , X 相互独立,
则f (X , · · · , X )与g (X , · · · , X ) 相互独立.
1 r r +1 n
1 r r +1 n

卷积公式

若X , · · · , X , X , · · · , X 相互独立,
则f (X , · · · , X )与g (X , · · · , X ) 相互独立.
1 r r +1 n
1 r r +1 n

卷积公式

若X , · · · , X , X , · · · , X 相互独立,
则f (X , · · · , X )与g (X , · · · , X ) 相互独立.
1 r r +1 n
1 r r +1 n

卷积公式
3.2.3 最大值与最小值的分布
例3.2.4: 离散场合
设X 与X 相互独立, 且X , X 等可能地取值0和1,
求Y = max(X , X )和Z = min(X , X )的分布列.
1 2 1 2
1 2 1 2
解:
Y 与Z 的取值如下表:
所以Y 和Z 的分布为
Y 0 1
(X1 X2 ) Y Z
P 1/4 3/4
0 0 0 0
0 1 1 0
1 0 1 0
Z 0 1
1 1 1 1
P 3/4 1/4

卷积公式
1 2 1 2
1 2 1 2
解:
Y 0 1
(X1 X2 ) Y Z
P 1/4 3/4
0 0 0 0
0 1 1 0
1 0 1 0
Z 0 1
1 1 1 1
P 3/4 1/4

卷积公式
1 2 1 2
1 2 1 2
解:
Y 0 1
(X1 X2 ) Y Z
P 1/4 3/4
0 0 0 0
0 1 1 0
1 0 1 0
Z 0 1
1 1 1 1
P 3/4 1/4

卷积公式
独立同分布r.v.最大值最小值的分布
定理2.1 (连续场合最大与最小值的分布(Page 168))
设X , X , · · · , X 独立同分布, 其分布函数和密度函数分别
为F (x) 和p (x), Y = max(X , X , · · · , X ),
1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Y X X
n
Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

Z X
n−1
Z X X
记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布

iid
于F (X ).
1 2 n 1 2 n

卷积公式
为F (x) 和p (x), Y = max(X , X , · · · , X ),
1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Y X X
n
Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

Z X
n−1
Z X X

iid
于F (X ).
1 2 n 1 2 n

卷积公式
为F (x) 和p (x), Y = max(X , X , · · · , X ),
1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Y X X
n
Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

Z X
n−1
Z X X

iid
于F (X ).
1 2 n 1 2 n

卷积公式
为F (x) 和p (x), Y = max(X , X , · · · , X ),
1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Y X X
n
Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

Z X
n−1
Z X X

iid
于F (X ).
1 2 n 1 2 n

卷积公式
为F (x) 和p (x), Y = max(X , X , · · · , X ),
1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Y X X
n
Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

Z X
n−1
Z X X

iid
于F (X ).
1 2 n 1 2 n

卷积公式
例3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼
(Y 服从Beta分布Be(n, 1), Z 服从Beta分布Be(1, n) )

卷积公式
例3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼

卷积公式
例3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼

卷积公式
例3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼

卷积公式
3.2.4 卷积公式
离散场合的卷积公式
设离散型随机变量X 与Y 独立, 则Z = X + Y 的分布列为
∞
X
P(Z = zs ) = P(X = xi )P(Y = zs − xi )
i=1
∞
X
= P(X = zs − yj )P(Y = yj )
j=1

卷积公式
连续场合的卷积公式
设连续型随机变量X 与Y 独立, 则Z = X + Y 的密度函数为
Z ∞
pZ (z) = pX (x)pY (z − x)dx
Z−∞
∞
= pX (z − y )pY (y )dy
−∞

卷积公式
卷积公式的应用: 分布的可加性
若同一类分布的独立随机变量和的分布仍是此类分布，则称此类
分布具有可加性.
定理2.2 (泊松分布的可加性(Page 169))
若X ∼ P(λ ) , Y ∼ P(λ ), 且独立, 则Z = X + Y ∼ P(λ + λ ).
1 2 1 2
记号: P(λ ) ∗ P(λ ) = P(λ + λ ). 此结论可推广到任意n个泊松

变量.
1 2 1 2
定理2.3 (二项分布的可加性(Page 170))

若X ∼ b(m, p) , Y ∼ b(n, p), 且独立,
则Z = X + Y ∼ b(m + n, p).
记号: b(m, p) ∗ b(n, p) = b(m + n, p). 此结论可推广到任意n个二
项分布变量.
卷积公式
1 2 1 2

变量.
1 2 1 2

若X ∼ b(m, p) , Y ∼ b(n, p), 且独立,
则Z = X + Y ∼ b(m + n, p).
项分布变量.
卷积公式
1 2 1 2

变量.
1 2 1 2

若X ∼ b(m, p) , Y ∼ b(n, p), 且独立,
则Z = X + Y ∼ b(m + n, p).
项分布变量.
卷积公式
定理2.4 (正态分布的可加性(Page 172))

若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ

2 2 2 + σ22 ). 此结论可推
广到任意n个正态变量. 注意:
1 1 2 2 1 2 1
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
独立正态变量的线性组合仍为正态变量, 即
若X ∼ N(µ , σ ), i = 1, 2, · · · , n, 且X 间相互独立, 实
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
ai Xi ∼ N ai µi , ai2 σi2
i=1 i=1 i=1

卷积公式

若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ

2 2 2 + σ22 ). 此结论可推
1 1 2 2 1 2 1
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
i=1 i=1 i=1

卷积公式

若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ

2 2 2 + σ22 ). 此结论可推
1 1 2 2 1 2 1
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
i=1 i=1 i=1

卷积公式

若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ

2 2 2 + σ22 ). 此结论可推
1 1 2 2 1 2 1
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
i=1 i=1 i=1

卷积公式
χ2 分布的由来
χ2 分布的由来:
设X , X , · · · , X ∼ N(0, 1), 则Y = P X 服从自由度
iid n 2
为n的χ 分布, 记为χ (n) (密度函数见Page 175).

1 2 n i=1 i
2 2
χ 的可加性
2
设X ∼ χ (n ), Y ∼ χ (n ), 且独立, 则X + Y ∼ χ (n + n ). 此
2 2 2
结论可推广到任意n个χ 变量.
1 2 1 2
2

卷积公式
χ2 分布的由来
χ2 分布的由来:
设X , X , · · · , X ∼ N(0, 1), 则Y = P X 服从自由度
iid n 2
为n的χ 分布, 记为χ (n) (密度函数见Page 175).

1 2 n i=1 i
2 2
χ 的可加性
2
设X ∼ χ (n ), Y ∼ χ (n ), 且独立, 则X + Y ∼ χ (n + n ). 此
2 2 2
结论可推广到任意n个χ 变量.
1 2 1 2
2

卷积公式
例3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
由正态分布的可加性知P X ∼ N(nµ, nσ ) n
i
2
易得X ∼ N(µ, ).
i=1
σ2
意义: 正态变量的算术平均仍为正态变量, 其均值与单

n
个r.v.的均值相同, 但方差却缩小了n倍.

卷积公式
例3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
i
2
易得X ∼ N(µ, ).
i=1
σ2

n

卷积公式
例3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
i
2
易得X ∼ N(µ, ).
i=1
σ2

n

卷积公式
例3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
i
2
易得X ∼ N(µ, ).
i=1
σ2

n

卷积公式
想一想?
独立随机变量差的分布:
设连续型随机变量X 与Y 独立, 则Z=X - Y 的密度函数为
Z ∞
pZ (z) = pX (x)pY (x − z)dx
Z−∞
∞
= pX (z + y )pY (y )dy
−∞

卷积公式
课堂练习: 卷积公式应用
和的分布
设连续型随机变量X 与Y 独立, 且均服从U(0,1), 求Z=X+Y
解:

( z, 0<z ≤1
1 − |1 − z|, 0 < Z ≤ 2 
pZ (z) = = 2 − z, 1 ≤ z ≤ 2
0, ∼ 
0, ∼


卷积公式
想一起?
差的分布
设连续型随机变量X 与Y 独立, 且均服从U(0,1), 求Z=X-Y
解: (
1 − |z|, |z| ≤ 1
pZ (z) =
0, ∼

卷积公式
§3.2 习题
§3.2 习题 Page 176:

2, 5, 7, 11

ProbStat 3.2

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 3.2

Uploaded by

Copyright:

Available Formats

多维随机变量及其联合分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

则你X , X , · · · , X 相互独立, 否则称为不相互独立或相依的.

若X 与Y 独立, 则∀a < b, c < d,

P (a < X < b, c < Y < d) = P (a < X < b) P (c < Y < d)

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

则你X , X , · · · , X 相互独立, 否则称为不相互独立或相依的.

若X 与Y 独立, 则∀a < b, c < d,

P (a < X < b, c < Y < d) = P (a < X < b) P (c < Y < d)

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

则你X , X , · · · , X 相互独立, 否则称为不相互独立或相依的.

若X 与Y 独立, 则∀a < b, c < d,

P (a < X < b, c < Y < d) = P (a < X < b) P (c < Y < d)

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

例3.2.1: 二维指数分布(Page 128):

例3.2.2: 二维正态分布(Page 129):

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

例3.2.1: 二维指数分布(Page 128):

例3.2.2: 二维正态分布(Page 129):

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

若X 与Y 独立, 则f (X )与g (Y )独立;

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

若X 与Y 独立, 则f (X )与g (Y )独立;

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

若X 与Y 独立, 则f (X )与g (Y )独立;

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章