[理学]青岛大学概率论课件概率统计第七章.pptxVIP

[理学]青岛大学概率论课件概率统计第七章制作人：PPt创作者时间：2024年X月

目录第1章概率基本概念

第2章随机变量及其概率分布

第3章随机变量的数字特征

01第一章概率基本概念

概率的定义和性质概率是描述随机现象可能性的数值，具有介于0和1之间的取值。概率具有加法法则和乘法法则等性质，用于描述事件发生的可能性大小。计算概率可以通过古典概率、几何概率和概率计数等方法。

样本空间和事件定义了所有可能结果的集合样本空间的概念事件是样本空间的子集，可分为必然事件、不可能事件和随机事件事件的定义和分类事件之间可以进行交、并、补等运算，形成新的事件事件的关系和运算

大数定律随着实验次数增多，频率稳定在真实概率附近频率稳定性在重复独立实验中，频率的稳定性得到保证频率与概率频率与概率的关系频率是事件发生次数与总实验次数的比值

随着实验次数增多，频率会接近概率

在已知发生某一事件的条件下，另一事件发生的概率条件概率的定义0103条件概率的计算依据乘法公式和全概率公式条件概率的计算公式02两个事件相互独立，一个事件的发生不影响另一个事件的发生概率独立事件的概念

小结概率、样本空间、事件、频率、条件概率等概率基本概念加法法则、乘法法则、独立性等性质与计算方法概率统计、风险分析、商业决策等实践应用

02第2章随机变量及其概率分布

随机变量的定义随机变量是描述随机试验结果的数值型函数，它可以分为离散随机变量和连续随机变量。离散随机变量取有限或可数无穷个数值，而连续随机变量可以取无限个数值。

随机变量的分类取有限或可数无穷个数值离散随机变量取无限个数值连续随机变量

描述随机变量的取值规律随机变量的分布函数010302分布函数的增减性质累积分布函数的性质

随机变量的概率密度函数概率密度函数是描述连续随机变量取值概率分布的函数，具有非负性和积分为1的性质。通过概率密度函数，可以推导出各种随机变量的性质和应用。

多维随机变量的联合分布函数描述多个随机变量的联合概率分布多维随机变量的边缘分布描述多维随机变量中单个随机变量的概率分布多维随机变量二维随机变量的定义描述两个随机变量的联合分布

概率密度函数的性质和应用概率密度函数的值非负非负性概率密度函数在整个定义域上的积分为1积分为1概率密度函数用于计算随机变量的概率性质应用

03第3章随机变量的数字特征

数学期望数学期望是随机变量的一种数字特征，代表其平均取值。它在概率论和统计学中有着重要的应用，可以帮助我们更好地理解随机变量的分布规律和特性。

数学期望的性质数学期望具有线性性质，即E(aX+bY)aE(X)+bE(Y)，其中a、b为常数，X、Y为随机变量。线性性质对于任意随机变量X，其数学期望大于等于0，即E(X)>=0。非负性若c为常数，则E(c)=c，表示常数的数学期望等于常数本身。常数性

方差的性质方差具有非负性，即方差大于等于0，且当且仅当随机变量为常数时，方差为0。

方差具有线性性质，即Var(aX+b)=a^2Var(X)，其中a、b为常数，X为随机变量。协方差的概念与性质协方差衡量两个随机变量的线性相关程度，当协方差为正时，表示两者呈正相关；当协方差为负时，表示两者呈负相关。

协方差的绝对值越大，表示两个随机变量的相关性越强。方差与协方差方差的定义方差衡量随机变量离其数学期望的偏离程度，是衡量随机变量变异性的重要指标。

方差的计算公式为Var(X)=E[(X-E(X))^2]。

一阶矩为数学期望，即E(X)，二阶矩为方差，即Var(X)。矩的定义0103协方差矩阵是描述多维随机变量间相关关系的一种矩阵表示，可以用于分析多个随机变量之间的相关性和线性组合等。协方差矩阵的引入和应用02计算矩可以通过对应的统计量公式进行计算，例如方差的计算公式为Var(X)=E[(X-E(X))^2]。矩的计算方法

特征函数特征函数是描述随机变量统计特性的一种函数，通过特征函数可以唯一确定一个随机变量的分布规律。特征函数在信号处理、通信等领域有着广泛的应用。

再见