研究生应用概率统计.ppt

刘文丽 课程内容(针对教材);课程目标;参考文献;引例: 生活中的问题;第一章 概率论基础及R软件使用;第一章 概率论基础;棣莫弗 (1667-1754);1.1 随机事件及其概率;1.2 随机变量及其分布;名称;1.3 随机变量的数字特征;多维随机变量的数字特征;多维随机变量的数字特征;1.4 极限定理初步;设X是n次独立试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对任给的ε 0，;■切比雪夫大数定律;1.4 大数定律;1.4 中心极限定理;■棣莫弗-拉普拉斯（二项分布）中心极限定理;1.5 R统计软件; 基本语法 向量 矩阵 列表 数据框 与分布相关的函数 数据的图形表示 ;基本语法;向量 ;a=1:5 a[2] #取出a中第二个元素 a[c(2,4)]=c(4,8) a[c(2,4)]=c(4,8) #修改a中第2、4个元素分别为4、8 a[-5] #扣除第5个元素取出来 a=a[-c(1,3,5)] #去掉??1、3、5元素. a3 #判断a中元素是否小于3 [1] TRUE TRUE FALSE FALSE FALSE a[a3] # 取出a中小于3的元素;matrix(data=NA, nrow=1, ncol=1, byrow=FALSE) ;x=matrix(rnorm(24),4,6) #第2行第三列的元素 x[2,4] #第1和第3列 x[,c(1,3)] #除去第1、3列的数据 x[,-c(1,3)] ;2. 矩阵的维数问题 dim(A) #获得维数,返回向量 nrow(A) ,ncol(A) #获得行数和列数 ;3. 矩阵运算 +,-,*,/ 分别是矩阵内部元素的四则运算 向量矩阵间：向量按列匹配与矩阵运算 例如： A=matrix(1:6, nrow=3)； B=matrix(10:15,nrow=3) C=c(100,200) 则： A+B A*B A+C;A %*% B #乘法 t(mat) #转置 det(mat) #行列式 solve(mat) #逆矩阵 eigen(mat) #求特征值与特征向量 cbind(A,B) #矩阵列拼合 rbind(A,B) #矩阵行拼合 ;列表; 数据框是R的一种数据结构，以矩阵形式保存数据各列类型可以不同，每列为一变量，每行为样品 各列长度相等 data.frame( );#从文件中获取数据 D1=read.table(“e:\\test1.txt”,header=TRUE) #从剪贴板中获得文本数据 D2=read.table(“clipboard”) #取出前两行数据 x[1:2,] #第一列的数据 x[,1];#或x[[1]];dnorm(x, mean = 0, sd = 1) #计算正态分布的密度函数 pnorm(p, mean = 0, sd = 1) #计算正态分布的分布函数 qnorm(q, mean = 0, sd = 1) #计算正态分布的分位数 rnorm(n, mean = 0, sd = 1) #计算n个正态分布的随机数 其它分布的关键词： unif , exp, chisq, t, f, binom, pois;数据的图形表示;type=“p” #散点图，默认 type=“l’ #绘实线 type=“o” #实线通过所有的点 type=“n” #不画点 参数lty表示线的类型 0=blank, 1=solid (default), 2=dashed, 3=dotted, 4=dotdash, 5=longdash, 6=twodash ;低水平作图函数有 points(x=,y=) #增加点（x,y) lines(x=,y=) #增加（x,y)连成的线 abline(a=,b=) #增加线y=a+bx text(x=, y=, labels = ) #增加文本 legend(x, y = , legend, col ) #增加标注;1.5 R统计软件;1.5 R统计软件;第二章 数理统计的基本概念与抽样分布; 一个统计问题总有它明确的