统计学基础概率论基础.pptVIP

《统计学基础》 概率论基础 概率和随机变量 什么是概率？ 概率是关于一个事件发生的可能性大小的一种度量，其值在0与1之间。 事件发生的结果具有不确定性（即多种结果都有可能发生），因此就称之为随机事件或偶然事件； 如果事件发生的结果是确定的（即只有一种结果发生），则称之为确定性事件或必然事件；其概率为0（称不可能事件）或1。 事件必须严格定义或描述，给出特定条件。 例子 掷硬币 掷骰子 打扑克牌 其它 条件概率 条件事件：在原来特定条件下再增加其它条件，此时的事件就称之为条件事件。 条件事件的概率就称之为条件概率。 例子 随机变量（随机变化的量） 变量 自变量 因变量 可控变量 不可控变量 确定性变量：即可控变量 随机变量：即不可控变量 离散随机变量 连续随机变量 概率分布及其数字特征 概率分布 用来描述随机变量取值概率的分布或函数。 离散随机变量的概率分布 用列表形式给出概率分布 其中 用函数形式给出概率分布 X a1 a2 … an Σ P p1 p2 … pn 1 贝努力分布 二项分布 poisson分布 其中，n表示独立地进行贝努力试验的重复次数， k表示1出现的次数。 连续随机变量的概率分布 关于离散变量和连续变量 (概率)密度函数 f (x)和(累积)分布函数F(x) 其中， f (x)≥0。 f (x) x x f (x) 曲线为密度函数 面积为分布函数 F(x) x1 x2 x3 …… xn-1 xn f (x) x xi …… f (xi) 数学期望： 曲线为密度函数 方块为直方图 连续变量的离散化（或离散变量的连续化） pi a b x 0 0 a b 1 x 均匀分布U(a , b) 密度函数 标准正态分布 若 ，则 分布函数 正态分布 特征：关于中心值对称，离均值越远概率越小。 标准正态的密度函数 标准正态的分布函数 定义 则 数学期望（期望值，总体均值） 离散型： 设X 的概率分布为 则称 为 X 的数学期望。 连续型： 设连续型随机变量 X 的概率密度为 f (x)，则称 为 X 的数学期望。 期望值是随机变量概率分布的重心之所在。 随机变量的数字特征 方差 定义：称E[X－E(X)]2为随机变量X的方差。记作 Var(X)，又记作V(X)或 D(X)。方差的开方称之为标准差。 方差的作用和意义 X的数学期望常记做m，方差常记做s 2，标准差常记做s 。 定义：随机变量X与Y的协方差： Cov(X, Y)=E[X－E(X)][Y－E(Y)] 称 为随机变量X与Y的相关系数。 协方差和相关系数的作用及意义 特别， Cov(X, X)=Var(X)， Cov(Y, Y)=Var(Y) 协方差和相关系数 习题 什么是事件？随机事件和必然事件有什么区别？ 什么是条件概率？请列举二个具体的关于条件事件及其条件概率的例子。 地震强度的震级是一个什么样的变量？（自变量、因变量；可控变量、不可控变量；确定性变量、随机变量；离散随机变量、连续随机变量） 举一个服从贝努力分布的例子。若重复对它进行5次观察或试验，则请写出其发生次数的概率分布，并计算其均值和方差。 举二个与自已相近专业邻域里的服从正态分布的随机变量的例子。 简述均值和方差的作用和意义？什么样的概率分布的特征能被这两个量完全地刻画呢？