概率论名词简短解释.ppt

第一章 随机试验 可以重复的，结果有限的，结果不可预测的试验 样本空间 实验的所有可能结果 随机事件 实验的可能结果取一部分 基本事件 实验的可能结果取其中一个 频率 实验的次数的周期 事件A在事件ABC……中占的比重 概率 事件发生的可能性 古典概型 结果有限且可能性相同的事件（初期研究的主要对象） A的对立事件 不是发生A事件就是发生A的对立事件 A非及其概率 非A即A事件不发生，P( 非A）=1-P（A） 两个互不相容事件的和事件的概率 等于两个互相容事件都发生或只有一个发生的概率 第一章 概率的加法定理 P(A∪B)=P(A)+P(B)-P(AB) 概率的乘法公式 P(AB)=P(B|A)P(A) 条件概率 在事件A发生的情况下发生事件B的概率 P(B|A)=P(AB)/P(A) 全概率公式 事件A在试验E里，对试验E进行无限切割，切成的所有块与事件A的交集之和就是事件A P(A)=P(A|B1)P(B1)+……+P(A|Bn)P(Bn) 贝叶斯公式 事件A在试验E里，对实验E进行无限切割，其中一块与事件A的交集占事件A的比重 事件的独立性 其它事件的发生与否不会影响该事件的发生 实际推断原理 一次试验中小概率事件发生了则拒绝原假设。 第二章 随机变量 一个样本空间S所有元素e经过X(e)处理后的实值 分布函数 F(x) = P{X ≤ x} , -∞ x ∞ 离散型随机变量及其分布律 有限个或无限个随机变量构成一个表格 连续型随机变量及其概率密度 所有变量构成一个大致曲线,F(x)= ∫ -∞→x f(t) dt, f(t)为概率密度 伯努利实验 试验E只有两个可能结果 (0-1)分布 随机变量只为0和1两个值，两个值的概率之和为1 n重伯努利实验 将伯努利实验独立重复地执行n次 二项分布 X~b(n,p) q^n+p^1q^(n-1)+p^2q^(n-2)+……+p^n=(p+q)^n=1 泊松分布 X~π(λ) P{x=k}=(λ^k e^-λ)/k! 指数分布 第二章 均匀分布 X~U(a,b) 正态分布 X~N(μ，σ²) 随机变量函数的分布 不能直接测量，却能通过测量其它随机变量来算出这个随机变量。（即利用函数来通过一个可测量变量求出另一个不可测量变量） 概率密度 表示在某一点处 点的分布情况 分布函数 表示在某个时间段的所有点的连接，成为这个区间段的函数 第三章 二维随机变量(X,Y) 样本空间S通过X(e)函数和Y(e)函数构成向量(X,Y) (X,Y)的分布函数 离散型随机变量(X,Y)的分布律 二维数组的表格，所有值加起来为1 连续型随机变量(X,Y)的概率密度 (X,Y)的分布函数中的f(u,v)dudv称为概率密度 离散型随机变量(X,Y)的边缘分布律 关于X的所有概率，关于Y的所有概率，列表 连续性随机变量(X,Y)的边缘概率密度 条件分布函数 课本P71 Y=y的条件下 条件分布律 第三章 条件概率密度 两个随机变量X，Y的独立性 Z=X+Y的概率密度 Z=Y/X的概率密度 Z=XY的概率密度 M=max{X,Y}的分布函数 N=min{X,Y}的分布函数 第四章 数学期望 随机变量函数的数学期望 离散型: 连续型： 数学期望的性质 E(C)=C E(CX)=CE(X) E(X+Y)=E(X)+E(Y) E(XY)=E(X)E(Y) 第四章 方差 离散型: 连续型： 标准差 方差开根号 方差的性质 D(C)=0 D(X+C)=D(X) D(X+Y)=D(X)+D(Y)+2E{(X-E(X))(Y-E(Y))} D(X+Y)=D(X)+D(Y) X,Y相互独立 P{X=E(X)}=1 标准化的随机变量 协方差 Cov(X,Y) = E{(X-E(X))(Y-E(Y))} 第四章 相关系数 相关系数的性质 X，Y不相关 切比雪夫不等式 几种重要分布的数学期望和方差 几种重要分布的数学期望和方差 几种重要分布的数学期望和方差 矩 协方差矩阵 第五章 依概率收敛 伯努利大数定理 (弱大数定理） 辛钦大数定理 独立同分布的中心极限定理 李雅普诺夫中心极限定理 棣莫弗拉普拉斯中心极限定理 相互独立 发生A不会影响发生B的概率，没有必然关系，可以同时发生 互不相容 有你没我。二者只能有一个发生 如果两个事件互不相容，那么它们一定不相互独立。 用样本均值估计总体的均值 求矩估计量的方法 最大似然估计量 置信区间 概率密度和分布函数的区别。就和速度和位移的关系类似。某一点的概率密度的值表示在该点附近的概率？就相当于某一个时刻的速度，能表示在该时刻附近的位移吗？当然是否的，至少你需要乘一个时间，或者你可以任取一个时间段（