概率统计简明教程.pptVIP

 第 一 章 1.1 样本空间和随机事件 三、样本空间 样本点 定义1.1 对于随机试验E，它的每一个可 能结果称为样本点，由一个样本点组成的 单点集称为基本事件。所有样本点构成的 集合称为E 的样本空间或必然事件，用? 或S表示. 概率论与集合论之间的对应关系  第 二 章 2.1 概率的概念 2.3 几何概型 2.4 概率的公理化定义  第 三 章 3.1 条件概率 3.2 全概率公式 3.4 事件的独立性 3.5 伯努利试验与二项概率 一、伯努利概型的定义 1. 定义 (独立试验序列)  第 四 章 4.1 随机变量及分布函数 二、分布函数的概念 2.分布函数的性质 4.2 离散型随机变量 4.3 连续型随机变量 二、常见连续型随机变量的分布  第 五 章 5.1 二维随机变量及分布函数 5.2 二维离散型随机变量 5.3 二维连续型随机变量 5.4 边缘分布 5.5 随机变量的独立性  第 五 章 6.1一维随机变量的函数及其分布 6.2 二维随机变量的函数及其分布  第 五 章 三、常见概率分布的方差 一、数学期望的定义 二、随机变量函数的数学期望 三、数学期望的性质 7.1 数学期望 一、数学期望定义 1） 离散型 设离散型随机变量X的分布律为： 若级数 绝对收敛，则称随机变量 X 的数 学期望存在，记作 EX， 且 数学期望也称为均值。 2）连续型 设连续型随机变量X的概率密度为 ， 若积分 绝对收敛，则称积分 的值为X的数学期望。 记为 3. 正态分布(或高斯分布) 正态概率密度函数的几何特征 标准正态分布的概率密度表示为 标准正态分布 标准正态分布的分布函数表示为 一般正态分布与标准正态分布的关系 一、二维随机变量定义 二、二维随机变量的分布函数 一、二维随机变量定义 二、二维随机变量的分布函数 (1)分布函数的定义 (2) 分布函数的性质 且有 一、二维随机变量定义 二、二维随机变量的分布律 若二维随机变量 所取的可能值是有限对或无限可列多对,则称 为二维离散型随机变量. 一、二维随机变量定义 二. 二维离散型随机变量的分布律 一、二维随机变量的密度函数 二、常用二维连续型分布 一、二维连续型随机变量的密度 1.定义 2.性质 二、二维随机变量的密度函数 1.均匀分布 定义 设 G 是平面上的有界区域,其面积为 A,若二维随机变量 具有概率密度 则称 在 G上服从均匀分布. 2.二维正态分布 若二维随机变量 具有概率密度 一、边缘分布函数 二、边缘分布律 三、边缘密度函数 一、边缘分布函数 二、边缘分布律 三、边缘密度函数 二、二维离散型随机变量的独立 三、二维连续型随机变量的独立性 一、独立性的定义 一、独立性的定义 二、二维离散型随机变量的独立 三、二维连续型随机变量的独立性 若 的联合密度 处处连续， 相互独立的充分必要条件是 一、X为离散型随机变量 二、 X为连续型随机变量 设 r.v. 的分布律为 由已知函数 f( x)是实变量x的单值函数， 则当 只取有限个或可列个值 可求出 r.v. 的所有可能取值 , 则 的概率分布为: 一、X为离散型随机变量 一、（X，Y）为离散型随机变量 二、（X，Y）为连续型随机变量 设二维离散随机变量 由已知函数 f( x，y)是实变量x与y的单值函数， 则 仍然是一个离散型的随机变量， 当 取有限对 或可列对值 可求出 r.v. 的所有可能取值 则 的概率分布为: 一、（X，Y）为离散型随机变量 二、概率的性质 一、条件概率的定义 二、条件概率的性质 三、乘法定理 一、条件概率的定义 ? A B AB 二、条件概率的性质 三、乘法定理 3.3 贝叶斯公式 一、事件独立性的定义 二、独立事件的性质 一、事件独立性的定义 (一) 两个事件的独立性 （二） n 个事件的独立性 设 A1，A2 ，… ，An为n 个事件， 若对于任意k(1≤k≤n), 及 1≤i 1 i 2 ··· i k≤n 事件 A 与 B 相互独立,是指事件 A 的发生与事件 B 发