概率论数理统计.pptxVIP

汇报人：AA概率论数理统计2024-01-19

目录概率论基本概念随机变量及其分布多维随机变量及其分布数字特征与特征函数大数定律与中心极限定理数理统计基本概念和方法

01概率论基本概念Chapter

事件样本空间的子集，即某些可能结果的集合，常用大写字母A、B等表示。基本事件只包含一个样本点的事件，其发生概率为0或1。样本空间所有可能结果的集合，常用大写字母S表示。样本空间与事件

概率定义及性质概率定义描述事件发生的可能性大小的数值，常用P(A)表示事件A发生的概率。概率性质非负性、规范性（所有可能事件的概率之和为1）、可列可加性（互不相容事件的并的概率等于各事件概率之和）。

VS在已知另一事件B发生的条件下，事件A发生的概率，记作P(A|B)。独立性若两事件A、B满足P(AB)=P(A)P(B)，则称事件A与B相互独立。条件概率条件概率与独立性

若事件B1,B2,...,Bn构成一个完备事件组，且都有正概率，则对任一事件A，有P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)。在全概率公式的条件下，若事件A已发生，则事件Bi发生的概率为P(Bi|A)=P(A|Bi)P(Bi)/P(A)，其中P(A)可由全概率公式计算得出。全概率公式贝叶斯公式全概率公式与贝叶斯公式

02随机变量及其分布Chapter

随机变量是定义在样本空间上的实值函数，它将样本空间中的每一个样本点映射到一个实数。定义随机变量可分为离散型随机变量和连续型随机变量。离散型随机变量的取值是有限个或可列个，而连续型随机变量的取值则是充满一个区间。分类随机变量定义及分类

描述单位时间内随机事件发生的次数X的分布，其中单位时间内事件发生的平均次数为λ。二项分布、泊松分布、几何分布等。离散型随机变量的分布律描述了随机变量取各个值的概率。描述n次独立重复试验中事件A发生的次数X的分布，其中每次试验中事件A发生的概率为p。常见离散型分布分布律定义二项分布泊松分布离散型随机变量分布律

概率密度函数定义连续型随机变量的概率密度函数描述了随机变量在某个区间内取值的概率大小。正态分布、均匀分布、指数分布等。描述影响某个指标的随机因素很多且每个因素的影响都很小的情况下，该指标的分布近似服从正态分布。正态分布的概率密度函数呈钟形曲线，具有对称性。描述随机变量在某个区间内等可能地取值的分布。均匀分布的概率密度函数在该区间内为常数。常见连续型分布正态分布均匀分布连续型随机变量概率密度函数

随机变量函数分布设X是一个随机变量，g(X)是X的函数，那么g(X)也是一个随机变量，称为随机变量X的函数。离散型随机变量函数的分布当X是离散型随机变量时，可以通过计算g(X)取各个值的概率来得到g(X)的分布律。连续型随机变量函数的分布当X是连续型随机变量时，可以通过求解g(X)的概率密度函数来得到g(X)的分布。在某些情况下，可以通过变换公式直接得到g(X)的概率密度函数。随机变量函数的定义

03多维随机变量及其分布Chapter

联合分布律对于离散型二维随机变量，联合分布律描述了每一个可能取值的概率，常用二维表格表示。联合密度函数对于连续型二维随机变量，联合密度函数描述了随机变量取值的概率分布情况，是一个二元函数。二维随机变量联合分布律/密度函数

离散型二维随机变量的边缘分布律是指其中一个随机变量取某一特定值时，另一个随机变量的分布律。连续型二维随机变量的边缘密度函数是指其中一个随机变量在某一范围内的概率分布情况，是一个一元函数。边缘分布律/密度函数边缘密度函数边缘分布律

条件分布律/密度函数在离散型二维随机变量中，一个随机变量在另一个随机变量取某一特定值时的条件分布律。条件分布律在连续型二维随机变量中，一个随机变量在另一个随机变量取某一特定值时的条件密度函数。条件密度函数

如果两个随机变量的联合分布律（或联合密度函数）等于各自边缘分布律（或边缘密度函数）的乘积，则称这两个随机变量是相互独立的。相互独立的随机变量意味着一个随机变量的取值不会影响另一个随机变量的取值。定义性质相互独立随机变量

04数字特征与特征函数Chapter

数学期望描述随机变量取值的“平均值”，反映随机变量取值的“中心位置”。方差描述随机变量取值的离散程度，即随机变量取值与其数学期望的偏离程度。性质数学期望和方差具有线性性质、独立性、可加性等。数学期望与方差

描述两个随机变量的总体误差，反映两个随机变量变化的趋势。协方差衡量两个随机变量之间线性相关程度的量，取值范围为[-1,1]。相关系数协方差和相关系数具有对称性、可加性、标准化等性质。性质协方差与相关系数描述随机变量分布形态的量，包括原点矩和中心矩。特征函数描述随机变量概率分布特性的