概率论与数理统计第二周.pptxVIP

概率论与数理统计第二周汇报人：AA2024-01-19BIGDATAEMPOWERSTOCREATEANEWERA

目录CONTENTS事件与概率条件概率与独立性随机变量及其分布多维随机变量及其分布随机变量的数字特征大数定律与中心极限定理

BIGDATAEMPOWERSTOCREATEANEWERA01事件与概率

事件的定义01在一定条件下，并不总是发生（或说必然发生）的现象称为随机现象，简称现象。事件的表示方法02一般地，随机试验E的每一个可能结果称为E的一个样本点，全体样本点的集合称为E的样本空间，记作S。样本空间S的每一个子集称为随机事件，简称事件。事件的运算03事件A与事件B的并事件记作A∪B，表示事件A与事件B至少有一个发生；事件A与事件B的交事件记作A∩B，表示事件A与事件B同时发生；事件A与事件B的差事件记作A-B，表示事件A发生而事件B不发生。事件及其运算

概率是描述随机事件发生可能性大小的数值，常用P(A)表示。概率的定义非负性，即对于任意事件A，有P(A)≥0；规范性，即对于必然事件S，有P(S)=1；可加性，即对于任意两个互斥事件A和B，有P(A∪B)=P(A)+P(B)。概率的性质概率的定义与性质

如果每个样本点发生的可能性相等，则称这种试验为古典概型。在古典概型中，事件A的概率P(A)等于事件A包含的样本点个数与样本空间S包含的样本点个数之比。古典概型如果每个样本点发生的可能性不相等，但可以通过几何度量（如长度、面积、体积等）来描述其发生的可能性大小，则称这种试验为几何概型。在几何概型中，事件A的概率P(A)等于事件A对应的几何度量与样本空间S对应的几何度量之比。几何概型古典概型与几何概型

BIGDATAEMPOWERSTOCREATEANEWERA02条件概率与独立性

123在事件B发生的条件下，事件A发生的概率，记作P(A|B)。条件概率的定义P(A|B)=P(AB)/P(B)，其中P(AB)表示事件A和事件B同时发生的概率，P(B)表示事件B发生的概率。条件概率的计算公式非负性、规范性、可加性。条件概率的性质条件概率的定义与计算

如果事件A的发生与否对事件B的发生概率没有影响，则称事件A与事件B相互独立。事件独立性的定义通过比较P(AB)与P(A)P(B)是否相等来判断两个事件是否独立。如果相等，则两个事件相互独立；如果不相等，则两个事件不独立。事件独立性的判断方法如果事件A与事件B相互独立，那么事件A与事件B的补集也相互独立；如果事件A与事件B相互独立，且事件B与事件C相互独立，那么事件A与事件C也相互独立。事件独立性的性质事件的独立性及判断

独立重复试验的定义在相同的条件下重复进行n次试验，每次试验只有两种可能的结果（成功或失败），且每次试验成功的概率p相同，则称这n次试验为n重伯努利试验或独立重复试验。二项分布的定义在n重伯努利试验中，设事件A发生的次数为X，则X的可能取值为0,1,2,...,n，且对于每一个k（0≤k≤n），事件{X=k}的概率为P{X=k}=C(n,k)p^k(1-p)^(n-k)，其中C(n,k)表示从n个不同元素中取出k个元素的组合数。二项分布的性质二项分布是一种离散型概率分布；当n很大、p很小时，二项分布近似于泊松分布；当n很大时，二项分布的图形近似于正态分布。独立重复试验与二项分布

BIGDATAEMPOWERSTOCREATEANEWERA03随机变量及其分布

随机变量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。分类随机变量可以分为离散型随机变量和连续型随机变量两类。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无限不可列的。随机变量的概念及分类

离散型随机变量的分布律可以用概率质量函数来描述，它表示随机变量取各个值的概率。常见的离散型随机变量分布包括二项分布、泊松分布、几何分布等。离散型随机变量及其分布律常见分布分布律

连续型随机变量的概率密度函数是一个非负可积函数，它描述了随机变量在各个取值点的概率分布情况。概率密度常见的连续型随机变量分布包括正态分布、均匀分布、指数分布等。常见分布连续型随机变量及其概率密度

BIGDATAEMPOWERSTOCREATEANEWERA04多维随机变量及其分布

二维随机变量的定义设$X$和$Y$是两个随机变量，称$(X,Y)$为二维随机变量。联合分布函数的定义对于任意实数$x,y$，二元函数$F(x,y)=P{Xleqx,Yleqy}$称为二维随机变量$(X,Y)$的联合分布函数。联合分布律如果二维随机变量$(X,Y)$所有可能取的值是有限的或可列无限的，则称$(X,Y)$是离散型的二维随机变量