概率论与数理统计教材.pptxVIP

概率论与数理统计教材汇报人：AA2024-01-19

CATALOGUE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理统计基本概念与方法方差分析与回归分析初步随机过程简介与马尔科夫链初步

概率论基本概念01CATALOGUE

样本空间与事件事件必然事件样本空间的子集，即某些可能结果的组合。包含样本空间中所有样本点的事件。样本空间基本事件不可能事件所有可能结果的集合，常用大写字母S表示。只包含一个样本点的事件。不包含任何样本点的事件。

概率定义及性质概率定义描述某一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（必然事件的概率为1）、可加性（互斥事件的概率和等于它们并的概率）。

VS在某一事件B发生的条件下，另一事件A发生的概率，记作P(A|B)。事件的独立性如果两个事件A和B的发生互不影响，即P(AB)=P(A)P(B)，则称事件A和B是相互独立的。条件概率条件概率与独立性

全概率公式如果事件B1,B2,...,Bn构成一个完备事件组，且都有正概率，则对任意一个事件A，有P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)。贝叶斯公式在全概率公式的条件下，可以推导出贝叶斯公式，即P(Bi|A)=P(A|Bi)P(Bi)/[P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)]，用于计算某一事件发生后，另一事件发生的条件概率。全概率公式与贝叶斯公式

随机变量及其分布02CATALOGUE

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个样本点映射到一个实数。根据取值方式的不同，随机变量可分为离散型随机变量和连续型随机变量。随机变量概念及分类随机变量分类随机变量定义

离散型随机变量的分布律描述了随机变量取各个可能值的概率。分布律定义二项分布、泊松分布、几何分布等。常见离散型随机变量分布非负性、规范性、可加性。分布律性质离散型随机变量分布律

常见连续型随机变量分布正态分布、均匀分布、指数分布等。概率密度函数性质非负性、规范性、可积性。概率密度函数定义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某个区间内取值的概率大小。连续型随机变量概率密度

函数分布定义：随机变量函数的分布描述了由随机变量构成的函数的取值概率情况。离散型随机变量函数分布：通过分布律的变换得到。连续型随机变量函数分布：通过概率密度函数的变换得到，需注意变换后的概率密度函数可能发生变化。随机变量函数分布

多维随机变量及其分布03CATALOGUE

联合分布律对于离散型二维随机变量，联合分布律为$P{X=x_i,Y=y_j}=p_{ij}$，表示$X$取$x_i$且$Y$取$y_j$的概率。联合概率密度对于连续型二维随机变量，联合概率密度为$f(x,y)$，满足$int_{-infty}^{infty}int_{-infty}^{infty}f(x,y)dxdy=1$。联合分布函数描述二维随机变量$(X,Y)$在某一取值范围内的概率，即$F(x,y)=P(Xleqx,Yleqy)$。二维随机变量联合分布

边缘分布函数二维随机变量$(X,Y)$中，$X$或$Y$的分布函数称为边缘分布函数，即$F_X(x)=F(x,infty)$，$F_Y(y)=F(infty,y)$。边缘概率密度对于连续型二维随机变量，边缘概率密度为$f_X(x)=int_{-infty}^{infty}f(x,y)dy$和$f_Y(y)=int_{-infty}^{infty}f(x,y)dx$。条件分布在已知二维随机变量$(X,Y)$中某一变量的取值时，另一变量的条件分布。例如，在已知$X=x$的条件下，$Y$的条件分布为$F_{Y|X}(y|x)=frac{F(x,y)}{F_X(x)}$。边缘分布律对于离散型二维随机变量，边缘分布律为$p_{icdot}=sum_{j}p_{ij}$和$p_{cdotj}=sum_{i}p_{ij}$，分别表示$X$取$x_i$和$Y$取$y_j$的概率。边缘分布与条件分布

如果二维随机变量$(X,Y)$的联合分布可以表示为两个边缘分布的乘积，即$F(x,y)=F_X(x)F_Y(y)$，则称$X$和$Y$是相互独立的。独立性如果二维随机变量$(X,Y)$的协方差$text{Cov}(X,Y)=E[(X-E[X])(Y-E[Y])]neq0$，则称$X$和$Y$是相关的。如果$text{Cov}(X,Y)0$，则称$X$和$Y$是正相关的；如果$text{Cov}(X,Y)0$，则称$X$和$Y$是负相关的。相关性独立性及相关性判断

多维随机变量的函数分布设$(