概率论与数理统计教程.pptxVIP

概率论与数理统计教程汇报人：AA2024-01-19

目录contents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参数估计方法与应用假设检验方法与应用

概率论基本概念01

不可能事件空集，不包含任何样本点的事件。必然事件包含样本空间中所有样本点的事件，即S本身。基本事件只包含一个样本点的事件。样本空间所有可能结果的集合，常用大写字母S表示。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。样本空间与事件

概率定义及性质概率定义事件A发生的可能性大小的度量，记为P(A)。概率性质非负性、规范性（必然事件的概率为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在事件B发生的条件下，事件A发生的概率，记为P(A|B)。独立性如果事件A与事件B相互独立，则P(A|B)=P(A)且P(B|A)=P(B)。条件概率条件概率与独立性

如果事件B1,B2,...,Bn构成一个完备事件组，且都具有正概率，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)。全概率公式在全概率公式的假设下，有P(Bi|A)=[P(A|Bi)P(Bi)]/P(A)，其中P(Bi|A)表示在事件A发生的条件下，事件Bi发生的概率。贝叶斯公式全概率公式与贝叶斯公式

随机变量及其分布02

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。根据取值的不同，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。连续型随机变量概率密度函数

随机变量函数分布随机变量函数的定义：随机变量函数是由随机变量构成的函数，其取值也是随机的。离散型随机变量函数的分布：通过分布律的变换得到。连续型随机变量函数的分布：通过概率密度函数的变换得到，需要注意变换后的概率密度函数是否满足规范性。

多维随机变量及其分布03

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。联合分布律对于离散型二维随机变量，通过联合分布律表或公式表示其取值概率。联合概率密度函数对于连续型二维随机变量，通过联合概率密度函数描述其在某一取值范围内的概率分布。二维随机变量联合分布

边缘分布与条件分布由联合分布函数推导出的关于单一随机变量的分布函数。边缘分布律对于离散型二维随机变量，边缘分布律表示单一随机变量取值的概率。条件分布在已知另一随机变量取值的条件下，某一随机变量的分布。包括条件分布律（离散型）和条件概率密度函数（连续型）。边缘分布函数

独立性的定义两个随机变量相互独立，当且仅当它们的联合分布等于各自边缘分布的乘积。连续型随机变量的独立性通过联合概率密度函数和边缘概率密度函数判断。离散型随机变量的独立性通过联合分布律和边缘分布律判断。相互独立随机变量

二维随机变量函数的分布讨论$Z=X+Y,Z=X-Y,Z=XY,Z=frac{X}{Y}$等函数的分布。多维随机变量的变换通过雅可比行列式等方法，求解多维随机变量经过线性或非线性变换后的分布。卷积公式用于求解两个独立随机变量之和的分布。多维随机变量函数分布

数理统计基本概念与方法04

03样本容量样本中包含的个体数目，通常用$n$表示。01总体研究对象的全体个体组成的集合，通常用一个概率分布来描述。02样本从总体中随机抽取的一部分个体组成的集合，用于推断总体的性质。总体与样本概念

样本的函数，用于描述样本的特征，如样本均值、样本方差等。统计量包括无偏性、有效性、一致性等，用于评价统计量的优劣。统计量的性质统计量及其性质

样本均值样本中所有个体观测值的算术平均数，服从正态分布。样本方差样本中各个个体观测值与样本均值之差的平方的平均数，服从卡方分布。样本标准差样本方差的平方根，用于衡量样本的离散程度。样本矩样本的$k$阶原点矩和中心矩，用于描述样本的分布形态。常用统计量及其分布

抽样分布定理$t$分布当总体分布未知且样本容量较小时，用于构造置信区间和进行假设检验的分布。中心极限定理当样本容量足够大时，不论总体分布如何，样本均值的分布近似于正态分布。大数定律当样本容量足够大时，样本均值趋近于总体均值。$F$分布用于比较两个总体方差是否相等的分