概率论与数理统计总复习.pptxVIP

概率论与数理统计总复习汇报人：AA2024-01-192023AAREPORTING

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和方法方差分析与回归分析初步概率论与数理统计在实际问题中应用举例目录CATALOGUE2023

PART01概率论基本概念2023REPORTING

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）。

条件概率在事件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)P(B)。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，则对任意事件A，有P(A)=∑P(Bi)P(A|Bi)。贝叶斯公式在全概率公式的条件下，可以求得P(Bi|A)=P(Bi)P(A|Bi)/∑P(Bj)P(A|Bj)。全概率公式与贝叶斯公式

PART02随机变量及其分布2023REPORTING

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。根据随机变量可能取值的性质，可以将其分为离散型随机变量和连续型随机变量。随机变量定义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

离散型随机变量函数分布通过分布律的求解方法，可以求得离散型随机变量函数的分布律。连续型随机变量函数分布通过概率密度函数的变换方法，可以求得连续型随机变量函数的概率密度函数。随机变量函数的定义设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，其分布称为随机变量X的函数分布。随机变量函数分布

PART03多维随机变量及其分布2023REPORTING

描述两个随机变量同时取值的概率，通常用一个二维表格表示，表格中每个元素表示两个随机变量取对应值的概率。联合分布律对于连续型随机变量，联合密度函数描述了两个随机变量在某一区域内取值的概率密度，其积分值等于该区域内事件发生的概率。联合密度函数二维随机变量联合分布律/密度函数

VS由联合分布律推导而来，表示一个随机变量取值的概率分布，即固定另一个随机变量的取值，对联合分布律进行求和操作。边缘密度函数由联合密度函数推导而来，表示一个连续型随机变量的概率密度函数，即固定另一个随机变量的取值，对联合密度函数进行积分操作。边缘分布律边缘分布律/密度函数

描述在已知一个随机变量取值的条件下，另一个随机变量的概率分布。通过联合分布律和边缘分布律计算得到。对于连续型随机变量，条件密度函数描述了在已知一个随机变量取值的条件下，另一个随机变量的概率密度函数。通过联合密度函数和边缘密度函数计算得到。条件分布律条件密度函数条件分布律/密度函数

定义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。性质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概率。在实际应用中，可以利用相互独立性简化概率计算和问题分析。相互独立二维随机变量

PART04数理统计基本概念和方法2023REPORTING

总体研究对象的全体个体组成的集合，通常用一个分布函数来描述。样本从总体中随机抽取的一部分个体，用于推断总体的性质。统计量由样本数据计算得出的一个量，用于描述样本特征或推断总体参数。总体、样本和统计量

大数定律当样本容量足够大时，样本均值趋近于总体均值。抽样分布的性质包括期望、方差、分布形态等，用于推断总体参数的置信区间和假设检验。中心极限定理当样本容量足够大时，样本均值的分布近似于正态分布，无论总体分布是什么。抽样分布定理

参数估计方法（点估计、区间估计）用一个具体的数值来估计总体参数，如样本均值、样本方差等。点估计根据样本数据构造一个置信区间，以一定概率包含总体参数的真值。置信区间由置信水平和样本数据共同决定。区间估计

假设检验原理及步骤

假