概率论-数理统计的基本概念.pptxVIP

概率论-数理统计的基本概念汇报人：AA2024-01-19

目录contents概率论基本概念数理统计基本概念常用离散型随机变量及其分布常用连续型随机变量及其分布多维随机变量及其分布大数定律和中心极限定理

概率论基本概念01

样本空间与事件事件必然事件样本空间的子集，即某些可能结果的集合。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表示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，不可能事件的概率为0）、可加性（互斥事件的概率之和等于它们并的概率）。

条件概率在已知另一事件B发生的条件下，事件A发生的概率，记作P(A|B)。要点一要点二事件的独立性如果事件A的发生与否对事件B发生的概率没有影响，则称事件A与事件B相互独立。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，可以求出事件Bi已发生的条件下，事件A发生的概率，即P(Bi|A)=P(A|Bi)P(Bi)/[P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)]。全概率公式与贝叶斯公式

数理统计基本概念02

03样本容量样本中包含的个体数目，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

样本的函数，用于描述样本的特征，如样本均值、样本方差等。统计量统计量的概率分布，描述了统计量在多次抽样中的分布情况。抽样分布正态分布、t分布、F分布、卡方分布等。常用抽样分布统计量与抽样分布

点估计用样本统计量的某个值来估计总体参数的方法，如样本均值估计总体均值。区间估计根据样本统计量的抽样分布，构造一个包含总体参数的置信区间，并给出该区间的置信水平。评价估计量的标准无偏性、有效性、一致性等。参数估计方法

原假设与备择假设原假设是研究者想要拒绝的假设，备择假设是研究者想要接受的假设。显著性水平与第一类错误显著性水平是事先设定的一个概率值，用于控制第一类错误（即错误地拒绝原假设）的概率。第二类错误与功效函数第二类错误是指当原假设不成立时，未能正确地拒绝原假设的错误。功效函数描述了在不同参数值下，检验能够正确地拒绝原假设的概率。检验统计量与拒绝域检验统计量是用于判断原假设是否成立的统计量，拒绝域是检验统计量取值的范围，当检验统计量落入拒绝域时，我们拒绝原假设。假设检验原理

常用离散型随机变量及其分布03

定义二项分布是一种离散型概率分布，描述了在n次独立重复的伯努利试验中成功次数的概率分布。概率质量函数P(X=k)=C(n,k)*p^k*(1-p)^(n-k)，其中C(n,k)表示组合数，即从n个不同元素中取出k个元素的组合数。期望和方差二项分布的期望E(X)=n*p，方差D(X)=n*p*(1-p)。二项分布

泊松分布是一种离散型概率分布，用于描述在给定时间间隔或给定区域内某一事件发生的次数的概率分布。定义P(X=k)=λ^k*e^(-λ)/k!，其中λ表示单位时间或单位面积内事件发生的平均次数。概率质量函数泊松分布的期望E(X)=λ，方差D(X)=λ。期望和方差泊松分布

概率质量函数P(X=k)=(1-p)^(k-1)*p，其中p表示每次试验成功的概率。期望和方差几何分布的期望E(X)=1/p，方差D(X)=(1-p)/p^2。定义几何分布是一种离散型概率分布，描述了在伯努利试验中首次成功所需要的试验次数的概率分布。几何分布

超几何分布是一种离散型概率分布，描述了在不放回的抽样中抽取到指定数量成功样本的概率分布。定义概率质量函数期望和方差P(X=k)=C(m,k)*C(N-m,n-k)/C(N,n)，其中N表示总体样本数，m表示总体中成功样本数，n表示抽取的样本数。超几何分布的期望E(X)=n*m/N，方差D(X)=n*m*(N-m)*(N-n)/[N^2*(N-1)]。超几何分布

常用连续型随机变量及其分布04

在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。定义均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U(a,b)。性质均匀分布

指数