概率论与数理统计(浙大第四版).pptxVIP

概率论与数理统计(浙大第四版)汇报人：AA2024-01-19

目录概率论基本概念一维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数理统计基本概念参数估计假设检验CONTENTS

01概率论基本概念CHAPTER

123在一定条件下并不总是发生的现象称为随机事件。随机事件用来量化随机事件发生可能性的数值，取值范围在0到1之间。概率非负性、规范性、可加性。概率的性质随机事件与概率

如果每个样本点发生的可能性相等，则称这种概率模型为古典概型。如果样本点的发生概率与某个区域的几何度量（如长度、面积、体积等）成正比，则称这种概率模型为几何概型。古典概型与几何概型几何概型古典概型

事件的独立性如果两个事件的发生互不影响，则称这两个事件是相互独立的。乘法公式用于计算多个事件同时发生的概率，特别地，当这些事件相互独立时，乘法公式可简化为各事件概率的乘积。条件概率在已知某个事件发生的条件下，另一个事件发生的概率。条件概率与独立性

02一维随机变量及其分布CHAPTER

取值可数的随机变量，如投掷骰子出现的点数。定义描述离散型随机变量取各个值的概率，常用表格或图形表示。概率分布律二项分布、泊松分布、几何分布等。常见离散型随机变量分布离散型随机变量

定义取值充满某个区间的随机变量，如测量某物体的长度。常见连续型随机变量分布均匀分布、指数分布、正态分布等。概率密度函数描述连续型随机变量在某个区间内取值的概率分布情况，具有非负性和规范性。连续型随机变量

定义随机变量通过函数关系形成的新的随机变量。常见函数分布线性变换、多项式变换、指数变换等。求解方法通过已知随机变量的分布，结合函数关系，求解新随机变量的分布。随机变量的函数分布

03多维随机变量及其分布CHAPTER

二维随机变量的定义设$X$和$Y$是两个随机变量，由它们构成的二维数组$(X,Y)$称为二维随机变量。联合分布函数对于任意实数$x,y$，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。联合概率密度函数如果存在非负函数$f(x,y)$，使得对于任意实数$x,y$，有$F(x,y)=int_{-infty}^{x}int_{-infty}^{y}f(u,v)dudv$，则称$f(x,y)$为二维随机变量$(X,Y)$的联合概率密度函数。010203二维随机变量及其联合分布

边缘分布函数二维随机变量$(X,Y)$关于$X$和关于$Y$的分布函数分别称为$(X,Y)$关于$X$和关于$Y$的边缘分布函数，简称边缘分布。条件分布函数设二维随机变量$(X,Y)$的联合分布函数为$F(x,y)$，关于$X$和关于$Y$的边缘分布函数分别为$F_X(x)$和$F_Y(y)$。对于固定的$y$，如果$P{Y=y}0$，则称$frac{F(x,y)-F(x,y-)}{P{Y=y}}$为在$Y=y$条件下$X$的条件分布函数，记为$F_{X|Y}(x|y)$。条件概率密度函数如果存在联合概率密度函数$f(x,y)$，则条件概率密度函数定义为$f_{X|Y}(x|y)=frac{f(x,y)}{f_Y(y)}$，其中$f_Y(y)$是$Y$的边缘概率密度函数。边缘分布与条件分布

相互独立的定义设二维随机变量$(X,Y)$的联合分布函数为$F(x,y)$，边缘分布函数分别为$F_X(x)$和$F_Y(y)$。如果对于所有的$x,y$，都有$F(x,y)=F_X(x)F_Y(y)$，则称随机变量$X$和$Y$是相互独立的。相互独立的性质如果两个随机变量相互独立，则一个随机变量的取值不会影响另一个随机变量的取值。即对于任意实数$x_1,x_2,y_1,y_2$，都有$P{Xleqx_1,Yleqy_1}=P{Xleqx_1}P{Yleqy_1}$和$P{Xleqx_2,Yleqy_2}=P{Xleqx_2}P{Yleqy_2}$。相互独立与条件独立的区别相互独立是两个随机变量之间的一种关系，而条件独立是在给定某些条件下两个随机变量之间的关系。即使两个随机变量不是相互独立的，它们也可能在某些条件下是条件独立的。相互独立的随机变量

04随机变量的数字特征CHAPTER

方差衡量随机变量取值与其数学期望的偏离程度，即随机变量取值的波动性或分散程度。标准差方差的算术平方根，与方差一样用于衡量随机变量的波动性或分散程度。数学期望描述随机变量取值的“平均水平”，是随机变量所有可能取值的加权平均数，权数为对应的概率。数学期望与方差

协方差衡量两个随机变量的总体误差，反映两个随机变量线性相关的程度和方向。相关系数将协方差标准化后的结果，消除了量纲的影响，更直观地反映两个随机变量之间的线性相关程度。独立性如果两个随机变量的协方差为