概率论与数理统计浙江大学第四版盛骤概率论部分2-.pptxVIP

概率论与数理统计浙江大学第四版盛骤概率论部分2-汇报人：AA2024-01-19

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随机变量数字特征大数定律和中心极限定理参数估计与假设检验方差分析与回归分析初步目录

01概率论基本概念

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、C等表示。基本事件只包含一个样本点的事件，是构成样本空间的最小单元。样本空间与事件030201

在相同条件下，某一事件A出现的可能性大小的度量，记作P(A)。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（互斥事件的概率和等于它们并的概率）。概率定义及性质概率性质概率定义

条件概率独立性乘法公式条件概率与独立性在事件B发生的条件下，事件A发生的概率，记作P(A|B)。如果事件A和事件B相互独立，则一个事件的发生不会影响另一个事件的发生概率，即P(A|B)=P(A)且P(B|A)=P(B)。对于任意两个事件A和B，有P(AB)=P(A)P(B|A)，若A和B相互独立，则P(AB)=P(A)P(B)。

02随机变量及其分布

随机变量定义及性质随机变量定义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。随机变量性质随机变量具有可测性、分布函数性质、数学期望和方差等性质。其中，分布函数是描述随机变量取值规律的重要工具。

0-1分布0-1分布是二项分布的特例，它描述的是只有两种可能结果的随机试验。二项分布二项分布描述的是n重伯努利试验中成功次数X的分布，其中每次试验成功的概率为p。泊松分布泊松分布描述的是单位时间内随机事件发生的次数X的分布，其中单位时间内事件发生的平均次数为λ。常见离散型随机变量分布

010203均匀分布均匀分布描述的是在某个区间内随机变量取值的概率分布情况，其中每个取值的概率密度都相等。指数分布指数分布描述的是随机事件发生的时间间隔X的分布，其中时间间隔的平均值为1/λ。正态分布正态分布是连续型随机变量中最为常见的一种分布，它描述的是影响某个指标的随机因素非常多且每个因素的影响都很小的情况下，这个指标的取值分布情况。正态分布具有钟型曲线的特点，其概率密度函数关于均值对称。常见连续型随机变量分布

03多维随机变量及其分布

设$(X,Y)$是二维随机变量，对于任意实数$x,y$，二元函数$F(x,y)=P{(Xleqslantx)cap(Yleqslanty)}$称为二维随机变量$(X,Y)$的联合分布函数。联合分布函数如果二维随机变量$(X,Y)$的联合分布函数$F(x,y)$可微，则称$f(x,y)=frac{partial^2F(x,y)}{partialxpartialy}$为$(X,Y)$的联合概率密度。联合概率密度二维随机变量联合分布

边缘分布函数二维随机变量$(X,Y)$关于$X$的边缘分布函数定义为$F_X(x)=P{Xleqslantx}$，关于$Y$的边缘分布函数定义为$F_Y(y)=P{Yleqslanty}$。条件分布设$(X,Y)$是二维随机变量，且$P{Y=y}0$，则称$P{Xleqslantx|Y=y}=frac{P{Xleqslantx,Y=y}}{P{Y=y}}$为在$Y=y$条件下$X$的条件分布函数。边缘分布与条件分布

VS如果二维随机变量$(X,Y)$的联合概率密度$f(x,y)$可以表示为两个非负函数$g(x)$和$h(y)$的乘积，即$f(x,y)=g(x)h(y)$，则称$X$和$Y$是相互独立的。相关性分析通过计算相关系数$rho_{XY}$来衡量两个随机变量之间的线性相关程度。当$rho_{XY}=0$时，称$X$和$Y$是不相关的；当$rho_{XY}0$时，称$X$和$Y$是正相关的；当$rho_{XY}0$时，称$X$和$Y$是负相关的。独立性检验独立性检验与相关性分析

04随机变量数字特征

数学期望与方差01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概率加权和。02方差：衡量随机变量取值与其数学期望的偏离程度，即随机变量的离散程度。常见的离散型随机变量的数学期望与方差计算：二项分布、泊松分布等。03

相关系数标准化后的协方差，用于消除量纲影响，更准确地反映两个随机变量之间的线性相关程度。性质若两个随机变量相互独立，则它们的协方差和相关系数均为0；反之则不成立。协方差衡量两个随机变量的总体误差，反映两个随机变量变化的趋势。协方差与相关系数

ABCD矩、峰度和偏度矩描述随机变量分布形态的特征数，包括原点矩和中心矩。偏度衡量随机变量分布偏斜程度的特征数，正偏度表示分布右偏，负偏度表示分布左偏。峰度衡量随机变量分布