高教概率论与数理统计.pptxVIP

高教概率论与数理统计汇报人：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假设检验与方差分析回归分析初步

01概率论基本概念

123所有可能结果的集合，常用大写字母S表示。样本空间样本空间的子集，即某些可能结果的组合。事件常用大写字母A、B、C等表示。事件只包含一个样本点的事件，其发生概率为该样本点出现的概率。基本事件样本空间与事件

描述某一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。非负性、规范性（所有可能事件的概率之和为1）、可加性（互斥事件的概率之和等于它们并事件的概率）。概率定义及性质概率性质概率定义

条件概率与独立性条件概率在某一事件B发生的条件下，另一事件A发生的概率，记作P(A|B)。事件的独立性如果事件A的发生与否对事件B的发生概率没有影响，则称事件A与事件B相互独立。

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基础上，可以推导出贝叶斯公式，用于计算某一原因在已知结果下的发生概率，即后验概率。贝叶斯公式全概率公式与贝叶斯公式

02随机变量及其分布

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个样本点映射到一个实数。随机变量分类根据取值的不同，随机变量可分为离散型随机变量和连续型随机变量。离散型随机变量取值为有限个或可列个，而连续型随机变量取值充满某个区间。随机变量概念及分类

分布律定义离散型随机变量的分布律描述了每个可能取值的概率。对于离散型随机变量X，其分布律可以用概率函数P(X=x)来表示，其中x为X的所有可能取值。常见离散型分布常见的离散型分布包括二项分布、泊松分布、几何分布等。这些分布各自具有不同的特点和适用场景。离散型随机变量分布律

连续型随机变量概率密度函数连续型随机变量的概率密度函数描述了随机变量在某个区间内取值的概率分布情况。对于连续型随机变量X，其概率密度函数f(x)满足P(aX≤b)=∫abf(x)dx，其中a和b为任意实数。概率密度函数定义常见的连续型分布包括正态分布、均匀分布、指数分布等。这些分布各自具有不同的特点和适用场景。常见连续型分布

VS随机变量函数是指通过已知随机变量的函数关系得到的新的随机变量。例如，若X是一个随机变量，则Y=g(X)也是一个随机变量，其中g是一个实函数。随机变量函数的分布求法求随机变量函数的分布通常需要先确定原随机变量的分布，然后根据函数关系进行变换。对于离散型随机变量，可以通过列举法或母函数法求解；对于连续型随机变量，可以通过概率密度函数的变换求解。随机变量函数的定义随机变量函数的分布

03多维随机变量及其分布

对于离散型二维随机变量，联合分布律描述了每一个可能取值的概率，常用二维表格表示。对于连续型二维随机变量，联合密度函数描述了随机变量取值的概率分布情况，具有非负性和规范性。联合分布律联合密度函数二维随机变量联合分布律/密度函数

边缘分布律离散型二维随机变量的边缘分布律是指固定一个变量的取值，另一个变量的概率分布情况。边缘密度函数连续型二维随机变量的边缘密度函数是指对联合密度函数进行积分，得到一个变量的概率分布情况。边缘分布律/密度函数

条件分布律在离散型二维随机变量中，条件分布律描述了在已知一个变量取值的条件下，另一个变量的概率分布情况。要点一要点二条件密度函数在连续型二维随机变量中，条件密度函数描述了在已知一个变量取值的条件下，另一个变量的概率分布情况。条件分布律/密度函数

多维随机变量函数的分布

04数理统计基本概念与方法

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

统计量样本的函数，用于描述样本的特征，如样本均值、样本方差等。统计量的性质包括无偏性、有效性和一致性等，用于评价统计量的优劣。统计量及其性质

当样本容量足够大时，样本均值趋近于总体均值。大数定律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。中心极限定理用于小样本情况下总体均值的推断，其分布形态与自由度有关。t分布抽样分布定理

用样本统计量的某个值来估计总体参数的方法，如最大似然估计、矩估计等。点估计根据样本统计量的分布性质，构造出总体参数的一个置信区间，用于估计总体参数的可能取值范围。区间估计参数估计方法

05假设检验与方差分析

假设检验的基本原理根据小概率原理，通过构造适当的统计量，对总体分布或总体参数提出假设，然后利用样本信息判断假设是