概率论与数理统计的基本概念.pptxVIP

概率论与数理统计的基本概念汇报人：AA2024-01-19AAREPORTING2023WORKSUMMARY

目录CATALOGUE概率论的基本概念数理统计的基本概念随机变量及其分布多维随机变量及其分布大数定律与中心极限定理数理统计中的基本概念和方法在实际问题中的应用AA

PART01概率论的基本概念

在一定条件下并不总是发生，也不总是不发生的现象。随机事件概率必然事件不可能事件描述随机事件发生的可能性大小的数值，取值范围在0到1之间。在一定条件下一定会发生的事件，其概率为1。在一定条件下一定不会发生的事件，其概率为0。随机事件与概率

古典概型与几何概型古典概型又称等可能概型，指随机试验中所有可能的基本事件有有限个，且每个基本事件发生的可能性相同。几何概型如果每个事件发生的概率只与构成该事件区域的长度（面积或体积或度数）成比例，则称这样的概率模型为几何概率模型，简称为几何概型。

VS在事件A发生的条件下，事件B发生的概率，记作P(B|A)。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B相互独立。条件概率条件概率与独立性

全概率公式如果事件A1,A2,...,An构成一个完备事件组，且都具有正概率，则对任一事件B，有如下公式：P(B)=P(A1)P(B|A1)+P(A2)P(B|A2)+...+P(An)P(B|An)。贝叶斯公式在全概率公式的假定之下，贝叶斯公式提供了根据新的信息对原有判断进行修正的方法。公式为：P(Ai|B)=P(Ai)P(B|Ai)/[P(A1)P(B|A1)+P(A2)P(B|A2)+...+P(An)P(B|An)]。全概率公式与贝叶斯公式

PART02数理统计的基本概念

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。总体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。样本样本中包含的个体数目，通常用n表示。样本容量总体与样本

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。抽样分布由于抽样导致的统计量与总体参数之间的差异。抽样误差统计量与抽样分布

点估计用一个具体的数值来估计总体参数的方法，如样本均值估计总体均值。区间估计用一个区间来估计总体参数的方法，该区间以一定的概率包含总体参数的真值。估计量的评价标准无偏性、有效性、一致性等。参数估计

假设检验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。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。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，用于判断原假设是否显著不成立；第一类错误是在原假设为真时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在原假设为假时未能拒绝原假设的概率；功效函数描述了检验统计量在不同参数值下的表现情况。

PART03随机变量及其分布

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。随机变量随机变量具有可测性、单调性和有界性等性质。其中，可测性是指随机变量的取值可以被概率测度所描述；单调性是指随机变量的取值随着样本点的变化而单调变化；有界性是指随机变量的取值范围在一个确定的区间内。随机变量的性质随机变量的定义与性质

离散型随机变量是指其取值是有限个或可列个的随机变量。离散型随机变量的分布律可以用概率质量函数来描述，即随机变量取各个值的概率。常见的离散型随机变量分布有伯努利分布、二项分布、泊松分布等。离散型随机变量分布律离散型随机变量及其分布律

连续型随机变量及其概率密度连续型随机变量是指其取值可以充满一个区间或多个区间的随机变量。连续型随机变量连续型随机变量的概率密度可以用概率密度函数来描述，即随机变量在某个区间内取值的概率与该区间的长度之比。常见的连续型随机变量分布有均匀分布、正态分布、指数分布等。概率密度

随机变量的函数的定义随机变量的函数是指通过一定的函数关系将一个随机变量映射到另一个随机变量。随机变量的函数的分布随机变量的函数的分布可以通过变换定理来求解，即根据原随机变量的分布和函数关系，求出新的随机变量的分布。常见的随机变量的函数有线性变换、非线性变换等。随机变量的函数的分布

PART04多维随机变量及其分布

定义多维随机变量是指取值于多维空间中的随机变量，通常表示为向量形式。要点一要点二性质多维随机变量具有一些基本性质，如联合分布函数、边缘分布函数、条件分布函数等。多维随机变量的定义与性质

多维随机变量的边缘分布是指其中一个或几个分量的分布，可以通过对联合分布函数进行积分得到。边缘分布多维