概率统计的茆诗松.pptxVIP

汇报人:AA2024-01-20概率统计的茆诗松

目录CONTENCT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数字特征与特征函数统计量及其抽样分布参数估计方法论述

01概率论基本概念

0102030405样本空间事件基本事件必然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。样本空间的子集，即某些可能结果的集合。只包含一个样本点的事件。包含样本空间中所有样本点的事件。空集，不包含任何样本点的事件。样本空间与事件

概率定义及性质概率定义事件A发生的可能性大小的数值度量，记为P(A)。概率性质非负性、规范性（必然事件的概率为1）、可列可加性（互不相容事件的并的概率等于各事件概率之和）。

在事件B发生的条件下，事件A发生的概率，记为P(A|B)。条件概率如果事件A和事件B相互独立，则P(AB)=P(A)P(B)。独立性条件概率与独立性

全概率公式贝叶斯公式全概率公式与贝叶斯公式如果事件B1,B2,...,Bn构成一个完备事件组，且都有正概率，则对任一事件A，有P(A)=ΣP(Bi)P(A|Bi)。在全概率公式的假定下，有P(Bi|A)=P(Bi)P(A|Bi)/ΣP(Bj)P(A|Bj)。

02一维随机变量及其分布

定义设随机试验的样本空间为S，如果对于每一个样本点e∈S，都有一个实数X(e)与之对应，则称X=X(e)为随机变量。分类根据随机变量可能取值的性质不同，可分为离散型随机变量和连续型随机变量两类。随机变量定义及分类

0-1分布二项分布泊松分布随机变量X只可能取0和1两个值，且取1的概率为p，取0的概率为1-p。在n次独立重复的伯努利试验中，事件A恰好发生k次的概率分布。描述单位时间内随机事件发生的次数，是一种常用的离散概率分布。离散型随机变量分布律

80%80%100%连续型随机变量概率密度在区间[a,b]内，随机变量X的概率密度函数为常数，即f(x)=1/(b-a)。描述两个连续事件之间的时间间隔，其概率密度函数为f(x)=λe^(-λx)，x0。一种连续型概率分布，其概率密度函数呈钟形曲线，具有对称性。均匀分布指数分布正态分布

离散型随机变量函数的分布通过概率的加法定理和乘法定理，可以求出离散型随机变量函数的分布律。连续型随机变量函数的分布通过概率密度函数的变换法则，可以求出连续型随机变量函数的概率密度函数。随机变量函数分布

03多维随机变量及其分布

联合概率密度函数对于连续型随机变量，通过联合概率密度函数来描述其联合分布情况，该函数具有非负性和规范性。联合分布律对于离散型随机变量，通过联合分布律来描述其联合分布情况，即列出所有可能的取值组合及其对应的概率。联合分布函数的定义与性质描述两个随机变量同时取值的概率分布情况，具有非负性、规范性、右连续性等性质。二维随机变量联合分布缘分布函数边缘概率密度函数条件分布函数条件概率密度函数边缘分布与条件分布在已知一个随机变量取值的条件下，另一个随机变量的分布函数。对于连续型随机变量，由联合概率密度函数对其中一个变量积分得到。由联合分布函数对其中一个变量求极限得到，表示一个随机变量取值的概率分布情况。对于连续型随机变量，条件分布函数对应的概率密度函数。

独立性定义独立性判断方法独立性应用独立性判断及应用通过比较联合分布与边缘分布乘积是否相等来判断两个随机变量是否独立。在统计分析中，如果两个随机变量独立，则可以简化很多计算和分析过程。如果两个随机变量的联合分布等于各自边缘分布的乘积，则称这两个随机变量是独立的。

多维随机变量函数的定义由多维随机变量的各个分量通过某种函数关系确定的新的随机变量。多维随机变量函数的分布求法通过变换法则或者卷积公式等方法求解多维随机变量函数的分布。常见的多维随机变量函数分布包括多维正态分布、多维均匀分布等，这些分布在统计分析中有广泛应用。多维随机变量函数分布030201

04数字特征与特征函数

数学期望是概率分布的中心位置度量，具有线性性质、单调性质等。数学期望的定义和性质方差是概率分布的离散程度度量，具有非负性质、可加性质等。方差的定义和性质如二项分布、泊松分布、指数分布、正态分布等。常见分布的数学期望和方差数学期望与方差计算

协方差用于度量两个随机变量的线性相关程度，具有对称性、可加性等。协方差的定义和性质相关系数是标准化后的协方差，用于度量两个随机变量的线性相关程度，取值范围为[-1,1]。相关系数的定义和性质可通过样本数据计算得到，用于实际问题的分析和预测。协方差和相关系数的计算协方差与相关系数求解

矩的定义和性质矩是描述随机变量分布形态的重要数字特征，包括原点矩和中心矩。特征函数的定义和性质特征函数是描述随机变量分布的重要工具，包括特征函数和逆特征函数。协方差矩阵的定义和性质协方差矩阵