高等数学概率论与数理统计.pptxVIP

汇报人:AA2024-01-19高等数学概率论与数理统计

目录CONTENCT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了解

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，即某些可能结果的组合。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。不包含任何样本点的事件。样本空间与事件

概率定义概率性质概率定义及性质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（必然事件的概率为1，不可能事件的概率为0）、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）。

80%80%100%条件概率与独立性在某一事件B发生的条件下，另一事件A发生的概率，记作P(A|B)。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。P(AB)=P(A)P(B|A)，用于计算两个事件的交的概率。条件概率事件的独立性乘法公式

全概率公式与贝叶斯公式全概率公式如果事件B1,B2,...,Bn构成一个完备事件组，且都具有正概率，则对任一事件A，有P(A)=∑P(Bi)P(A|Bi)。贝叶斯公式在全概率公式的条件下，可以计算某一原因（Bi）导致结果（A）发生的概率，即P(Bi|A)=P(ABi)/P(A)=P(Bi)P(A|Bi)/∑P(Bj)P(A|Bj)。

02随机变量及其分布

VS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。随机变量分类根据随机变量取值的特点，可以将其分为离散型随机变量和连续型随机变量两类。随机变量定义随机变量定义及分类

分布律定义离散型随机变量的分布律是指它在各个可能取到的值上的概率分布情况。常见离散型随机变量分布二项分布、泊松分布、几何分布等。分布律性质非负性、规范性、可列可加性。离散型随机变量分布律030201

常见连续型随机变量分布正态分布、均匀分布、指数分布等。概率密度函数性质非负性、规范性、连续性。概率密度函数定义连续型随机变量的概率密度函数是一个描述随机变量在某个确定取值点附近的可能性的函数。连续型随机变量概率密度函数

离散型随机变量函数的分布通过概率加法公式和概率乘法公式求解。连续型随机变量函数的分布通过概率密度函数的变换和积分求解。随机变量函数的定义随机变量函数是指通过一定的函数关系将一个随机变量转化为另一个随机变量的过程。随机变量函数分布

03多维随机变量及其分布

联合分布函数描述二维随机变量$(X,Y)$取值落在某个区域$D$内的概率，记作$F(x,y)$。联合概率密度函数若二维随机变量$(X,Y)$的联合分布函数$F(x,y)$可微，则称$f(x,y)$为$(X,Y)$的联合概率密度函数，满足$F(x,y)=int_{-infty}^{x}int_{-infty}^{y}f(u,v)dudv$。二维随机变量联合分布

二维随机变量$(X,Y)$中，$X$或$Y$的分布函数称为边缘分布函数，分别记作$F_X(x)$和$F_Y(y)$。在给定$X=x$的条件下，$Y$的条件分布函数记作$F_{Y|X}(y|x)$，同理可得$F_{X|Y}(x|y)$。边缘分布函数条件分布函数边缘分布与条件分布

相互独立随机变量若二维随机变量$(X,Y)$满足对任意$x,y$有$F(x,y)=F_X(x)F_Y(y)$，则称$X$与$Y$相互独立。相互独立的定义若$(X,Y)$相互独立，则对于任意实数$a,b$，事件${Xleqa}$与事件${Yleqb}$相互独立。相互独立的性质

多维随机变量函数分布$Z=max{X,Y}$和$Z=min{X,Y}$的分布：设$(X,Y)$的联合概率密度函数为$f(x,y)$，则$Z=max{X,Y}$和$Z=min{X,Y}$的概率密度函数分别为$int_{-infty}^{z}f(z,y)dy+int_{-infty}^{z}f(x,z)dx-int_{-infty}^{z}int_{-infty}^{z}f(x,y)dxdy$和$int_{z}^{infty}int_{z}^{infty}f(x,y)dxdy$。$Z=X+Y$的分布：设$(X,Y)$的联合概率密度函数为$f(x,y)$，则$Z=X+Y$的概率密度函数为卷积形式$int_{-infty}^{infty}f(z-y,y)dy$。其他多维随机变量函数的分布：对于其他多维随机变量的函数，如线性变换、非线性变换等，可以通过变换公式和雅可比行列式等方法求解其分布。

04数理统计基本概念与方法

研究对象的全体个体组成的集合，具有共同的性质。总体组成总体的每一个基本单位。个体从总体中随机抽