概率论与数理统计随机事与概率.pptxVIP

概率论与数理统计随机事与概率汇报人：AA2024-01-192023AAREPORTING

随机事件及其概率一维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基本概念与方法假设检验与回归分析初步目录CATALOGUE2023

PART01随机事件及其概率2023REPORTING

在一定条件下，并不总是发生，也不总是不发生的现象。随机事件定义互斥性、完备性、独立性等。随机事件性质随机事件定义与性质

概率定义表示随机事件发生可能性的大小的量。概率性质非负性、规范性、可加性等。概率定义及性质

每个样本点发生的可能性相等，且样本空间有限。古典概型样本空间是一个区域，每个样本点发生的可能性与它的几何度量（如长度、面积、体积等）成比例。几何概型古典概型与几何概型

条件概率与独立性条件概率在已知某一事件发生的条件下，另一事件发生的概率。独立性两个事件相互独立，即一个事件的发生不影响另一个事件的发生概率。

PART02一维随机变量及其分布2023REPORTING

一维随机变量定义取值具有随机性分布函数的存在性一维随机变量定义及性质设随机试验的样本空间为S，如果对于每一个样本点ω∈S，都有一个实数X(ω)与之对应，则称X(ω)为定义在S上的一维随机变量。一维随机变量的取值是不确定的，具有随机性。对于任意实数x，一维随机变量X的分布函数F(x)都存在，且满足单调不减、右连续等性质。

VS随机变量X只有两个可能的取值0和1，且取1的概率为p，取0的概率为1-p。二项分布在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。0-1分布常见一维随机变量分布

常见一维随机变量分布

均匀分布在区间[a,b]内任意一点处取值的概率密度函数都是一个常数。指数分布描述两次相继发生的随机事件的时间间隔的概率分布。正态分布一种连续型概率分布，具有广泛的应用，如自然科学、社会科学、工程学等领域。常见一维随机变量分布

对于离散型随机变量，期望E(X)等于各可能取值与其对应概率的乘积之和；对于连续型随机变量，期望E(X)等于概率密度函数f(x)与x的乘积在整个实数范围内的积分。方差D(X)表示随机变量X的取值与其期望E(X)的偏离程度，计算公式为D(X)=E[(X-E(X))^2]。对于离散型和连续型随机变量，方差的计算方法与期望类似。期望计算方差计算期望与方差计算

矩母函数对于一维随机变量X，其矩母函数M(t)定义为M(t)=E[e^(tX)]，其中t为实数。矩母函数可以用来求解随机变量的各阶原点矩和中心矩，进而得到期望、方差等数字特征。要点一要点二特征函数特征函数是描述随机变量概率分布的一种重要工具，对于一维随机变量X，其特征函数φ(t)定义为φ(t)=E[e^(itX)]，其中i为虚数单位。特征函数具有唯一性、连续性和可微性等性质，可以用来判断两个随机变量是否具有相同的分布。矩母函数与特征函数

PART03多维随机变量及其分布2023REPORTING

多维随机变量定义及性质多维随机变量是指取值在多维空间中的随机变量，通常表示为$X=(X_1,X_2,...,X_n)$，其中$X_i$是一维随机变量。定义多维随机变量具有一些基本性质，如联合分布函数、联合概率密度函数、边缘分布函数、边缘概率密度函数等。性质

在矩形区域$D$上，如果二维随机变量$(X,Y)$的联合概率密度函数$f(x,y)$为常数，则称$(X,Y)$在$D$上服从二维均匀分布。二维均匀分布如果二维随机变量$(X,Y)$的联合概率密度函数具有特定的形式，则称$(X,Y)$服从二维正态分布。该分布在统计分析和多元数据分析中具有重要意义。二维正态分布多项分布是二项分布的推广，描述了一个试验有$n$个可能的结果，进行$m$次独立重复试验后，各个结果出现的次数的概率分布。多项分布常见多维随机变量分布

边缘分布多维随机变量的边缘分布是指其中一个或几个分量的概率分布。例如，对于二维随机变量$(X,Y)$，$X$的边缘分布和$Y$的边缘分布分别是$f_X(x)$和$f_Y(y)$。条件分布条件分布是指在多维随机变量中，已知某些分量的取值时，其他分量的概率分布。例如，在二维随机变量$(X,Y)$中，已知$X=x$时，$Y$的条件分布为$f_{Y|X}(y|x)$。边缘分布与条件分布

协方差矩阵多维随机变量的协方差矩阵是一个方阵，其元素为各分量之间的协方差。协方差矩阵描述了多维随机变量各分量之间的线性相关程度。相关系数矩阵相关系数矩阵是协方差矩阵的标准化形式，其元素为各分量之间的相关系数。相关系数矩阵描述了多维随机变量各分量之间的线性相关程度，并且消除了量纲的影响。协方差矩阵和相关系数矩阵

PART04大数定律与中心极限定理2023REPORTING

大数定律是概率论中的基本定理之一，它表