计算机专业概率论与数理统计.pptxVIP

计算机专业概率论与数理统计汇报人：AA2024-01-19

目录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方差分析与回归分析应用举例计算机专业中概率论与数理统计实践应用探讨CONTENTS

01概率论基本概念CHAPTER

不可能事件空集?，不包含任何样本点的事件。必然事件包含样本空间中所有样本点的事件，即S本身。基本事件只包含一个样本点的事件。样本空间所有可能结果的集合，常用大写字母S表示。事件样本空间的子集，即某些可能结果的集合，常用大写字母A、B等表示。样本空间与事件

概率定义事件A发生的可能性大小的度量，记为P(A)。非负性对于任何事件A，有P(A)≥0。规范性对于必然事件S，有P(S)=1。可加性对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。概率定义及性质

条件概率与独立性条件概率在事件B发生的条件下，事件A发生的概率，记为P(A|B)。独立性如果事件A和B满足P(AB)=P(A)P(B)，则称事件A和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，则对于任何一个事件A，有P(A)=∑P(Bi)P(A|Bi)。在全概率公式的假设下，有P(Bi|A)=[P(Bi)P(A|Bi)]/∑[P(Bj)P(A|Bj)]，其中i,j=1,2,...,n。全概率公式与贝叶斯公式贝叶斯公式全概率公式

02随机变量及其分布CHAPTER

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一个样本点映射到一个实数。分类随机变量可分为离散型随机变量和连续型随机变量。离散型随机变量的取值是有限个或可列个，而连续型随机变量的取值则是充满一个区间。随机变量定义及分类

离散型随机变量的分布律描述了随机变量取各个值的概率。分布律定义二项分布、泊松分布、几何分布等。常见离散型随机变量分布非负性、规范性（所有取值的概率之和为1）。分布律性质离散型随机变量分布律

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（在整个实数轴上的积分为1）。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非负可积函数，其在某区间内的积分值表示随机变量落在该区间内的概率。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：通过分布律的变换求得。连续型随机变量函数的分布：通过概率密度函数的变换求得，需要注意变换后的概率密度函数可能需要进行归一化处理。随机变量函数的定义：设X是一个随机变量，g(X)是X的函数，那么g(X)也是一个随机变量，其分布称为随机变量函数的分布。随机变量函数的分布

03多维随机变量及其分布CHAPTER

描述两个随机变量同时取值的概率，通过二维表格或三维图形表示。联合分布律对于连续型随机变量，通过联合密度函数描述其分布情况，表示两个随机变量在某一区域内取值的概率大小。联合密度函数二维随机变量联合分布律/密度函数

边缘分布律由联合分布律推导而来，表示一个随机变量取值的概率，与另一个随机变量的取值无关。边缘密度函数对于连续型随机变量，通过边缘密度函数描述一个随机变量的分布情况，与另一个随机变量的取值无关。边缘分布律/密度函数

VS在已知一个随机变量取值的条件下，另一个随机变量取值的概率分布情况。条件密度函数对于连续型随机变量，在已知一个随机变量取值的条件下，另一个随机变量的条件密度函数描述其分布情况。条件分布律条件分布律/密度函数

多维随机变量函数的分布描述多维随机变量经过某种函数变换后的分布情况，包括和、差、积、商等运算以及更复杂的函数变换。多维随机变量函数的分布多维随机变量经过函数变换后，其分布性质可能会发生变化，如均值、方差、协方差等统计特征。变换后的分布性质

04数理统计基本概念与方法CHAPTER

03样本容量样本中包含的个体数目。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。总体与样本概念介绍

样本的函数，用于描述样本的特征。常见的统计量有样本均值、样本方差、样本标准差、样本矩等。包括无偏性、有效性、一致性等。无偏性指统计量的期望值等于总体参数的真值；有效性指无偏的统计量中，方差最小的最有效；一致性指随着样本容量的增加，统计量的值逐渐接近总体参数的真值。统计量统计量的性质统计量及其性质

点估计用样本统计量的某个值来估计总体参数的方法。常见的点估计方法有矩估计法、最大似然估计法等。区间估计在点估计的基础上，给出总体参数的一个置信区间，以区间形式表达估计结果的方法。置信区间由置信水平和样本统计量确定。参数估计方法（点估计、区间估计）

假设检验原理：先对总体参数提出一个假设，然后利用样本信息来判断这个假设是否成立。如果样本信息与假设矛盾，则拒绝假设