随机事件与各种概率计算.pptx

随机事件与各种概率计算汇报人：XX2024-01-24

目录CONTENTS随机事件基本概念概率论基础知识回顾离散型随机变量及其分布连续型随机变量及其分布多维随机变量及其分布随机事件在各种领域中的应用举例

01随机事件基本概念

不可能事件0102030405随机事件是在随机试验中，可能出现也可能不出现的结果。在试验中一定会发生的事件。不能再分解的、最简单的随机事件。在试验中一定不会发生的事件。由基本事件通过逻辑运算组合而成的事件。事件定义及分类必然事件定义复合事件基本事件

样本空间与事件关系事件与样本空间的关系必然事件是样本空间本身。样本空间：随机试验中所有可能结果的集合。事件是样本空间的子集。不可能事件是空集。

相关性质若两事件相互独立，则它们的交事件的概率等于各自概率的乘积。若多个事件两两独立，则它们同时发生的概率等于各自概率的乘积。独立事件的补事件也是独立的。独立性：两个事件相互独立，意味着一个事件的发生不影响另一个事件的发生概率。独立性及相关性质

02概率论基础知识回顾

概率定义及性质概率定义概率是描述随机事件发生的可能性的数值，取值范围在0到1之间。概率性质非负性、规范性（所有基本事件的概率之和为1）、可列可加性（互斥事件的概率之和等于各事件概率之和）。

在已知某一事件发生的条件下，另一事件发生的概率。记作P(B|A)，表示在A发生的条件下B发生的概率。P(AB)=P(A)P(B|A)，即两事件同时发生的概率等于一事件发生的概率与在另一事件发生的条件下该事件发生的概率的乘积。条件概率与乘法公式乘法公式条件概率

全概率公式贝叶斯定理全概率公式与贝叶斯定理贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。如果事件A1，A2，…，An构成一个完备事件组，即它们两两互斥，其和为全集；并且P(Ai)大于0，则对任一事件B有P(B)=P(B|A1)P(A1)+P(B|A2)P(A2)+...+P(B|An)P(An)。

03离散型随机变量及其分布

VS离散型随机变量的取值可以是有限个或可列个，这意味着其取值集合是一个可数集。概率分布描述离散型随机变量的概率分布可以用概率质量函数（PMF）来描述，即每个取值的概率。取值有限或可列个离散型随机变量定义

伯努利分布二项分布泊松分布几何分布常见离散型分布类型及特点描述n次独立重复的伯努利试验中成功次数X的分布，其概率分布由成功概率p和试验次数n决定。描述单次随机试验只有两种可能结果（成功或失败）的情况，其概率分布由成功概率p决定。描述首次成功所需的试验次数X的分布，其概率分布由成功概率p决定。几何分布适用于进行一系列相互独立的试验直到首次成功的情况。描述单位时间内随机事件发生的次数X的分布，其概率分布由事件发生率λ决定。泊松分布适用于事件发生率较低且各次事件发生相互独立的情况。

期望值计算离散型随机变量的期望值是其所有可能取值与其对应概率的乘积之和，即E(X)=Σ[x*P(X=x)]。期望值反映了随机变量取值的平均水平。方差计算离散型随机变量的方差是其所有可能取值与期望值的差的平方与其对应概率的乘积之和，即Var(X)=Σ[(x-E(X))^2*P(X=x)]。方差反映了随机变量取值的离散程度。期望值与方差计算

04连续型随机变量及其分布

连续型随机变量定义01连续型随机变量是可以在某个区间内取任意实数值的变量。02与离散型随机变量不同，连续型随机变量的取值是连续的，无法一一列举。连续型随机变量的概率分布通常通过概率密度函数来描述。03态分布均匀分布指数分布t分布常见连续型分布类型及特点具有钟形曲线，均值和标准差决定分布形状，广泛应用于自然和社会科学领域。在特定区间内，所有取值的可能性相等，常用于描述等可能事件。用于小样本情况下的均值检验，随着样本量的增加逐渐接近正态分布。描述事件发生的时间间隔，具有无记忆性，常用于可靠性分析和排队论。

概率密度函数与分布函数关系概率密度函数（PDF）描述连续型随机变量在某个特定取值的概率分布情况。分布函数（CDF）描述连续型随机变量在某个区间内取值的累积概率。PDF与CDF之间存在导数关系：PDF是CDF的导数，CDF是PDF的积分。通过PDF可以求得CDF，反之亦然。

05多维随机变量及其分布

定义多维随机变量是指由多个随机变量构成的向量，每个随机变量都有其自己的取值范围和概率分布。性质多维随机变量具有联合分布函数、联合概率密度函数等性质，可以描述多个随机变量之间的统计规律。多维随机变量定义及性质

多维随机变量的边缘分布是指其中一个或几个随机变量的概率分布，可以通过对联合分布函数或联合概率密度函数进行积分得到。边缘分布多维随机变量的条