大学数学概率论.pptxVIP

大学数学概率论汇报人：AA2024-01-20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字特征与特征函数大数定律与中心极限定理统计量及其抽样分布contents目录01概率论基本概念CHAPTER样本空间与事件事件必然事件样本空间的子集，即某些可能结果的集合。包含样本空间中所有样本点的事件。样本空间基本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。只包含一个样本点的事件。不包含任何样本点的事件。概率定义及性质概率定义事件A发生的可能性大小的度量，记为P(A)。概率性质非负性、规范性、可列可加性。等可能概型每个基本事件发生的可能性都相等的情况。几何概型与几何图形有关的概率问题，常用面积、体积等几何度量来求解。条件概率与独立性独立性条件概率如果事件A与事件B相互独立，则P(AB)=P(A)P(B)。在事件B发生的条件下，事件A发生的概率，记为P(A|B)。1条件独立性在一定条件下，两个事件相互独立。乘法公式P(AB)=P(A)P(B|A)=P(B)P(A|B)，用于计算两个事件的交事件的概率。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，且都有正概率，则对任意一个事件A，有P(A)=∑P(Bi)P(A|Bi)。贝叶斯公式在全概率公式的基础上，可以求出在事件A发生的条件下，事件Bi发生的概率，即P(Bi|A)=P(Bi)P(A|Bi)/∑P(Bj)P(A|Bj)。贝叶斯公式的应用常用于逆向概率的计算，如在已知结果的情况下推断原因的概率。02随机变量及其分布CHAPTER随机变量概念及分类随机变量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。随机变量分类根据取值的不同，随机变量可分为离散型随机变量和连续型随机变量。离散型随机变量分布律分布律定义常见离散型随机变量分布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。二项分布、泊松分布、几何分布等。分布律性质非负性、规范性、可加性。连续型随机变量概率密度函数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，它描述了随机变量在某个区间内取值的概率。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、可积性。随机变量函数的分布1随机变量函数的定义：随机变量函数是由随机变量构成的函数，其取值也是随机的。2离散型随机变量函数的分布：通过分布律的变换得到。3连续型随机变量函数的分布：通过概率密度函数的变换得到，需要注意变换后的概率密度函数是否满足规范性。03多维随机变量及其分布CHAPTER二维随机变量联合分布律定义设$X$和$Y$是两个随机变量，称$P{X=x_i,Y=y_j}=p_{ij},i,j=1,2,ldots$为二维随机变量$(X,Y)$的联合分布律。性质非负性、规范性、可列可加性。示例二维离散型随机变量的联合分布律可以用一个二维表格来表示，表格中的每个元素表示一个事件发生的概率。边缘分布律和条件分布律边缘分布律条件分布律示例由联合分布律可以求出随机变量$X$和$Y$各自的分布律，称为边缘分布律。具体地，$p_{icdot}=sum_{j}p_{ij}$为$X$的边缘分布律，$p_{cdotj}=sum_{i}p_{ij}$为$Y$的边缘分布律。在已知$X=x_i$的条件下，$Y$的条件分布律为$P{Y=y_j|X=x_i}=frac{p_{ij}}{p_{icdot}}$；在已知$Y=y_j$的条件下，$X$的条件分布律为$P{X=x_i|Y=y_j}=frac{p_{ij}}{p_{cdotj}}$。通过联合分布律可以进一步求出边缘分布律和条件分布律，从而更好地理解随机变量之间的关系。二维连续型随机变量联合概率密度函数定义对于二维连续型随机变量$(X,Y)$，如果存在非负函数$f(x,y)$，使得对于任意矩形区域$D$，有$P{(X,Y)inD}=iint_{D}f(x,y)dxdy$，则称$f(x,y)$为$(X,Y)$的联合概率密度函数。性质非负性、规范性、可积性。示例二维连续型随机变量的联合概率密度函数可以用一个曲面图来表示，曲面高度表示概率密度大小。多维随机变量函数的分布010203一维随机变量函数的分布多维随机变量函数的分布示例设$X$是一维随机变量，$g(X)$是$X$的函数，则$g(X)$也是一维随机变量，其分布可以通过$X$的分布和函数关系求出。设$(X,Y)$是二维随机变量，$Z=g(X,Y)$是$(X,Y)$的函数，则$Z$也是一维随机变量，其分布可以通过$(X,Y)$的联合分布和函数关系求出。对于多维随机变量的函数，可以通过类似的方法求出其分布。多维随机变量函数的分布在实际问题中有广泛应用，如金融领域的风险评估