概率论与数理统计第四版浙江大学.pptxVIP

概率论与数理统计第四版浙江大学汇报人：AA2024-01-20BIGDATAEMPOWERSTOCREATEANEWERA

目录CONTENTS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知识

BIGDATAEMPOWERSTOCREATEANEWERA01概率论基本概念

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

在给定条件下，某一事件发生的可能性大小，常用P(A)表示事件A的概率。概率定义非负性规范性可加性对于任意事件A，有P(A)≥0。对于必然事件S，有P(S)=1。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另一事件B发生的条件下，事件A发生的概率，记作P(A|B)。事件的独立性如果事件A和B满足P(AB)=P(A)P(B)，则称事件A和B是相互独立的。

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，则对于任意事件A，有P(A)=∑P(Bi)P(A|Bi)。贝叶斯公式在全概率公式的条件下，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

BIGDATAEMPOWERSTOCREATEANEWERA02随机变量及其分布

随机变量定义及分类设随机试验的样本空间为S，如果对于每一个样本点e∈S，都有一个实数X(e)与之对应，则称X=X(e)为随机变量。定义根据随机变量可能取值的性质不同，随机变量可分为离散型随机变量和连续型随机变量两类。分类

离散型随机变量分布律随机变量X只可能取0和1两个值，且取1的概率为p，取0的概率为1-p，则称X服从参数为p的0-1分布。二项分布在n次独立重复的伯努利试验中，设每次试验成功的概率为p，失败的概率为1-p，则称n次试验中成功次数k的分布为二项分布。泊松分布设随机变量X所有可能取值为0,1,2,...,且取各个值的概率为P{X=k}=λ^k/k!e^-λ(k=0,1,2,...)，其中λ0是常数，则称X服从参数为λ的泊松分布。0-1分布

010203均匀分布若连续型随机变量X具有概率密度函数f(x)=1/(b-a)，axb，则称X在区间(a,b)上服从均匀分布。指数分布若连续型随机变量X具有概率密度函数f(x)=λe^(-λx)，x0，其中λ0是常数，则称X服从参数为λ的指数分布。正态分布若连续型随机变量X具有概率密度函数f(x)=(1/√2πσ)e^[-(x-μ)^2/2σ^2]，-∞x∞，其中μ和σ(σ0)为常数，则称X服从参数为μ和σ的正态分布。连续型随机变量概率密度函数

设X是一个离散型随机变量，其分布律为P{X=x_k}=p_k，k=1,2,...。若Y=g(X)是X的函数，则Y也是一个离散型随机变量，其分布律可通过下列公式求得：P{Y=y_j}=∑P{X=x_k}，其中求和号是对所有使得g(x_k)=y_j的x_k进行的。离散型随机变量函数的分布设X是一个连续型随机变量，其概率密度函数为f_X(x)。若Y=g(X)是X的函数，且g(x)在X的取值范围内严格单调，则Y也是一个连续型随机变量，其概率密度函数f_Y(y)可通过下列公式求得：f_Y(y)=f_X[h(y)]|h(y)|，其中h(y)是g(x)的反函数。连续型随机变量函数的分布随机变量函数分布

BIGDATAEMPOWERSTOCREATEANEWERA03多维随机变量及其分布

联合分布函数的定义与性质描述两个随机变量同时取值的概率分布情况，具有非负性、规范性、右连续性等性质。联合概率密度函数对于连续型随机变量，通过联合概率密度函数描述其联合分布情况，具有非负性和规范性。联合分布律对于离散型随机变量，通过联合分布律列出所有可能取值的概率。二维随机变量联合分布030201

ABCD边缘分布与条件分布边缘分布函数由联合分布函数对其中一个变量求极限得到，描述单个随机变量的分布情况。条件分布函数在已知一个随机变量取值的条件下，另一个随机变量的分布情况。边缘概率密度函数对于连续型随机变量，由联合概率密度函数对其中一个变量积分得到。条件概率密度函数对于连续型随机变量，通过联合概率密度函数和边缘概率密度函数求得条件概率密度函数。

相互独立的定义两个随机变量的取值互不影响，即一个随机变量的取值不会改变另一个随机变量的分布。相互独立的性质若两个随机变量相互独