概率论与数理统计复习4-5章.pptxVIP

概率论与数理统计复习4-5章

汇报人：AA

2024-01-20

第四章回顾：随机变量及其分布

第五章重点：多维随机变量及其分布

概率论在实际问题中应用举例

数理统计基本概念和方法回顾

假设检验原理及步骤详解

复习策略与备考建议

contents

目

录

01

第四章回顾：随机变量及其分布

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。

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。

随机变量分类

随机变量定义

分布律

描述离散型随机变量取各个值的概率，常用分布律有0-1分布、二项分布、泊松分布等。

分布函数

描述离散型随机变量取值小于等于某个值的概率，是分布律的另一种表现形式。

离散型随机变量

取值可数的随机变量，如投掷骰子出现的点数。

连续型随机变量

取值充满某个区间的随机变量，如测量某物体的长度。

概率密度函数

描述连续型随机变量的概率分布情况，常用概率密度函数有均匀分布、正态分布、指数分布等。

分布函数

描述连续型随机变量取值小于等于某个值的概率，与概率密度函数存在密切关系。

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。

随机变量函数的定义

通过分布律求解，需注意函数值对应的原像及概率求和。

离散型随机变量函数的分布

通过概率密度函数求解，需注意函数值对应的原像及概率密度函数的变换。

连续型随机变量函数的分布

02

第五章重点：多维随机变量及其分布

联合分布函数定义

设(X,Y)是二维随机变量，对于任意实数x,y，二元函数$F(x,y)=P{Xleqx,Yleqy}$称为二维随机变量(X,Y)的联合分布函数。

联合分布律

如果二维随机变量(X,Y)所有可能取的值是有限的或可列无限的，则称(X,Y)是离散型的二维随机变量，称$P{X=x_i,Y=y_i}=p_{ij},i,j=1,2,...$为二维随机变量(X,Y)的联合分布律。

联合概率密度

如果存在非负可积函数f(x,y)，使得对于任意实数x,y，有$F(x,y)=int_{-infty}^{x}int_{-infty}^{y}f(u,v)dudv$，则称(X,Y)为连续型的二维随机变量，函数f(x,y)称为二维随机变量(X,Y)的联合概率密度。

边缘分布函数

二维随机变量(X,Y)关于X的边缘分布函数定义为$F_X(x)=F(x,infty)$，关于Y的边缘分布函数定义为$F_Y(y)=F(infty,y)$。

边缘分布律

在离散型情况下，二维随机变量(X,Y)关于X的边缘分布律为$p_{icdot}=sum_{j=1}^{infty}p_{ij},i=1,2,...$，关于Y的边缘分布律为$p_{cdotj}=sum_{i=1}^{infty}p_{ij},j=1,2,...$。

边缘概率密度

在连续型情况下，二维随机变量(X,Y)关于X的边缘概率密度为$f_X(x)=int_{-infty}^{infty}f(x,y)dy$，关于Y的边缘概率密度为$f_Y(y)=int_{-infty}^{infty}f(x,y)dx$。

条件分布

设二维随机变量(X,Y)的联合分布函数为F(x,y)，如果对于固定的x，$F_{Y|X}(y|x)=frac{F(x,y)}{F_X(x)}$是Y的条件分布函数；对于固定的y，$F_{X|Y}(x|y)=frac{F(x,y)}{F_Y(y)}$是X的条件分布函数。

01

02

03

04

多维随机变量函数的定义

设n维随机变量$(X_1,X_2,...,X_n)$的联合分布函数为$F(x_1,x_2,...,x_n)$，如果存在n元实函数$g(x_1,x_2,...,x_n)$，则称随机变量$Z=g(X_1,X_2,...,X_n)$为多维随机变量的函数。

多维随机变量函数的分布求法

一般通过求解多维随机变量的联合概率密度或联合分布律，然后利用变换公式求得多维随机变量函数的概率密度或分布律。具体方法包括直接法、卷积公式法、雅可比行列式法等。

03

概率论在实际问题中应用举例

预测和评估风险

利用概率论中的概率分布、期望和方差等概念，可以对保险事件发生的可能性及损失程度进行预测和评估。

制定保费策略

根据风险的大小和概率，保险公司可以制定相应的保费策略，以实现风险与收益的平衡。

偿付能力评估

概率论可以帮助保险公司评估其偿付能力，确保在极端情况下能够履行对客户的承诺。

通过概率论中的随机过程和排队模型，可以分析队列长度的分布和变化规律，为优化服务提供理论支持。

队列长度分析

利用概率论方法，可以预测客户在队列中的等待时间，从而帮助服务机构合理安排人力和资源。

等待时间预测

概率论在排队论中的应用还可以帮助评估系统的性能，如服务效率、资源利用率等。