概率论与数理统计教程第五版.pptxVIP

概率论与数理统计教程第五版汇报人：AA2024-01-202023AAREPORTING

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数理统计基本概念和方法目录CATALOGUE2023

PART01概率论基本概念2023REPORTING

不可能事件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。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，一般用大写字母S表示。事件样本空间的子集，即某些可能结果的集合。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。概率定义概率性质古典概型几何概型非负性、规范性（必然事件的概率为1）、可加性（互斥事件的概率和等于它们并的概率）。每个样本点等可能出现，且样本空间有限。样本点无限且等可能出现，用几何度量（长度、面积、体积等）来定义概率。概率定义及性质

独立性两个事件相互独立，即一个事件的发生不影响另一个事件的发生概率。乘法公式两事件同时发生的概率等于其中一个事件发生的概率与在另一个事件发生的条件下该事件发生的概率的乘积。条件概率在某一事件发生的条件下，另一事件发生的概率。条件概率与独立性

如果事件B1，B2，…Bn构成一个完备事件组，即它们两两互斥，其和为全集；并且P(Bi)大于0，则对任一事件A有P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)。全概率公式描述了两个条件概率之间的关系，也称为逆概率公式。具体地，如果事件B能且只能与两两互斥的事件A1，A2，…An中的一个同时发生，即B=A1B+A2B+…+AnB，且P(Ai)0，i=1,2,…,n，P(B)0，则P(Ai|B)=P(AiB)/P(B)=P(Ai)P(B|Ai)/[P(A1)P(B|A1)+P(A2)P(B|A2)+…+P(An)P(B|An)]。贝叶斯公式全概率公式与贝叶斯公式

PART02随机变量及其分布2023REPORTING

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。根据随机变量取值的特点，可以将其分为离散型随机变量和连续型随机变量两类。随机变量概念及分类随机变量的分类随机变量的定义

分布律的定义离散型随机变量的分布律是指它在各个可能取到的值上的概率分布情况。分布律的性质离散型随机变量的分布律具有非负性、规范性、可加性等性质。常见离散型随机变量的分布律包括0-1分布、二项分布、泊松分布等。离散型随机变量分布律

常见连续型随机变量的概率密度函数包括均匀分布、指数分布、正态分布等。概率密度函数的性质连续型随机变量的概率密度函数具有非负性、规范性等性质，且其积分等于1。概率密度函数的定义连续型随机变量的概率密度函数是一个描述随机变量取值概率分布情况的函数。连续型随机变量概率密度函数

随机变量函数的定义随机变量函数是指由随机变量构成的函数，它描述了随机变量之间的关系。随机变量函数的分布随机变量函数的分布可以通过对原随机变量的分布进行变换得到，常见的变换包括线性变换、非线性变换等。随机变量函数的性质随机变量函数的分布具有一些特殊的性质，如期望、方差等统计特征可以通过对原随机变量的相应特征进行变换得到。随机变量函数分布

PART03多维随机变量及其分布2023REPORTING

二维随机变量联合分布律/密度函数联合分布律定义：对于二维离散型随机变量(X,Y)，其所有可能取值的概率分布称为联合分布律。联合密度函数定义：对于二维连续型随机变量(X,Y)，如果存在非负可积函数f(x,y)，使得对任意x,y，二维随机变量(X,Y)落在区域D内的概率可表示为?Df(x,y)dxdy，则称f(x,y)为二维随机变量(X,Y)的联合密度函数。联合分布律/密度函数的性质：非负性、规范性、可加性。

边缘分布律定义边缘分布律/密度函数二维离散型随机变量(X,Y)中，随机变量X（或Y）的分布律称为边缘分布律。边缘密度函数定义二维连续型随机变量(X,Y)中，随机变量X（或Y）的密度函数称为边缘密度函数。通过联合分布律/密度函数对另一个变量求和（或积分）得到。边缘分布律/密度函数的求法

条件分布律/密度函数通过联合分布律/密度函数与边缘分布律/密度函数的比值得到。条件分布律/密度函数的求法在二维离散型随机变量(X,Y)中，已知X=x的条件下，随机变量Y的条件分布律称为条件分布律。条件分布律定义在二维连续型随机变量(X,Y)中，已知X=x的条件下，随机变量Y的条件密度函数称为条件密度函数。条件密度函数定义

如果对于二维随机变量(X,Y)的任意取值xi和yj，事件{X=xi}与事件{Y=yj}相互独立，则称随机变量X和Y相互独立。相互独立的定义如果X和Y相互独立，则它们的联合分布