概率论与数理统计期末复习知识点.pptxVIP

汇报人：AA2024-01-20概率论与数理统计期末复习知识点

延时符Contents目录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和方法方差分析与回归分析初步常见概率分布和数理统计应用举例

延时符01概率论基本概念

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。空集，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（必然事件的概率为1）、可列可加性（互不相容事件的并的概率等于各事件概率之和）。

在事件B发生的条件下，事件A发生的概率，记为P(A|B)。条件概率如果事件A和事件B的发生互不影响，则称事件A和事件B是相互独立的。独立性如果事件A和事件B相互独立，则P(AB)=P(A)P(B)。独立性的性质条件概率与独立性

全概率公式与贝叶斯公式如果事件B1,B2,...,Bn构成一个完备事件组，且都具有正概率，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)。全概率公式在全概率公式的假定下，有P(Bi|A)=P(A|Bi)P(Bi)/[P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)]，其中i=1,2,...,n。贝叶斯公式用于在已知某些条件下，计算某个事件的发生概率。贝叶斯公式

延时符02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。定义随机变量可分为离散型随机变量和连续型随机变量。离散型随机变量的取值是有限个或可列个，而连续型随机变量的取值则是充满一个区间。分类随机变量定义及分类

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。分布律定义二项分布、泊松分布、几何分布等。常见离散型随机变量分布非负性、规范性（所有取值的概率之和为1）。分布律性质离散型随机变量分布律

123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各个点的取值概率。概率密度函数定义正态分布、均匀分布、指数分布等。常见连续型随机变量分布非负性、规范性（函数在全体实数上的积分为1）。概率密度函数性质连续型随机变量概率密度函数

离散型随机变量函数的分布：通过分布律的变换求得。连续型随机变量函数的分布：通过概率密度函数的变换求得，需要注意变换后的概率密度函数可能需要进行归一化处理。随机变量函数的定义：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，其分布称为随机变量函数的分布。随机变量函数分布

延时符03多维随机变量及其分布

二维随机变量联合分布律/密度函数01联合分布律定义：描述两个随机变量同时取值的概率分布规律。02联合密度函数定义：当两个随机变量连续时，描述它们同时取值的概率密度函数。联合分布律/密度函数的性质：非负性、规范性、可加性。03

边缘分布律定义二维随机变量中，一个随机变量取值的概率分布。边缘分布律/密度函数的求法对联合分布律/密度函数中的另一个变量进行积分或求和。边缘密度函数定义当二维随机变量连续时，一个随机变量取值的概率密度函数。边缘分布律/密度函数

条件分布律定义在已知一个随机变量取值的条件下，另一个随机变量的概率分布。条件密度函数定义当二维随机变量连续时，在已知一个随机变量取值的条件下，另一个随机变量的概率密度函数。条件分布律/密度函数的求法利用联合分布律/密度函数和边缘分布律/密度函数进行计算。条件分布律/密度函数030201

相互独立的定义两个随机变量的取值互不影响。判断方法联合分布律/密度函数等于边缘分布律/密度函数的乘积。性质若二维随机变量相互独立，则它们的任何函数也相互独立。相互独立二维随机变量

延时符04数理统计基本概念和方法

总体研究对象的全体个体组成的集合，具有共同的分布规律。统计量由样本数据计算得出的用于描述样本特征的量，如样本均值、样本方差等。样本从总体中随机抽取的一部分个体组成的集合，用于推断总体的性质。总体、样本和统计量

03抽样分布的性质包括期望、方差、分布形态等，用于推断总体参数的置信区间和进行假设检验。01大数定律当样本容量足够大时，样本均值趋近于总体均值。02中心极限定理无论总体分布如何，当样本容量足够大时，样本均值的分布近似于正态分布。抽样分布定理

点估计用样本统计量的某个值直接作为总体参数的估计值，如样本均值作为总体均值的点估计。区间估计根据样本数据构造一个置信区间，以一定概率包含总体参数的真值。置信区间由置信水平和样本统计量决定。参数估计方法