概率论与数理统计华工版.pptxVIP

概率论与数理统计华工版汇报人：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理统计基本概念参数估计与假设检验应用举例非参数统计方法简介contents目录

01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

概率定义在给定条件下，某一事件发生的可能性大小，常用P(A)表示事件A的概率。非负性对于任何事件A，有P(A)≥0。规范性对于必然事件S，有P(S)=1。可加性对于互斥事件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已发生的条件下，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。

如果事件B1,B2,...,Bn是样本空间S的一个划分，且P(Bi)0(i=1,2,...,n)，则对于任意事件A，有P(A)=∑P(Bi)P(A|Bi)。全概率公式在全概率公式的条件下，有P(Bi|A)=P(ABi)/P(A)=P(Bi)P(A|Bi)/∑P(Bj)P(A|Bj)。贝叶斯公式全概率公式与贝叶斯公式

02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S中的每一个样本点e，都有一个实数X(e)与之对应，则称X(e)为随机变量，简记为X。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

分布律定义对于离散型随机变量X，如果其所有可能取值为x1,x2,...,xn，且取这些值的概率分别为p1,p2,...,pn，则称X服从参数为(x1,p1),(x2,p2),...,(xn,pn)的离散分布，记作X~D(x1,p1;x2,p2;...;xn,pn)。常见离散分布二项分布、泊松分布、几何分布等。离散型随机变量分布律

VS对于连续型随机变量X，如果存在一个非负可积函数f(x)，使得对任意实数ab，有P{aX≤b}=∫abf(x)dx，则称f(x)为X的概率密度函数，简称概率密度。常见连续分布正态分布、均匀分布、指数分布等。概率密度定义连续型随机变量概率密度

一维随机变量函数的分布设随机变量X的分布函数为FX(x)，若Y=g(X)是X的函数，且g(x)在X的取值范围内单调，则Y的分布函数FY(y)可由FX(x)求得。二维随机变量函数的分布设(X,Y)是二维随机变量，其联合分布函数为F(x,y)，若Z=g(X,Y)是X和Y的函数，则Z的分布函数FZ(z)可通过F(x,y)求得。随机变量函数分布

03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，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，具有非负性和规范性。常见二维连续型随机变量的分布如二维均匀分布、二维正态分布等，它们的联合概率密度函数和性质。二维随机变量联合分布030201

03边缘概率密度函数与条件概率密度函数对于连续型随机变量，通过边缘概率密度函数和条件概率密度函数描述边缘分布和条件分布。01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，描述一个随机变量取值的概率分布。02条件分布函数在已知一个随机变量取值的条件下，另一个随机变量的条件概率分布。边缘分布与条件分布

相互独立的定义两个随机变量相互独立，当且仅当它们的联合分布等于各自边缘分布的乘积。相互独立的性质若两个随机变量相互独立，则它们的任何函数也相互独立。判断相互独立的方法通过联合分布函数或联合概率密度函数判断是否满足相互独立的定义。相互独立随机变量

多维随机变量函数的定义描述多维随机变量经过某种变换后的取值情况。常见多维随机变量函数的分布如多维正态分布、多维t分布等，它们的概率密度函数和性质。多维随机变量函数的分布求法通过变换的雅可比行列式和原随机变量的概率密度函数求解。多维随机变量函数分布

04数理统计基本概念

研究对象的全体个体组成的集合，通常用一个概率分布来描述。总体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。样本样本中包含的个体数目，通常用n表示。样本容量总体与样本

样本的函数，用于描述样本的特征，如样本均值、样本方差等。统计量统计量的概率分布，描述了统计量在多次抽样中的变化情况。抽样分布正态分布、t分布、F分布、卡方分布等。常见抽样分布统计量与抽样分布

区间估计用一个区间来估计总体参数的方法，该区间以一定的概率包含总体参数的真值。评价估计量的标准无偏性、有效