概率论与数理统计1-1(已讲).pptxVIP

概率论与数理统计1-1(已讲)汇报人：AA2024-01-19

课程介绍与背景概率论基本概念一维随机变量及其分布多维随机变量及其分布数理统计基础知识参数估计方法论述目录

01课程介绍与背景

研究随机现象数量规律的数学分支，为数理统计提供理论基础。概率论数理统计两者关系应用概率论对数据进行收集、整理、分析和推断的方法论学科。概率论是数理统计的理论基础，数理统计是概率论的应用。030201概率论与数理统计概述

掌握概率论与数理统计的基本概念、理论和方法。知识目标能够运用所学知识解决实际问题，具备数据处理和分析的能力。能力目标培养学生的数学素养和逻辑思维能力。素质目标课程目标与要求

《概率论与数理统计》（高等教育出版社）。教材《概率论基础》（人民教育出版社）、《数理统计学》（科学出版社）等。参考书目教材及参考书目

02概率论基本概念

随机事件与概率随机事件在一定条件下并不总是发生，且可以明确其是否发生的事件。概率描述随机事件发生的可能性大小的数值，取值范围在0到1之间。概率的性质非负性、规范性（必然事件的概率为1）、可加性（互斥事件的概率和）。

每个样本点等可能出现，且样本空间有限。适用于掷骰子、抽签等问题。古典概型样本点无限且连续出现，适用于长度、面积、体积等连续型随机变量的问题。几何概型主要在于样本空间的不同，古典概型是离散的，而几何概型是连续的。两者区别古典概型与几何概型

事件的独立性如果两个事件互不影响，则称它们是独立的。即P(A|B)=P(A)和P(B|A)=P(B)。条件概率在已知某一事件发生的条件下，另一事件发生的概率。用P(A|B)表示在B发生的条件下A发生的概率。乘法公式对于任意两个事件A和B，有P(AB)=P(A)P(B|A)。当A和B独立时，有P(AB)=P(A)P(B)。条件概率与独立性

03一维随机变量及其分布

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。随机变量具有可测性、单调性和有界性等基本性质。随机变量定义及性质随机变量性质随机变量定义

0-1分布二项分布描述的是n重伯努利试验中成功次数X的分布，其中每次试验成功的概率为p。二项分布泊松分布泊松分布描述的是单位时间内随机事件发生的次数，它是一个偏态分布，常用于描述稀有事件的发生概率。0-1分布是二项分布的特例，它描述的是只有两种可能结果的随机试验。常见离散型随机变量分布

均匀分布01均匀分布描述的是在某个区间内随机变量取值的概率分布情况，它在该区间内的概率密度函数是一个常数。指数分布02指数分布描述的是随机事件发生的时间间隔的概率分布情况，它是一个偏态分布，常用于描述寿命、等待时间等问题。正态分布03正态分布是概率论中最重要的连续型随机变量分布之一，它描述的是影响某一数量指标的随机因素很多且每一个因素所起的作用都很微小时，这个数量指标服从的分布。常见连续型随机变量分布

04多维随机变量及其分布

定义设$(X,Y)$是二维随机变量，对于任意实数$x,y$，二元函数$F(x,y)=P{(Xleqx)cap(Yleqy)}$称为二维随机变量$(X,Y)$的联合分布函数。性质联合分布函数$F(x,y)$具有单调不减、右连续、$F(-infty,y)=0$、$F(x,-infty)=0$、$F(+infty,+infty)=1$等性质。离散型二维随机变量的联合分布律若二维随机变量$(X,Y)$所有可能取到的值是有限对或可列无限多对，则称$(X,Y)$是离散型的随机变量。此时，可以定义一个二维数组$p_{ij}=P{X=x_i,Y=y_j}$来表示$(X,Y)$的联合分布律。二维随机变量联合分布

边缘分布二维随机变量$(X,Y)$作为一个整体，具有分布函数$F(x,y)$，而$X$和$Y$都是随机变量，各自也有分布函数，将它们分别记为$F_X(x),F_Y(y)$，依次称为二维随机变量$(X,Y)$关于$X$和关于$Y$的边缘分布函数。边缘分布函数可以由联合分布函数所确定，反之则不然。要点一要点二条件分布设二维随机变量$(X,Y)$的联合分布函数为$F(x,y)$，边缘分布函数分别为$F_X(x),F_Y(y)$。若对于固定的$x_0$，$P{X=x_0}0$，则称条件概率$P{Yleqy|X=x_0}=frac{P{X=x_0,Yleqy}}{P{X=x_0}}$为在$X=x_0$条件下，$Y$的条件分布函数，记为$F_{Y|X}(y|x_0)$。同理，也可以定义在$Y=y_0$条件下，$X$的条件分布函数。边缘分布与条件分布

VS若二维随机变量$(X,Y)$的联合分布函数可以表示为两个边缘分布函数的乘积，即$F(x,y)=F_X(x)F_Y(y)$，则称随机变量$X$和$Y$是相互独立的。此时，联合概率密度