概率论与数理统计4矩.pptxVIP

概率论与数理统计4矩汇报人：AA2024-01-20

CATALOGUE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参数估计方法与实践应用

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。不包含任何样本点的事件。

概率定义事件A发生的可能性大小的数值度量，记为P(A)。概率性质非负性、规范性、可列可加性。等可能概型每个样本点发生的可能性相同。几何概型样本空间是一个可度量的区域，事件是该区域中的一部分。概率定义及性质

乘法公式P(AB)=P(A)P(B|A)=P(B)P(A|B)。事件的独立性如果事件A和事件B满足P(AB)=P(A)P(B)，则称事件A和事件B是相互独立的。条件概率在事件B发生的条件下，事件A发生的概率，记为P(A|B)。条件概率与独立性

全概率公式与贝叶斯公式全概率公式如果事件B1,B2,...,Bn构成一个完备事件组，且都有正概率，则对任一事件A，有P(A)=∑P(Bi)P(A|Bi)。贝叶斯公式在全概率公式的假定下，有P(Bi|A)=P(Bi)P(A|Bi)/∑P(Bj)P(A|Bj)。

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。离散型随机变量取值可列，而连续型随机变量取值充满一个区间。分类随机变量定义及分类

常见离散型随机变量分布二项分布、泊松分布、几何分布等。泊松分布描述单位时间内随机事件发生的次数X的分布，其中单位时间内事件发生的平均次数为λ。二项分布描述n次独立重复试验中事件A发生的次数X的分布，其中每次试验中事件A发生的概率为p。分布律定义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。离散型随机变量分布律

连续型随机变量的概率密度函数描述了随机变量在某个区间内取值的概率分布情况。概率密度函数定义均匀分布、指数分布、正态分布等。常见连续型随机变量分布描述随机变量在某个区间[a,b]内等可能取值的分布。均匀分布描述随机事件发生的时间间隔X的分布，其中单位时间内事件发生的概率为λ。指数分布连续型随机变量概率密度函数

随机变量函数分布设X是一个随机变量，g(X)是X的函数，则g(X)也是一个随机变量，称为随机变量X的函数。离散型随机变量函数的分布当X是离散型随机变量时，g(X)也是离散型随机变量，其分布律可通过X的分布律和函数g(x)求得。连续型随机变量函数的分布当X是连续型随机变量时，g(X)可能是离散型或连续型随机变量。若g(X)是连续型随机变量，则其概率密度函数可通过X的概率密度函数和函数g(x)求得。随机变量函数的定义

03多维随机变量及其分布

联合分布律描述二维随机变量$(X,Y)$同时取不同值的概率，常用$P{X=x_i,Y=y_j}$表示。要点一要点二联合密度函数当$(X,Y)$是连续型随机变量时，其联合分布律用联合密度函数$f(x,y)$表示，满足$P{(X,Y)inD}=iint_{D}f(x,y)dxdy$。二维随机变量联合分布律/密度函数

二维随机变量$(X,Y)$中，$X$或$Y$各自取值的概率分布，分别记为$P{X=x_i}$和$P{Y=y_j}$。边缘分布律当$(X,Y)$是连续型随机变量时，$X$和$Y$的边缘密度函数分别为$f_X(x)=int_{-infty}^{infty}f(x,y)dy$和$f_Y(y)=int_{-infty}^{infty}f(x,y)dx$。边缘密度函数边缘分布律/密度函数

条件分布律在已知二维随机变量$(X,Y)$中，一个随机变量的取值条件下，另一个随机变量的分布律。如$P{X=x_i|Y=y_j}$表示在$Y=y_j$的条件下，$X=x_i$的概率。条件密度函数当$(X,Y)$是连续型随机变量时，条件密度函数表示为$f_{X|Y}(x|y)=frac{f(x,y)}{f_Y(y)}$和$f_{Y|X}(y|x)=frac{f(x,y)}{f_X(x)}$。条件分布律/密度函数

VS若二维随机变量$(X,Y)$的联合分布律（或联合密度函数）可表示为各自边缘分布律（或边缘密度函数）的乘积，即$P{X=x_i,Y=y_j}=P{X=x_i}P{Y=y_j}$（或$f(x,y)=f_X(x)f_Y(y)$），则称$X$与$Y$相互独立。性质相互独立的二维随机变量，一个随机变量的取值不影响另一个随机变量的分布。定义相互独立二维随机变量

04数字特征与特征函数

010405060302数学期望定义：数学期望