概率论与数理统计A.pptxVIP

概率论与数理统计A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理统计基本概念和方法假设检验和方差分析初步回归分析初步和线性模型选择

01概率论基本概念

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，即某些可能结果的组合。样本空间与事件

描述某一事件发生的可能性大小的数值，一般用P表示。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）。概率定义及性质概率性质概率定义

在某一事件B已经发生的条件下，另一事件A发生的概率，记作P(A|B)。条件概率如果事件A的发生与否对事件B发生的概率没有影响，则称事件A与事件B相互独立。事件的独立性条件概率与独立性

如果事件B1,B2,...,Bn构成一个完备事件组，且都有正概率，则对任意一个事件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条件下，可以求出某一事件Bi已发生的条件下，另一事件A发生的概率，即P(Bi|A)=P(A|Bi)P(Bi)/P(A)。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定义设随机试验的样本空间为S，如果对于每一个样本点e∈S，都有一个实数X(e)与之对应，这样就得到一个定义在S上的单值实函数X(e)，则称X(e)为随机变量，简记为X。分类随机变量可分为离散型随机变量和连续型随机变量两种。离散型随机变量只取有限个或可数个值，而连续型随机变量的取值则充满某个区间。

0-1分布如果随机变量X只取0和1两个值，并且取1的概率为p，取0的概率为1-p，则称X服从参数为p的0-1分布。二项分布在n次独立重复的伯努利试验中，设事件A发生的概率为p，则事件A恰好发生k次的概率服从二项分布。泊松分布泊松分布适合于描述单位时间内随机事件发生的次数。如果一个随机事件以固定的平均瞬时速率λ（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布。离散型随机变量分布律

010203均匀分布若连续型随机变量X具有概率密度，并且f(x)在[a,b]上的图形是一条平行于x轴的直线，则称X在[a,b]上服从均匀分布。指数分布指数分布是一种连续概率分布，其概率密度函数为f(x)=λe^(-λx)，其中x0，λ0。指数分布具有无记忆性，即无论之前已经等待了多久，下一个事件发生的时间间隔仍然服从相同的指数分布。正态分布正态分布是概率论中的最重要分布之一，其概率密度函数呈钟形曲线。正态分布具有许多重要的性质和应用，如中心极限定理表明，在适当的条件下，大量独立随机变量的均值近似服从正态分布。连续型随机变量密度函数

离散型随机变量函数的分布当已知离散型随机变量的分布律时，可以通过计算得到其函数的分布律。具体方法包括直接法和公式法。连续型随机变量函数的分布当已知连续型随机变量的概率密度函数时，可以通过积分变换得到其函数的概率密度函数。具体方法包括公式法和分布函数法。随机变量函数分布

03多维随机变量及其分布

二维随机变量联合分布设(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{(X=x)∩(Y=y)}称为二维随机变量(X,Y)的联合分布函数。联合分布函数如果二维随机变量(X,Y)所有可能取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，称P{X=xi,Y=yj}为二维随机变量(X,Y)的分布律，或称为X和Y的联合分布律。联合分布律

边缘分布边缘分布函数定义是：设二维随机变量(X,Y)的分布函数为F(x,y)，X及Y的分布函数FX(x)及FY(y)分别称为二维随机变量(X,Y)的边缘分布函数。要点一要点二条件分布条件分布律：设二维随机变量(X,Y)的联合分布律为P{X=xi,Y=yj}=pij，(i,j=1,2,...)，若对于固定的xi，P{X=xi}0，则称条件概率P{Y=yj|X=xi}=P{X=xi,Y=yj}/P{X=xi}为在X取值为xi的条件下，Y取值为yj的条件概率，记作pij|i。边缘分布与条件分布

VS二维随机变量独立性判断是判断两个随机变量的取值是否相互独立，即一个随机变量的取值是否对另一个随机变量的取值有影响。相关性相关性是指两个或多个随机变量之间的关系强度和方向。如果两个随机变量的变化趋势相同，那么它们之间是正相关的；如果它们的变化趋势相反，那么它们之间是负相关的；如果它们之间没有明显的关系，那么它们是不相关的。独立性独立性及相关性判断

多维