原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
概率论与数理统计教程(华东师范大学)
汇报人：AA
2024-01-20
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
方差分析和回归分析初步
随机过程简介
概率论基本概念
01
不可能事件
空集∅，不包含任何样本点。
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。
概率定义
事件A发生的可能性大小的数值度量，记为P(A)。
非负性
P(A)≥0；
规范性
P(S)=1；
可列可加性
对于两两互斥的事件Ai（i=1,2,3,...），有P(∪Ai)=∑P(Ai)。
随机变量及其分布
02
设随机试验的样本空间为S={e}，X=X(e)是定义在样本空间S上的实值单值函数。称X=X(e)为随机变量。
随机变量分为离散型随机变量和连续型随机变量。
分类
定义
0-1分布
随机变量X只可能取0和1两个值，且P{X=1}=p,P{X=0}=1-p,其中0p1。
二项分布
在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为p。用X表示n重伯努利试验中事件A发生的次数，则X的可能取值为0，1，…，n,且对每一个k（0≤k≤n）,事件{X=k}即为“n次试验中事件A恰好发生k次”，随机变量X的离散概率分布即为二项分布。
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。如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数等等。
要点三
均匀分布
在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U(a,b)。
要点一
要点二
指数分布
在概率理论和统计学中，指数分布（也称为负指数分布）是描述泊松过程中的事件之间的时间的概率分布，即事件以恒定平均速率连续且独立地发生的过程。
正态分布
正态分布（Normaldistribution），也称“常态分布”，又名高斯分布（Gaussiandistribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。
要点三
离散型随机变量的函数分布
若离散型随机变量X的分布律为P{X=xk}=pk,k=1,2,…。若Y=g(X)为X的函数，则当X取值xk时，Y取值为yk=g(xk),k=1,2,…。此时Y的取值情况可能有以下三种情况：若g(xk)均不相等，则可按下列步骤求出Y的分布律：计算P{Y=yk}=P{g(X)=yk}=P{X=g-1(yk)}，yk是g(x)的值域中的任一元素；求出Y的全部可能取值并确定各取值的概率，即得Y的分布律。
要点一
要点二
连续型随机变量的函数分布
设连续型随机变量X的概率密度为fX(x)，若Y=g(X)处处可导且恒有g′(x)0（或恒有g′(x)0），则Y为连续型随机变量，其概率密度为fY(y)=fX[h(y)]⋅|h′(y)|，其中h(y)是g(x)的反函数，y∈g(D)，D是随机变量X的取值范围。
多维随机变量及其分布
03
联合分布律定义：对于二维随机变量(X,Y)，其联合分布律描述了X和Y同时取值的概率，即P{X=xi,Y=yj}。
02
联合密度函数定义：对于连续型二维随机变量(X,Y)，其联合密度函数f(x,y)描述了(X,Y)在点(x,y)处的概率密度。
03
联合分布律/密度函数的性质：非负性、规范性、可加性。
01
边缘密度函数定义
对于连续型二维随机变量(X,Y)，其边缘密度函数fx(x)和fy(y)分别描述了X和Y的概率密度。
边缘分布律/密度函数的计算
通过联合分布律/密度函数对另一变量进行求和或积分得到。
边缘分布律定义
对于二维随机变量(X,Y)，其边缘分布律描述了X或Y单独取值的概率，即P{X=xi}和P{Y=yj}。
条件分布律定义
对于二维随机变量(X,Y)，在已知X=xi的条件下，Y的条件分布律描述了Y取值的概率，即P{Y=yj|X=xi}。
条件密度函数定义
对于连续型二维随机变量(X,Y)，在已知X=x的条件下，Y的条件密度函数fy|x(y|x)描述了Y的概率密度。
条件分布律/密度函数的计算
通过联合分布律/密度函数和边缘分布律/密度函数计算得到。
01
02
03
VS
如果二维随机变量(X,Y)的联合分布律/密度函数可
文档评论（0）