茆诗松概率论与数理统计.pptxVIP

汇报人:AA2024-01-20茆诗松概率论与数理统计

目录CONTENCT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介绍随机过程初步介绍

01概率论基本概念

0102030405样本空间事件基本事件必然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。样本空间的子集，即某些可能结果的集合。只包含一个样本点的事件。包含样本空间中所有样本点的事件。空集，不包含任何样本点的事件。样本空间与事件

事件A发生的可能性大小的度量，记为P(A)。非负性、规范性（必然事件的概率为1）、可列可加性（互不相容事件的并的概率等于各事件概率之和）。概率定义及性质概率性质概率定义

80%80%100%条件概率与独立性在事件B发生的条件下，事件A发生的概率，记为P(A|B)。P(AB)=P(A|B)P(B)=P(B|A)P(A)P(AB)=P(A|B)P(B)=P(B|A)P(A)P(AB)=P(A∣B)P(B)=P(B∣A)P(A)。如果P(AB)=P(A)P(B)P(AB)=P(A)P(B)P(AB)=P(A)P(B)，则称事件A与事件B相互独立。条件概率乘法公式事件的独立性概率公式：如果事件B1,B2,…,BnB_1,B_2,ldots,B_nB1?,B2?,…,Bn?构成一个完备事件组，且都有正概率，则对任意事件AAA，有全概率公式与贝叶斯公式全概率公式：如果事件B1,B2,…,BnB_1,B_2,ldots,B_nB1?,B2?,…,Bn?构成一个完备事件组，且都有正概率，则对任意事件AAA，有全概率公式：如果事件B1,B2,…,BnB_1,B_2,ldots,B_nB1?,B2?,…,Bn?构成一个完备事件组，且都有正概率，则对任意事件AAA，有全概率公式：如果事件B1,B2,…,BnB_1,B_2,ldots,B_nB1?,B2?,…,Bn?构成一个完备事件组，且都有正概率，则对任意事件AAA，有

02随机变量及其分布

定义分类随机变量定义及分类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。离散型随机变量的取值是有限个或可列个，而连续型随机变量的取值则是充满一个区间。

离散型随机变量分布律分布律定义离散型随机变量的分布律可用概率质量函数来描述，它表示随机变量取各个值的概率。常见离散分布二项分布、泊松分布、几何分布等。

连续型随机变量的概率密度函数是一个非负可积函数，它描述了随机变量取值的概率分布情况。概率密度函数定义正态分布、均匀分布、指数分布等。常见连续分布连续型随机变量概率密度函数

函数分布定义若随机变量X的函数Y=g(X)也是随机变量，则称Y为X的函数随机变量，其分布称为函数分布。函数分布的求法通常通过变换法则或卷积公式来求解函数分布。随机变量函数分布

03多维随机变量及其分布

VS描述两个随机变量同时取值的概率分布规律，通常用一个二维表格或曲面图表示。联合密度函数对于连续型随机变量，联合密度函数表示两个随机变量在某一区域内取值的概率密度，其积分可得联合分布函数。联合分布律二维随机变量联合分布律/密度函数

二维随机变量中，一个随机变量取某一值时，另一个随机变量取值的概率分布。可通过联合分布律对另一个随机变量求和得到。对于连续型随机变量，边缘密度函数表示一个随机变量在某一区域内取值的概率密度，可通过联合密度函数对另一个随机变量积分得到。边缘分布律边缘密度函数边缘分布律/密度函数

条件分布律在已知一个随机变量取值的条件下，另一个随机变量的概率分布。可通过联合分布律和边缘分布律计算得到。要点一要点二条件密度函数对于连续型随机变量，条件密度函数表示在已知一个随机变量取值的条件下，另一个随机变量的概率密度。可通过联合密度函数和边缘密度函数计算得到。条件分布律/密度函数

相互独立随机变量如果两个随机变量的联合分布律（或联合密度函数）等于各自边缘分布律（或边缘密度函数）的乘积，则称这两个随机变量相互独立。定义相互独立的随机变量具有一些重要的性质，如一个随机变量的取值不影响另一个随机变量的取值，且相互独立的随机变量的函数也相互独立等。这些性质在概率论与数理统计中具有重要的应用。性质

04数理统计基本概念和方法

总体样本统计量总体、样本和统计量从总体中随机抽取的一部分个体，用于推断总体的性质。根据样本数据计算出来的用于描述样本特征的量，如样本均值、样本方差等。研究对象的全体个体所构成的集合，具有共同的性质和特征。

当样本容量足够大时，样本均值趋近于总体均值。大数定律当样本容量足够大时，不论总体分布如何，样本均值的分布近似于正态分布。中心极限定理包括抽样分布的期