茆诗松概率论与数理统计教程.pptxVIP

茆诗松概率论与数理统计教程汇报人：AA2024-01-19

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假设检验与区间估计方差分析与回归分析初步

概率论基本概念01

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。基本事件只包含一个样本点的事件。必然事件包含样本空间中所有样本点的事件，即S本身。不可能事件空集?，不包含任何样本点的事件。样本空间与事件

概率定义01事件A发生的可能性大小的度量，记为P(A)。02概率性质非负性、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）。03等可能概型每个基本事件发生的可能性相同，此时概率可定义为事件包含的基本事件数除以样本空间的基本事件总数。概率定义及性质

事件的独立性如果事件A的发生与否对事件B发生的概率没有影响，即P(A|B)=P(A)且P(B|A)=P(B)，则称事件A与B相互独立。多个事件的独立性对于n个事件，如果任意k个（k≤n）事件的交的概率等于这k个事件概率的乘积，则称这n个事件相互独立。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)。计算公式为P(A∩B)/P(B)。条件概率与独立性

如果事件B1,B2,…,Bn构成一个完备事件组（即两两互不相容且并集为必然事件），则对任意事件A，有P(A)=∑P(Bi)P(A|Bi)。该公式用于计算复杂事件的概率。在全概率公式的条件下，可以推导出贝叶斯公式P(Bi|A)=[P(Bi)P(A|Bi)]/∑[P(Bj)P(A|Bj)]。该公式用于在已知某些信息（即事件A发生）的情况下，更新对原因（即各Bi）的信念或概率估计。全概率公式贝叶斯公式全概率公式与贝叶斯公式

随机变量及其分布02

随机变量定义及分类定义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。分类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数，而连续型随机变量取值不可数。

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。分布律定义二项分布、泊松分布、几何分布等。常见离散型随机变量分布非负性、规范性（所有取值的概率之和为1）。分布律性质离散型随机变量分布律

常见连续型随机变量分布正态分布、均匀分布、指数分布等。概率密度函数性质非负性、规范性（在整个实数轴上的积分为1）。概率密度函数定义连续型随机变量的概率密度函数是一个非负可积函数，其在某区间内的积分值表示随机变量落在该区间内的概率。连续型随机变量概率密度函数

随机变量函数分布030201随机变量函数的定义：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，其分布称为随机变量X的函数分布。离散型随机变量函数分布：通过分布律的变换求得。连续型随机变量函数分布：通过概率密度函数的变换求得，需注意变换后的概率密度函数可能需要进行归一化处理。

多维随机变量及其分布03

联合分布函数定义设(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{(X≤x)∩(Y≤y)}称为二维随机变量(X,Y)的联合分布函数。如果二维随机变量(X,Y)所有可能取的值是有限的或可列无限的，则称(X,Y)是离散型的二维随机变量，称P{X=xi,Y=yj}=pij,i,j=1,2,...为二维随机变量(X,Y)的联合分布律。如果二维随机变量(X,Y)的分布函数F(x,y)可表示为F(x,y)=∫∫f(u,v)dudv，则称(X,Y)为连续型的二维随机变量，函数f(x,y)称为二维随机变量(X,Y)的联合概率密度。联合分布律联合概率密度二维随机变量联合分布

边缘分布函数条件分布律条件概率密度边缘分布与条件分布二维随机变量(X,Y)关于X的边缘分布函数定义为FX(x)=P{X≤x}，关于Y的边缘分布函数定义为FY(y)=P{Y≤y}。对于离散型二维随机变量(X,Y)，在已知{X=xi}的条件下，随机变量Y的条件分布律为P{Y=yj|X=xi}=pij/pi.，其中pi.是X的边缘分布律。对于连续型二维随机变量(X,Y)，在已知{X=x}的条件下，随机变量Y的条件概率密度为fY|X(y|x)=f(x,y)/fX(x)，其中fX(x)是X的边缘概率密度。

独立性如果二维随机变量(X,Y)的联合分布函数等于各自边缘分布函数的乘积，即F(x,y)=FX(x)FY(y)，则称二维随机变量(X,Y)是相互独立的。相关性如果二维随机变量(X,Y)不是相互独立的，则称它们是相关的。相关系数ρXY用于量化这种相关性，ρXY=0表示不相关，-1≤ρXY≤1。独立性及相关性

设二维随机变量(X,Y)的联合概率密度为f(x,y)，则Z=X+Y的分布函数为FZ(z)=P{Z