概率统计简明教程.pptxVIP

概率统计简明教程概率论基本概念一维随机变量及其分布多维随机变量及其分布数字特征与极限定理统计量及其抽样分布参数估计与假设检验contents目录01概率论基本概念CHAPTER随机事件与概率非负性、规范性、可加性。概率的性质描述随机事件发生的可能性大小的数值。概率在一定条件下并不总是发生的现象。随机事件古典概型与几何概型古典概型每个样本点等可能出现，且样本空间有限。两者区别几何概型样本点无限且连续出现，通过几何度量（长度、面积、体积等）来刻画概率。主要在于样本空间的构成方式不同。条件概率与独立性条件概率独立性在已知某一事件发生的条件下，另一事件发生的概率。两个事件相互独立，即一个事件的发生不影响另一个事件的发生概率。条件概率与独立性的关系若两事件相互独立，则它们之间的条件概率等于各自的无条件概率之积。02一维随机变量及其分布CHAPTER离散型随机变量01定义：取值可数的随机变量，如投掷骰子的点数。02概率分布列：描述离散型随机变量取各个值的概率，满足非负性和归一性。03常见离散型随机变量分布：二项分布、泊松分布等。连续型随机变量定义取值充满某个区间的随机变量，如测量误差。常见连续型随机变量分布概率密度函数描述连续型随机变量在某个值附近的概率分布情况，满足非负性和归一性。正态分布、均匀分布、指数分布等。随机变量的函数分布一维随机变量的函数分布：通过已知随机变量的分布，求解其函数的分布。01离散型随机变量的函数分布：根据概率分布列求解。02连续型随机变量的函数分布：根据概率密度函数求解，可能涉及到积分变换等方法。0303多维随机变量及其分布CHAPTER二维随机变量及其联合分布010203二维随机变量的定义联合分布函数联合概率密度函数设$X$和$Y$是两个随机变量，则称$(X,Y)$为二维随机变量。对于任意实数$x,y$，二元函数$F(x,y)=P{Xleqx,Yleqy}$称为二维随机变量$(X,Y)$的联合分布函数。如果存在非负函数$f(x,y)$，使得对于任意实数$x,y$，有$F(x,y)=int_{-infty}^{x}int_{-infty}^{y}f(u,v)dudv$，则称$f(x,y)$为二维随机变量$(X,Y)$的联合概率密度函数。边缘分布与条件分布边缘分布函数边缘概率密度函数条件分布函数条件概率密度函数二维随机变量$(X,Y)$关于$X$和关于$Y$的分布函数分别称为$(X,Y)$关于$X$和关于$Y$的边缘分布函数，记作$F_X(x)$和$F_Y(y)$。设二维随机变量$(X,Y)$的概率密度函数为$f(x,y)$，则称$f_X(x)=int_{-infty}^{infty}f(x,y)dy$和$f_Y(y)=int_{-infty}^{infty}f(x,y)dx$分别为$(X,Y)$关于$X$和关于$Y$的边缘概率密度函数。设二维随机变量$(X,Y)$的分布函数为$F(x,y)$，且对于固定的$y$，$F_Y(y)0$，则称$frac{F(x,y)}{F_Y(y)}$为在$Y=y$条件下，$X$的条件分布函数，记作$F_{X|Y}(x|y)$。设二维随机变量$(X,Y)$的概率密度函数为$f(x,y)$，且对于固定的$y$，$f_Y(y)0$，则称$frac{f(x,y)}{f_Y(y)}$为在$Y=y$条件下，$X$的条件概率密度函数，记作$f_{X|Y}(x|y)$。相互独立的随机变量相互独立的定义设二维随机变量$(X,Y)$的联合分布函数为$F(x,y)$，边缘分布函数分别为$F_X(x)$和$F_Y(y)$。如果对于所有的实数$x,y$，都有$F(x,y)=F_X(x)F_Y(y)$，则称随机变量$X$和$Y$是相互独立的。相互独立的性质如果随机变量$X$和$Y$是相互独立的，那么对于任意实数集合${x_i}$和${y_j}$，事件${Xin{x_i}}$和${Yin{y_j}}$也是相互独立的。相互独立与条件独立的区别相互独立是指两个事件同时发生的概率等于各自发生的概率的乘积；而条件独立是指在给定某些条件下，两个事件同时发生的概率等于各自发生的概率的乘积。条件独立并不意味着相互独立。04数字特征与极限定理CHAPTER数学期望与方差数学期望描述随机变量取值的“平均水平”，是概率加权下的平均值。对于离散型随机变量，数学期望是所有可能取值与其对应概率的乘积之和；对于连续型随机变量，数学期望则是通过积分计算得到。方差衡量随机变量取值与其数学期望的偏离程度。方差越大，说明随机变量取值的波动性或分散程度越大；方差越小，则说明随机变量取值的稳定性或集中程度越高。协方差与相关系数协方差衡量两个随机变量变化趋势的相似程度。如果两个随机变量同时向相反方向变化（即一个增大另一个减小），则它们的协方差为负值；