工程数学-概率统计简明教程.pptxVIP

工程数学-概率统计简明教程2023REPORTING

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特征函数大数定律与中心极限定理统计量及其分布目录CATALOGUE2023

PART01概率论基本概念2023REPORTING

随机事件在一定条件下，并不总是发生，也不总是不发生的事件。概率描述随机事件发生的可能性大小的数值，取值范围在0到1之间。古典概型等可能概率模型，事件发生的概率等于该事件包含的基本事件个数与全部基本事件个数之比。随机事件与概率

03乘法公式两事件同时发生的概率等于其中一个事件发生的概率与在另一个事件发生的条件下该事件发生的条件概率的乘积。01条件概率在已知某一事件发生的条件下，另一事件发生的概率。02事件的独立性两个事件相互独立，当且仅当其中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

全概率公式在全概率公式的假定下，贝叶斯公式提供了根据新的信息更新先验概率的方法。贝叶斯公式逆概率已知结果推测原因的概率，即已知后面事件发生的情况下，前面事件发生的概率。如果事件B1，B2，…，Bn构成一个完备事件组，且都具有正概率，则对任意一个事件A，有全概率公式。全概率公式与贝叶斯公式

PART02一维随机变量及其分布2023REPORTING

定义取值可数的随机变量称为离散型随机变量。常见离散型随机变量分布二项分布、泊松分布、几何分布等。分布律描述离散型随机变量取各个值的概率，常用分布列表示。离散型随机变量及分布律

概率密度描述连续型随机变量在某个值附近的概率变化情况，常用概率密度函数表示。常见连续型随机变量分布正态分布、均匀分布、指数分布等。定义取值充满某个区间的随机变量称为连续型随机变量。连续型随机变量及概率密度

123定义：随机变量的函数是指通过某种规则将随机变量的取值映射到另一个取值空间上。离散型随机变量的函数的分布：通过分布律的变换得到。连续型随机变量的函数的分布：通过概率密度函数的变换得到，需要注意变换后的取值范围和概率密度的归一化。随机变量的函数的分布

PART03多维随机变量及其分布2023REPORTING

二维随机变量的定义设$X$和$Y$是两个随机变量，则称$(X,Y)$为二维随机变量。联合分布函数对于所有$x,yinR$，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。联合概率密度函数如果存在非负函数$f(x,y)$，使得对于任意$x,y$都有$F(x,y)=int_{-infty}^{x}int_{-infty}^{y}f(u,v)dudv$，则称$f(x,y)$为二维随机变量$(X,Y)$的联合概率密度函数。二维随机变量及联合分布

要点三边缘分布函数二维随机变量$(X,Y)$关于$X$的边缘分布函数定义为$F_X(x)=F(x,+infty)$，关于$Y$的边缘分布函数定义为$F_Y(y)=F(+infty,y)$。要点一要点二边缘概率密度函数如果$(X,Y)$的联合概率密度函数为$f(x,y)$，则$X$的边缘概率密度函数为$f_X(x)=int_{-infty}^{+infty}f(x,y)dy$，$Y$的边缘概率密度函数为$f_Y(y)=int_{-infty}^{+infty}f(x,y)dx$。条件分布函数设二维随机变量$(X,Y)$的联合分布函数为$F(x,y)$，关于$Y$的边缘分布函数为$F_Y(y)$。若对于固定的$y$，$F_Y(y)0$，则称$frac{F(x,y)}{F_Y(y)}$为在$Y=y$条件下，$X$的条件分布函数，记为$F_{X|Y}(x|y)$。要点三边缘分布与条件分布

两个随机变量独立的定义如果对于所有的$x,yinR$，都有$F(x,y)=F_X(x)F_Y(y)$，则称随机变量$X$和$Y$是独立的。两个随机变量不相关的定义如果$E[XY]=E[X]E[Y]$，则称随机变量$X$和$Y$是不相关的。独立与不相关的关系如果两个随机变量独立，则它们一定不相关；但是，不相关并不意味着独立。随机变量的独立性030201

PART04数字特征与特征函数2023REPORTING

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离散程度越高；方差越小，则说明随机变量取值越趋近于数学期望。数学期望与方差

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