概率统计电子教案.pptVIP

概率统计电子教案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随机变量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概率论基本概念随机试验样本点样本空间事件随机试验与样本空间01020304在一定条件下对某随机现象进行观察或试验，结果具有随机性。随机试验的每一个可能结果。所有样本点组成的集合，通常用Ω表示。样本空间的子集，即某些样本点的集合。事件的包含与相等事件的并（和）事件的交（积）事件的互斥与对立事件及其关系若事件A发生必然导致事件B发生，则称事件A包含于事件B。两个事件同时发生。两个事件中至少有一个发生。两个事件不能同时发生，且它们的并集为全集。满足非负性、规范性和可列可加性的集合函数。概率的公理化定义必然事件的概率为1，不可能事件的概率为0；若A?B，则P(A)≤P(B)等。概率的性质样本空间中样本点有限且等可能，事件的概率由事件包含的样本点个数与样本空间样本点总数的比值确定。古典概型样本空间为某个可度量的几何区域，事件的概率为事件构成的区域度量与样本空间度量的比值。几何概型概率定义与性质独立性的性质若事件A与B相互独立，则P(AB)=P(A)P(B)；若事件A、B、C两两独立，则它们同时发生的概率为P(A)P(B)P(C)等。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)。乘法公式P(AB)=P(A)P(B/A)=P(B)P(A/B)，用于计算两个事件同时发生的概率。事件的独立性若事件A的发生与否不影响事件B发生的概率，则称事件A与B相互独立。条件概率与独立性02随机变量及其分布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。根据随机变量可能取值的性质，可以将其分为离散型随机变量和连续型随机变量。随机变量概念及分类随机变量的分类随机变量的定义123对于一个离散型随机变量X，其所有可能取的值xi(i=1,2,...)与取这些值的概率P{X=xi}(i=1,2,...)构成的序列称为X的分布律。分布律的定义非负性、规范性、分布函数的性质。分布律的性质0-1分布、二项分布、泊松分布等。常见离散型随机变量的分布离散型随机变量分布律概率密度的定义如果对于随机变量X的分布函数F(x)，存在非负函数f(x)，使对于任意实数x有F(x)=∫f(t)dt(积分下限是-∞，上限是x)，则称X为连续型随机变量，f(x)称为X的概率密度函数，简称概率密度。概率密度的性质非负性、规范性、分布函数的性质、概率的计算。常见连续型随机变量的分布均匀分布、指数分布、正态分布等。连续型随机变量概率密度设X是随机变量，g(x)是实函数，则Y=g(X)也是随机变量，称Y是X的函数。随机变量函数的定义当X是离散型随机变量时，可以通过列举法求出Y的分布律；当X是连续型随机变量时，可以通过公式法或者定义法求出Y的概率密度。随机变量函数的分布根据期望和方差的运算性质，可以求出随机变量函数的期望和方差。随机变量函数的期望和方差随机变量函数分布03多维随机变量及其分布联合分布函数定义对于所有实数x,y，$F(x,y)=P{Xleqx,Yleqy}$称为二维随机变量(X,Y)的联合分布函数。联合概率密度函数若存在非负函数$f(x,y)$，使得对任意实数x,y有$F(x,y)=int_{-infty}^{x}int_{-infty}^{y}f(u,v)dudv$，则称(X,Y)为连续型随机变量，$f(x,y)$为(X,Y)的联合概率密度函数。联合分布律对于离散型随机变量(X,Y)，称其所有可能取值及对应概率$P{X=x_i,Y=y_j}=p_{ij},i,j=1,2,...$为(X,Y)的联合分布律。010203二维随机变量联合分布010203边缘分布函数二维随机变量(X,Y)中，X或Y自身的分布函数称为边缘分布函数，即$F_X(x)=F(x,+infty),F_Y(y)=F(+infty,y)$。边缘概率密度与边缘分布律连续型随机变量的边缘概率密度为$f_X(x)=int_{-infty}^{+infty}f(x,y)dy,f_Y(y)=int_{-infty}^{+infty}f(x,y)dx$；离散型随机变量的边缘分布律为$p_i^X=sum_{j=1}^{infty}p_{ij},p_j^Y=sum_{i=1}^{infty}p_{ij}$。条件分布在给定$Y=y$条件下，随机变量X的条件分布函数为$F_{X|Y}(x|y)=P{