原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
成考（专升本）高数（二）概率论基础
目录CONTENT01概率论基本概念02离散型随机变量03连续型随机变量04大数定律与中心极限定理05随机变量的数字特征06假设检验与置信区间
01概率论基本概念
概率论的发展简史起源于17世纪，由赌博问题引发
经历了从组合数学到现代概率论的转变
发展出了多个分支，如随机过程、统计决策等概率论的应用领域在自然科学、社会科学、工程技术等领域广泛应用
是统计学、金融数学、保险数学等学科的基础
在机器学习、人工智能等领域也具有重要地位概率论的基本术语随机试验、样本空间、事件等基本概念
概率、条件概率、独立性等基本性质
贝叶斯定理、大数定理、中心极限定理等基本定理概率论的基本公理非负性公理：概率值非负
归一性公理：所有可能事件的概率和为1
可加性公理：互斥事件的概率等于各自概率之和概率论的定义与意义
结果不可预测
结果有规律性
结果可重复试验随机现象的特点样本空间：所有可能结果的集合
样本点：样本空间中的单个元素
两者关系：样本点构成了样本空间样本空间与样本点包含关系：一个事件是另一个事件的子集
并运算：至少有一个事件发生
交运算：所有事件同时发生事件的关系与运算必然事件：概率为1的事件
不可能事件：概率为0的事件
随机事件：概率在0和1之间的事件事件的分类随机现象与样本空间
全概率公式与贝叶斯公式全概率公式：分割样本空间计算事件概率
贝叶斯公式：根据先验概率和似然度计算后验概率
应用于参数估计和决策理论概率的加法公式互斥事件的概率计算
任意两个事件的概率和
考虑到事件的互斥和独立概率的乘法公式条件概率和联合概率的计算
独立事件的概率乘积
利用乘法公式解决复杂事件的概率古典概型的计算等可能事件的概率计算
样本空间和事件数均为有限
概率等于事件数除以样本空间数概率的计算
02离散型随机变量
分布函数是累积概率，即随机变量取值小于或等于某值的概率
分布函数单调不减
分布函数左连续离散型随机变量的分布函数期望是取值的加权平均，权重为对应的概率
方差是取值与期望差值的平方的加权平均
方差反映了随机变量的离散程度离散型随机变量的期望与方差离散型随机变量是指其取值为有限个或可列无限个的随机变量
这些取值具有明确的概率
离散型随机变量通常通过概率质量函数（PMF）来描述离散型随机变量的概念取值可列举
概率和为1
具有独立的增量离散型随机变量的性质离散型随机变量的定义
只有两个可能取值，通常表示为0和1
适用于伯努利试验
概率质量函数为?p^x?*?(1-?p)^(1-?x)用于描述在固定时间或空间内发生某一事件的次数
参数为事件平均发生率λ
当n很大，p很小时，二项分布近似为泊松分布几何分布关注的是首次成功所需的试验次数
负二项分布关注的是第r次成功所需的试验次数
都与伯努利试验有关多次伯努利试验的累积结果
成功次数的分布
参数为试验次数n和每次试验成功的概率p伯努利分布泊松分布二项分布几何分布与负二项分布常见的离散型分布
两个离散型随机变量的联合分布联合分布描述两个随机变量同时取值的概率分布
可以用表格或公式表示
反映了两个随机变量之间的相依关系离散型随机变量的独立性若两个随机变量的联合分布等于各自边缘分布的乘积，则它们独立
独立性不随时间变化
独立性可以在实际应用中简化问题多维离散型随机变量的分布描述两个以上随机变量的联合分布
可以推广到任意维随机变量的情况
多维分布可以反映多个随机变量之间的复杂关系离散型随机变量的条件分布给定一个随机变量的条件下，另一个随机变量的分布
条件分布可以用来更新我们对某个随机变量的认识
在实际应用中常用于贝叶斯推断离散型随机变量的联合分布
03连续型随机变量
连续型随机变量是其取值在某个区间内可以无限细分的随机变量
其可能取的值不能一一列举，而是充满某个区间
连续型随机变量通常由概率密度函数来描述连续型随机变量的概率密度函数在整个定义域上的积分等于1
概率密度函数非负
连续型随机变量在某一点的概率为0分布函数描述了随机变量取值小于或等于某个值的概率
分布函数是单调不减的
分布函数的极限为1，当自变量趋向于正无穷期望是随机变量取值的加权平均，权重为概率密度函数
方差是衡量随机变量取值分散程度的指标
期望和方差是描述随机变量分布特征的重要参数连续型随机变量的概念连续型随机变量的性质连续型随机变量的分布函数连续型随机变量的期望与方差连续型随机变量的定义
正态分布也称高斯分布，是最常见的连续型分布
概率密度函数呈钟形曲线
适用于许多自然和社会现象均匀分布在某个区间内，所有值出现的概率相同
概率密度函数在该区间内为常数，区间外为0
适用于所有值等可能出现的情况指数分布描述独立随机事件发生的时间间隔
概率密度函数呈指数衰减形式
常用于可靠性分析和排队论对数正态分布与伽玛分布对数正态分布是正态
文档评论（0）