高中概率知识点总结.pptx

高中概率知识点总结

目录概率基本概念离散型随机变量及其分布连续型随机变量及其分布多维随机变量及其分布大数定律和中心极限定理参数估计与假设检验

01概率基本概念Part

样本空间与事件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，常用大写字母A、B等表示。基本事件样本空间中只包含一个样本点的事件。

概率定义非负性规范性可加性概率定义及性相同条件下，某一事件A发生的可能性大小，常用P(A)表示。对于任意事件A，有P(A)≥0。样本空间S的概率为1，即P(S)=1。对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。

1423条件概率与独立性条件概率：在事件B发生的条件下，事件A发生的概率，记作P(A|B)。独立性：如果事件A和B的发生互不影响，则称事件A和B是相互独立的。对于相互独立的事件A和B，有P(A∩B)=P(A)P(B)。如果事件A和B不独立，则P(A|B)≠P(A)。

02离散型随机变量及其分布Part

在一定区间内可以取有限个或可数个值的随机变量，其取值可以一一列出。离散型随机变量表示离散型随机变量取各个值的概率的表格或公式，满足非负性和归一性。分布列离散型随机变量定义

超几何分布在含有M件次品的N件产品中，任取n件，其中恰有X件次品，则事件{X=k}的概率服从超几何分布，记为X~H(n,M,N)。二项分布在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为p，用X表示事件A发生的次数，则X服从参数为n和p的二项分布，记为X~B(n,p)。泊松分布一种常见的离散概率分布，适合描述单位时间内随机事件发生的次数的概率分布，记为X~P(λ)。常见离散型随机变量分布

期望与方差计算离散型随机变量的期望是所有可能取值的概率加权和，即E(X)=x1p1+x2p2+...+xnpn，其中xi为随机变量X的取值，pi为对应取值的概率。期望（均值）计算方差是衡量随机变量取值分散程度的一个量，计算公式为D(X)=E[(X-E(X))^2]，也可以简化为D(X)=E(X^2)-[E(X)]^2，其中E(X)为随机变量X的期望。方差计算

03连续型随机变量及其分布Part

与离散型随机变量不同，连续型随机变量的取值是连续的，不能一一列举出来。连续型随机变量的取值依赖于概率密度函数，该函数描述了随机变量取各个值的概率分布情况。连续型随机变量是可以取某一区间或整个实数轴上的任意值的随机变量。连续型随机变量定义

常见连续型随机变量分布均匀分布在某一区间内，随机变量取各个值的概率相等。其他连续型分布如伽马分布、贝塔分布等，用于描述不同类型的连续型随机变量的概率分布情况。正态分布随机变量取值的概率分布呈现钟形曲线，具有对称性和集中性。指数分布描述某些连续型随机事件的时间间隔的概率分布，如等待时间、寿命等。

概率密度函数与分布函数关系概率密度函数f(x)描述了连续型随机变量在某一确定取值点的概率分布情况。分布函数F(x)表示随机变量X取值小于等于x的概率，即F(x)=P(X≤x)。概率密度函数与分布函数之间的关系为：F(x)=∫f(x)dx（积分下限为负无穷，上限为x）。通过概率密度函数可以求得分布函数，反之亦然。

04多维随机变量及其分布Part

描述二维随机变量$(X,Y)$在某一取值范围内的概率。联合分布函数联合分布律联合概率密度函数对于离散型二维随机变量，联合分布律表示$(X,Y)$取各个值的概率。对于连续型二维随机变量，联合概率密度函数表示$(X,Y)$在某一取值范围内的概率密度。030201二维随机变量联合分布

由二维随机变量的联合分布函数分别对$x$和$y$积分得到，描述$X$和$Y$各自取值的概率。边缘分布函数在已知$X=x$的条件下，$Y$取各个值的概率，或在已知$Y=y$的条件下，$X$取各个值的概率。条件分布律对于连续型二维随机变量，条件概率密度函数表示在已知某一变量取值的条件下，另一变量的概率密度。条件概率密度函数边缘分布与条件分布

独立性检验01通过检验二维随机变量$(X,Y)$的联合分布是否等于其边缘分布的乘积来判断$X$和$Y$是否独立。相关性分析02通过计算相关系数来衡量二维随机变量$(X,Y)$之间的线性相关程度。相关系数为正表示正相关，为负表示负相关，为零表示不相关。协方差与相关系数03协方差用于衡量两个随机变量的总体误差，相关系数则是协方差与两随机变量标准差的比值，用于消除量纲影响，更准确地反映两个随机变量之间的线性相关程度。独立性检验和相关性分析

05大数定律和中心极限定理Part

大数定律是描述随机现象平均结果稳定性的定理，即在大量重复试验中，随机事件的频率会趋于一个稳定的值。大数定律内容大数定律揭示了随机现象背后的规律性，为概率