简单概率统计与推理.pptxVIP

简单概率统计与推理

目录概率基础离散概率分布连续概率分布统计推断贝叶斯推断决策理论

01概率基础

概率的取值范围0≤P(A)≤1，其中P(A)=0表示事件A不会发生，P(A)=1表示事件A一定会发生。概率的确定方法基于大量重复实验中事件A发生的频率来估计。概率描述随机事件发生可能性的度量，通常用P(A)表示。概率的定义

123P(A)=1，即一定会发生的事件，如掷一枚骰子出现点数小于7。必然事件P(A)=0，即一定不会发生的事件，如掷一枚骰子出现点数大于7。不可能事件介于必然事件和不可能事件之间的事件，即有可能发生也有可能不发生的事件。随机事件概率的分类

概率的性质如果A和B是两个互斥事件（即A和B不能同时发生），则P(A∪B)=P(A)+P(B)。概率的减法性质如果A和B是两个事件，且B是A的子集（即B的发生必然导致A的发生），则P(B|A)=P(B)。概率的乘法性质如果A和B是两个独立事件（即一个事件的发生不影响另一个事件的发生），则P(AB)=P(A)×P(B)。概率的加法性质

02离散概率分布

123伯努利试验是一种只有两种可能结果的随机试验，通常表示为成功或失败。在一系列相互独立的伯努利试验中，成功的概率是恒定的，记为p。伯努利试验的概率分布是二项分布，记为B(n,p)，其中n是试验次数，p是每次试验成功的概率。伯努利试验

二项分布01二项分布是描述一系列相互独立的伯努利试验中成功次数的概率分布。02二项分布的概率质量函数、期望值和方差等性质在概率论和统计学中有广泛应用。03二项分布的参数是试验次数n和每次试验成功的概率p，记为B(n,p)。

泊松分布01泊松分布是描述单位时间内随机事件发生的次数的概率分布。02泊松分布适用于在固定时间间隔内随机事件的计数问题，如电话呼叫次数、放射性衰变次数等。泊松分布的概率函数、期望值和方差等性质在概率论和统计学中有广泛应用。03

03连续概率分布

ABCD正态分布正态分布具有两个参数，均值和标准差，它们决定了分布的形状和范围。正态分布是一种常见的连续概率分布，其概率密度函数呈钟形曲线，对称轴为均值。正态分布在统计学中具有重要的地位，许多统计方法和假设检验都基于正态分布。正态分布在自然界和社会现象中广泛存在，如人类的身高、考试分数等。

01指数分布是一种连续概率分布，其概率密度函数为指数函数。02指数分布有两个参数，一个是比例参数，另一个是尺度参数。03指数分布在时间间隔和等待时间等场合中广泛应用，如寿命测试、网络延迟等。04指数分布在概率论和统计学中也有着重要的应用。指数分布

均匀分布均匀分布是一种连续概率分布，其概率密度函数在整个定义域内都是常数。均匀分布有两个参数，一个是下限，另一个是上限。均匀分布在物理、工程和计算机科学等领域中有着广泛的应用，如随机数生成、加密算法等。

04统计推断

参数估计点估计通过样本数据直接给出总体参数的估计值，如样本均值、样本比例等。区间估计基于样本数据和一定的置信水平，给出总体参数的可能取值范围。

零假设是未作特定假定的原始假设，对立假设是与零假设相对立的假设。零假设与对立假设用于确定接受或拒绝零假设的概率，通常取值在0.05或0.01。显著性水平假设检验

010203方差分析是一种用于比较不同组数据的变异程度和影响因素的方法。方差分析通过比较组间方差和组内方差来确定不同因素对数据变异的影响程度。方差分析可用于检验多因素对响应变量的独立效应和交互效应。方差分析

05贝叶斯推断

贝叶斯定理是概率论中的一个基本定理，它提供了一种计算条件概率的方法。具体来说，贝叶斯定理用于在已知某些其他变量的条件下，估计某一变量的概率。贝叶斯定理公式为：$P(A|B)=frac{P(B|A)cdotP(A)}{P(B)}$，其中$P(A|B)$是在B发生的条件下A发生的概率，$P(B|A)$是在A发生的条件下B发生的概率，$P(A)$是A发生的概率，$P(B)$是B发生的概率。贝叶斯定理

VS贝叶斯推断在许多领域都有广泛的应用，例如统计学、机器学习、人工智能、自然语言处理等。它可以帮助我们更好地理解和预测事物的发生和发展，特别是在数据有限或者存在不确定性的时候。贝叶斯推断的一个典型应用是垃圾邮件过滤。通过分析用户的邮件历史和垃圾邮件特征，贝叶斯算法可以预测一封新邮件是否是垃圾邮件，从而提高邮件过滤的准确率。贝叶斯推断的应用

贝叶斯网是一种基于概率的图形模型，用于表示随机变量之间的概率依赖关系。它由一组节点（代表随机变量）和一组有向边（代表概率依赖关系）组成。在贝叶斯网中，每个节点都有一个与之关联的概率分布，表示该随机变量的可能取值及其概率。通过贝叶斯网，我