北师大版概率课件.pptVIP

**************概率的定义11.随机事件概率论研究的是随机现象，这些现象的结果是不确定的。22.频率在大量重复试验中，事件发生的频率会趋于稳定，这个稳定的值就是概率。33.数学定义概率是事件发生的可能性大小的度量，用一个介于0和1之间的数值表示。44.重要性概率的概念在各个领域都有广泛应用，例如统计学、金融学、物理学等。古典概型与几何概型1古典概型所有事件等可能发生2几何概型事件发生的概率与事件所占区域大小成正比古典概型用于计算等可能性事件的概率。几何概型则用于计算连续性事件的概率。事件的关系包含关系事件A包含事件B，指的是事件B发生，事件A一定发生。例如，事件A为抛硬币得到正面或反面，事件B为抛硬币得到正面，则事件A包含事件B。相容关系事件A和事件B至少有一个发生，则称它们为相容事件。例如，事件A为抛硬币得到正面，事件B为抛硬币得到反面，则它们为相容事件。不相容关系事件A和事件B不可能同时发生，则称它们为不相容事件。例如，事件A为抛硬币得到正面，事件B为抛硬币得到反面，则它们为不相容事件。独立关系事件A的发生与事件B的发生没有关系，则称它们为独立事件。例如，事件A为抛硬币得到正面，事件B为抛硬币得到反面，则它们为独立事件。事件的运算1事件的并事件A或事件B至少发生一个的事件称为事件A与事件B的并，用A∪B表示。2事件的交事件A和事件B同时发生的事件称为事件A与事件B的交，用A∩B表示。3事件的差事件A发生而事件B不发生的事件称为事件A与事件B的差，用A-B表示。互斥事件与完全事件互斥事件两个事件不可能同时发生。完全事件至少发生其中一个事件的概率为1。条件概率概率树概率树是一种直观的工具，用于计算条件概率。它展示了事件发生的可能性，以及不同事件之间的相互依赖关系。公式条件概率的公式表示在事件B已经发生的情况下，事件A发生的概率。贝叶斯定理贝叶斯定理是条件概率的一个重要应用，它允许我们根据新信息更新先前的概率。贝叶斯公式定义贝叶斯公式是一种用于计算条件概率的公式，它基于先验概率和似然函数来更新对事件的信念。应用贝叶斯公式广泛应用于机器学习、统计推断、医疗诊断等领域。意义贝叶斯公式允许我们利用新信息来修正先验概率，从而得出更准确的结论。独立事件11.事件间无影响一个事件的发生不影响另一个事件发生的概率。22.联合概率计算两个独立事件同时发生的概率等于它们各自概率的乘积。33.典型示例抛硬币两次，第一次正面朝上不影响第二次的结果。44.统计应用独立事件在统计学中应用广泛，例如假设检验和方差分析。随机变量离散型随机变量离散型随机变量的值只能取有限个值或可数个值，例如掷骰子，结果为1到6之间的整数。连续型随机变量连续型随机变量的值可以在某个区间内任意取值，例如人的身高，可以取从1.5米到1.8米之间的任何值。随机变量的分布随机变量的概率分布描述了随机变量取各个值的概率，可以帮助我们分析随机现象的规律。离散型随机变量定义离散型随机变量是指其取值只能是有限个或可数个值的随机变量。在现实生活中，很多事件的随机结果可以用离散型随机变量来描述，例如掷骰子，抽取样本等。常见类型常见的离散型随机变量有：伯努利分布、二项分布、泊松分布等。每个分布都有其特定的特点和应用场景。例子一个典型的例子是：掷一枚硬币，正面朝上的次数可以用离散型随机变量来表示，它的取值为0或1。连续型随机变量连续型随机变量取值在某个范围内，且可以是任何值。特征取值可以用一个连续的数字范围表示。示例人的身高、体重、温度等都是连续型随机变量。期望与方差期望值表示随机变量的平均值，它反映了随机变量的中心位置。方差衡量随机变量取值的离散程度，数值越大，表示随机变量的取值越分散。泊松分布定义泊松分布是一种描述在特定时间或空间内事件发生的概率分布。假设事件发生的概率是恒定的，并且事件之间是独立的。应用泊松分布在许多领域都有应用，例如：顾客到达商店的频率电话呼叫中心的呼叫量网站访问的次数二项分布独立试验二项分布研究的是一系列独立试验的成功次数，每个试验只有两种可能结果。概率固定每个试验的成功概率都是固定的，不会随着试验次数而改变。分布形式二项分布可以通过其概率质量函数来描述，该函数给出每个可能成功次数的概率。正态分布概率密度函数正态分布的概率密度函数呈钟形曲线，对称于均值，反映了数据围绕均值分布的规律。参数正态分布由两个参数确定：均值和标准差，分别代表数据的中心位置和离散程度。应用广泛