《概率统计期中复习》课件.pptVIP

*****************复习大纲1基本概率知识回顾随机事件与概率、条件概率、贝叶斯公式2离散型随机变量离散型随机变量及其分布、期望和方差、常见离散分布3连续型随机变量连续型随机变量及其分布、期望和方差、正态分布4大数定律和中心极限定理大数定律、中心极limit定理基本概率知识回顾概率的基本概念随机事件、概率、古典概率、几何概率等事件的关系与运算并、交、补事件，事件的独立性等随机事件与概率随机事件在特定条件下可能发生也可能不发生的结果。概率随机事件发生的可能性大小，介于0和1之间。条件概率定义事件A发生的条件下，事件B发生的概率。公式P(B|A)=P(AB)/P(A)应用广泛用于统计推断，如疾病诊断、市场分析等。贝叶斯公式先验概率事件发生前的概率似然概率已知事件发生后，观察到特定结果的概率后验概率观察到特定结果后，事件发生的概率2.离散型随机变量离散型随机变量变量取值有限或可数，且每个取值出现的概率都能确定。例如，掷硬币的正面次数。分布函数描述随机变量取值小于或等于某一值的概率。离散型随机变量及其分布定义随机变量取值有限或可数的随机变量称为离散型随机变量。分布律离散型随机变量的分布律是它取每个值的概率，通常用表格形式表示。常见离散分布常见的离散分布包括二项分布、泊松分布等。期望和方差期望随机变量所有取值的加权平均值，反映随机变量的中心位置。方差衡量随机变量取值与期望值之间偏离程度的指标，反映随机变量的离散程度。常见离散分布：二项分布、泊松分布二项分布独立重复试验，每次试验只有两种可能结果，成功或失败，且每次试验成功的概率相同。泊松分布在一定时间或空间范围内，随机事件发生的次数，且事件发生概率在时间或空间内是均匀的。3.连续型随机变量定义与性质连续型随机变量的取值可以在一个连续区间内变化。概率密度函数使用概率密度函数来描述连续型随机变量的概率分布。连续型随机变量及其分布连续型随机变量是指其取值可以在某个范围内连续变化的随机变量。连续型随机变量的概率分布可以用概率密度函数来描述，它描述了随机变量在每个取值点上的概率密度。常见的连续型随机变量分布包括正态分布、指数分布、均匀分布等。期望和方差期望随机变量的期望值代表了随机变量的平均值或中心趋势，它反映了随机变量取值的平均水平。方差随机变量的方差衡量了随机变量取值相对于其期望值的离散程度，它反映了随机变量取值的波动程度。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，描述了随机变量取值的概率分布。参数正态分布由两个参数决定：均值和标准差，分别代表分布的中心位置和分散程度。应用广泛正态分布在统计学、机器学习等领域广泛应用，用于描述许多自然现象和随机变量的分布。4.大数定律和中心极限定理大数定律描述了当样本量足够大时，样本均值会趋近于总体均值。中心极限定理描述了当样本量足够大时，样本均值的分布会趋近于正态分布。大数定律1概念当试验次数足够多时，事件发生的频率将趋近于该事件的概率。2意义为估计概率提供了理论依据，在实际应用中，可以用频率来估计概率。3类型弱大数定律和强大数定律。中心极limit定理核心概念无论总体分布如何，当样本量足够大时，样本均值的分布近似于正态分布。重要性在实际应用中，即使我们不知道总体的分布，也可以利用中心极limit定理进行推断和检验。区间估计区间估计是在已知样本数据的情况下，对总体参数进行估计，并给出参数可能落入的范围。置信区间置信区间是包含总体参数的真实值的概率。置信水平表示区间估计中包含真实参数的概率。样本大小样本大小决定了置信区间的宽度。样本越大，置信区间越窄，估计精度越高。总体均值的区间估计从总体中随机抽取样本，计算样本均值。根据样本均值和置信水平，构建总体均值的置信区间。利用公式计算置信区间的上下限。总体比例的区间估计置信水平置信水平表示样本统计量落在总体参数真实值附近的概率。置信水平越高，置信区间越宽。样本比例样本比例是样本中具有特定特征的个体数量占样本总量的比例。临界值临界值是根据置信水平和样本大小从标准正态分布表中查到的值，用于确定置信区间的范围。假设检验1原假设与备择假设假设检验的关键在于检验关于总体参数的假设。2检验统计量根据样本数据构造检验统计量来检验假设。3显著性水平设定显著性水平来控制错误拒绝原假设的概率。4P值P值表示在原假设成立的情况下，观察到样本数据的概率。总体均值的假设检验单样本检验检验单个样本的均值是否等于某个