《概率统计期中复习》课件.pptVIP

***********1.2概率的性质11.非负性任何事件发生的概率大于或等于0。22.规范性样本空间中所有基本事件的概率之和等于1。33.可加性互斥事件发生的概率等于各事件发生的概率之和。1.3条件概率和独立事件条件概率事件A发生的条件下，事件B发生的概率。使用公式计算，P(B|A)=P(AB)/P(A)。独立事件事件A的发生不影响事件B发生的概率。满足条件P(AB)=P(A)P(B)。1.4贝叶斯公式公式P(A|B)=P(B|A)P(A)/P(B)条件概率事件A在事件B已经发生的条件下发生的概率.贝叶斯定理根据先验概率和似然函数来计算后验概率的公式.2.1离散型随机变量及其分布离散型随机变量离散型随机变量是指其取值只能是有限个或可数个值的变量。例如，一个班级的学生人数就是一个离散型随机变量，因为学生人数只能是自然数。常见离散分布常见的离散分布包括伯努利分布、二项分布、泊松分布等。这些分布用于描述各种随机现象，例如，投掷硬币的结果、产品缺陷率等。2.2连续型随机变量及其分布定义连续型随机变量是指在一定范围内取值的随机变量，其取值可以是任何实数。概率密度函数描述连续型随机变量取值的概率分布，满足非负性和积分等于1的性质。分布函数表示随机变量取值小于等于某一特定值的概率，为概率密度函数的积分。2.3常见概率分布离散型分布包括伯努利分布、二项分布、泊松分布等，适用于离散事件的概率分布。连续型分布包括正态分布、指数分布、均匀分布等，适用于连续型随机变量的概率分布。其他分布还有一些其他分布，例如t分布、F分布、卡方分布等，用于统计推断。3.1数字特征期望随机变量的期望值反映了随机变量的平均值，也称为数学期望。方差方差用来描述随机变量的离散程度，即随机变量取值与其期望值之间的偏离程度。标准差标准差是方差的平方根，与方差一样，它用来描述随机变量的离散程度，但标准差的单位与随机变量相同。3.2协方差和相关系数1协方差衡量两个随机变量之间线性关系的程度和方向。2相关系数协方差的标准化形式，取值范围为[-1,1]，表示两个变量之间线性关系的强弱。3相关系数的意义相关系数为正值，表示两个变量正相关，为负值，表示负相关，为0，表示无关。4应用相关系数广泛应用于统计分析中，例如股票收益率之间的相关性。4.1大数定律频率稳定随着试验次数的增加，事件发生的频率逐渐趋近于其概率。样本均值收敛样本均值会随着样本量的增大而越来越接近总体均值。数据规律大数定律揭示了大量随机现象中蕴含的规律性，为我们理解和预测随机事件提供了理论基础。4.2中心极限定理11.独立随机变量之和中心极限定理描述的是大量独立同分布随机变量之和的分布趋近于正态分布的规律。22.统计推断基础该定理为统计推断提供了重要的理论基础，可以用来估计总体参数并检验假设。33.应用广泛中心极限定理在各种领域都有广泛的应用，包括质量控制、市场调查和金融分析等。5.1参数估计点估计点估计用样本统计量来估计总体参数的值，例如样本均值估计总体均值。点估计方法包括矩估计法、最大似然估计法等。区间估计区间估计是根据样本数据确定总体参数可能落在的范围。区间估计包含置信度和置信区间，置信度表示总体参数落在置信区间的概率。5.2区间估计置信区间根据样本数据估计总体参数的范围。置信水平区间估计的可靠程度，表示区间包含真实参数的概率。误差界限估计区间与真实参数之间可能存在的最大误差。6.1假设检验的基本概念原假设假设检验的目标是检验原假设是否成立，它代表了我们想要证伪的假设。备择假设备择假设是与原假设相对立的假设，如果原假设不成立，则备择假设成立。检验统计量检验统计量是一个用来比较样本数据与原假设的指标，它可以帮助我们判断原假设是否成立。显著性水平显著性水平是用来衡量拒绝原假设的风险，通常用α表示，常见的值为0.05或0.01。6.2参数检验假设检验参数检验用于检验总体参数是否符合预设的假设，如检验总体均值、方差等。分布检验检验样本是否来自特定分布，如正态分布、泊松分布等。两样本检验检验两个总体均值是否相等，如比较两种药物疗效。相关性检验检验两个变量之间是否存在线性关系，如收入与消费水平的关联。6.3非参数检验定义非参数检验不依赖于总体分布的特定形式。适用范围适用于数据类型为等级数据或不能假定总体分布。常见类型包括符号检验、秩和检验、Wilcoxon检验等。优势对数据要求较低，更具鲁棒性。7.1方差分析原理方