《统计学概率》课件.ppt

《统计学概率》

课程简介1课程目标理解概率的基本概念和重要性。2课程内容涵盖统计学概率的基础知识、常用概率分布和应用。3学习方法理论讲解、案例分析和实践练习相结合。

统计学的定义数据分析统计学是收集、整理、分析和解释数据的科学方法。数据可视化它通过数据可视化和模型构建，揭示数据的规律和趋势。预测未来统计学可以帮助我们从数据中得出结论，并预测未来的事件。

统计学的研究领域描述性统计收集、整理和分析数据，描述数据的基本特征，例如平均数、方差、标准差等。推断性统计从样本数据推断总体特征，例如估计总体参数、检验假设等。概率论研究随机现象的规律，提供描述和预测随机事件发生的可能性。

统计学的研究方法数据收集收集原始数据，通常通过调查、实验或观察。数据整理将收集到的数据进行分类、汇总和整理，以便于分析。数据分析利用统计方法对数据进行分析，揭示数据背后的规律和趋势。结论解释根据分析结果得出结论，并解释结论的意义和应用范围。

统计学的基本概念总体研究的全部对象集合，例如所有成年人样本从总体中抽取的一部分对象，例如100位成年人数据对总体或样本进行观察和测量所获得的数值或信息变量在研究中所关注的特征，例如年龄、身高

随机变量定义随机变量是指其值取决于随机事件的变量，它可以取不同的值，每个值都有相应的概率。分类离散型随机变量：取值有限或可数。连续型随机变量：取值范围是连续的。

概率的定义事件发生的可能性概率是用来衡量一个事件发生的可能性大小。数值范围概率的值介于0和1之间，0表示事件不可能发生，1表示事件一定发生。相对频率概率可以理解为一个事件在多次重复试验中发生的频率。

概率的性质非负性任何事件的概率值都不会小于0。规范性所有事件的概率之和等于1，表示所有可能性已覆盖。可加性互斥事件的概率可以通过将单个事件的概率相加来计算。

古典概率古典概率适用于有限样本空间每个事件出现的可能性相等例如，抛硬币，掷骰子等

频率概率定义频率概率指的是在大量重复试验中，某个事件发生的频率趋于稳定的数值。应用频率概率广泛应用于实际问题中，例如保险公司根据过去事故发生的频率计算保险费率。

贝叶斯概率先验概率事件发生前的概率，基于先前的经验或知识。后验概率事件发生后的概率，基于新获得的信息或证据。似然函数给定事件发生的条件下，观察到某结果的概率。

条件概率定义事件A在事件B已经发生的条件下发生的概率，称为事件A在事件B发生的条件下发生的条件概率。公式P(A|B)=P(AB)/P(B)应用条件概率在很多领域都有应用，例如医疗诊断、风险评估和机器学习等。

全概率公式全概率公式是概率论中一个重要的定理，它将一个事件的概率表示为该事件在所有互斥事件下的条件概率的加权平均。公式表明，事件A的概率等于事件A在所有互斥事件B1，B2，...，Bn下的条件概率之和，每个条件概率乘以对应事件发生的概率。

贝叶斯公式公式P(A|B)=[P(B|A)*P(A)]/P(B)解释贝叶斯公式用于计算事件A在事件B发生后的条件概率。它利用先验概率、似然度和证据来更新对事件A的信念。

离散型随机变量1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。2特点离散型随机变量的取值可以是整数，也可以是有限个非整数。3例子掷骰子的结果（1，2，3，4，5，6），一个家庭的孩子数量（0，1，2，...）。

离散型随机变量的概率分布1概率质量函数描述离散型随机变量取每个值的概率2累积分布函数表示随机变量取值小于或等于某个值的概率3期望值随机变量所有取值的加权平均值4方差衡量随机变量取值分散程度的指标

二项分布2可能结果成功或失败n试验次数独立重复试验p成功概率每次试验相同

泊松分布定义描述在特定时间段或特定地点内随机事件发生的次数适用场景例如，呼叫中心在某段时间内接到的电话数量、商店每天的顾客数量公式P(X=k)=(λ^k*e^-λ)/k!

正态分布正态分布是一种连续型随机变量的概率分布，它在统计学和机器学习中具有重要意义。正态分布的图形呈钟形，曲线以平均值为中心，两侧对称。

连续型随机变量定义在某个范围内取值的随机变量，其值可以是任何实数，例如身高、体重、温度等。概率密度函数描述连续型随机变量取值在某个范围内的概率。

连续型随机变量的概率密度函数概念连续型随机变量的概率密度函数(PDF)描述了随机变量在某个特定值附近的概率密度。它是一个非负函数，其曲线下的面积表示随机变量落在某个区间内的概率。性质PDF的积分总和为1。PDF的曲线下的面积表示随机变量落在某个区间内的概率。

均匀分布恒定概率在给定范围内，每个值都有相同的概率出现。例如，掷骰子就是一个均匀分布的例子，每个面出现的概率都是1/6。其概率密度函数是一个矩形，表示所有值出现的概率