概率统计简明教程课件第4章.pptx

《概率统计简明教程课件第4章.pptx》由会员分享，可在线阅读，更多相关《概率统计简明教程课件第4章.pptx（23页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、概率统计简明教程(同济版)课件第4章contents目录概率论的基本概念条件概率与独立性随机变量及其分布随机变量的数字特征大数定律与中心极限定理01概率论的基本概念在一定条件下进行的试验，其结果具有不确定性。随机试验随机试验中可能出现或不可能出现的结果。随机事件随机试验中所有可能结果的集合。样本空间随机试验与随机事件随机事件发生的次数与总试验次数之比。频率描述随机事件发生可能性的度量，通常表示为 P(A)。概率0 P(A)1。概率的取值范围频率与概率 古典概型与几何概型古典概型基于等可能性和互斥性两个条件的概率模型。几何概型基于几何长度、面积、体积等度量来定义概率。概率计算公式在古典概型中，P

2、(A)=m/n；在几何概型中，P(A)=长度/总长度。02条件概率与独立性在事件B发生的情况下，事件A发生的概率称为条件概率，记作P(A|B)。定义计算公式条件概率的性质$P(A|B)=fracP(A cap B)P(B)$非负性、规范性、可加性。030201条件概率独立性的性质独立事件的交集仍然是独立的；独立事件的并集不一定是独立的。定义如果两个事件A和B同时发生的概率等于它们各自发生的概率的乘积，即$P(A cap B)=P(A)times P(B)$，则称事件A和B是独立的。独立性的应用在概率论和统计学中，事件的独立性是一个非常重要的概念，它可以帮助我们简化复杂事件的概率计算。事件的独立

3、性贝叶斯公式用于计算在已知其他相关事件发生的条件下，某一事件发生的概率。定义$P(A|B)=fracP(B|A)times P(A)P(B)$计算公式贝叶斯公式在统计学、机器学习、决策理论等领域有广泛的应用，尤其是在处理不完全信息时，它可以提供一种有效的概率更新方法。贝叶斯公式的应用贝叶斯公式03随机变量及其分布在随机试验中，试验结果与实数之间的一种对应关系。随机变量在一定条件下必然发生或必然不发生的事件。确定性事件在一定条件下可能发生也可能不发生的事件。随机事件随机变量的概念分布列表示离散型随机变量取各个可能值的概率的表格。分布律表示离散型随机变量取各个可能值的概率的函数。离散型随机变量随机

4、试验的结果可以一一列举出来，这种随机变量称为离散型随机变量。离散型随机变量的分布列123随机试验的结果不能一一列举出来，这种随机变量称为连续型随机变量。连续型随机变量表示连续型随机变量取某个值的概率的函数。概率密度函数表示离散型随机变量取某个值的概率的函数。概率质量函数连续型随机变量的概率密度函数04随机变量的数字特征期望的数学定义期望的性质期望的计算期望的应用期望01020304期望是随机变量所有可能取值的概率加权和，表示为E(X)。期望具有线性性质，即E(aX+b)=aE(X)+b，其中a和b是常数。期望可以通过概率分布表或概率密度函数来计算。期望常用于估计未知参数，如平均值、中心趋势等。

5、方差是随机变量与其期望值之差的平方的期望，表示为D(X)。方差的数学定义方差开平方根得到标准差，即(X)=sqrt(D(X)。方差与标准差的联系方差具有非负性，即D(X)=0。方差的性质方差用于衡量数据的离散程度和稳定性。方差的应用方差协方差是两个随机变量同时取值的概率加权和的期望，表示为Cov(X,Y)。协方差的数学定义协方差具有线性性质，即Cov(aX+b,Y)=aCov(X,Y)，其中a和b是常数。协方差的性质相关系数是协方差与各自方差的比值，表示为(X,Y)。相关系数的定义相关系数的取值范围为-1,1，|(X,Y)|越接近1表示两变量越相关，|(X,Y)|越接近0表示两变量越不相关。相

6、关系数的性质协方差与相关系数05大数定律与中心极限定理03大数定律的意义大数定律揭示了频率的稳定性，即当试验次数足够多时，事件发生的频率将接近其真实的概率。01大数定律定义在独立重复试验中，当试验次数趋于无穷时，事件A发生的频率趋于该事件发生的概率。02大数定律的数学表达式limnP(A)n=P(A)lim_n to infty fracP(A)n=P(A)limnnP(A)=P(A)大数定律无论随机变量X1,X2,XnX_1,X_2,ldots,X_nX1,X2,Xn的分布是什么，当n充分大时，它们的和近似服从正态分布。中心极限定理定义limn1ni=1nXin=lim_n to infty frac1sqrtn sum_i=1n X_i sim mulimnn1i=1nXi=中心极限定理的数学表达式中心极限定理揭示了大量随机变量之和的分布规律，是概率论和统计学中的重要定理之一。中心极限定理的意义中心极限定理在统计学中的应用中心极限定理是统计学中样本均值分布的基础，用于推断总体均值和总体比例的区间估计和假设检验。在金融领域的应用中心极限定理用于分析金融市场的波动性和风险，例如股票价格的波动和收益率的分布。在社会学中的应用中心极限定理用于研究社会现象，例如人口普查数据的统计分析、选举结果的预测等。中心极限定理的应用感谢观看THANKS