概率、随机变量及其分布列课件-理

概率、随机变量及其分布列课件CONTENTS•概率论基础•随机变量目录•分布列•常见概率分布•随机变量的变换•随机变量的独立性CHAPTER01概率论基础概率的定义与性质概率的定义概率是描述随机事件发生可能性大小的数值，通常用P表示概率的取值范围在0到1之间，其中0表示事件不可能发生，1表示事件一定会发生概率的性质概率具有可加性、可减性和有限可加性可加性是指互斥事件的概率之和等于该事件的总概率；可减性是指对立事件的概率之和等于1；有限可加性是指任意有限个两两互斥事件的概率之和等于这些事件的总概率条件概率与独立性条件概率的定义条件概率是指在某个已知事件B发生的情况下，另一个事件A发生的概率，记作PA|B条件概率的计算公式为PA|B=PA∩BPB独立性的定义如果两个事件A和B相互独立，则一个事件的发生不会影响到另一个事件发生的概率如果PA∩B=PAPB，则称事件A和B相互独立贝叶斯定理贝叶斯定理的定义贝叶斯定理是条件概率的一个重要应用，它可以帮助我们根据已知信息更新对某个事件发生的概率的估计贝叶斯定理的公式为PA|B=PB|APA+PB|¬AP¬A贝叶斯定理的应用贝叶斯定理在统计学、机器学习、自然语言处理等领域有广泛的应用，例如在垃圾邮件过滤、推荐系统中对用户喜好的预测等CHAPTER02随机变量随机变量的定义与性质010203随机变量确定性函数统计特性在概率论中，随机变量是如果对于每个样本点，随随机变量具有统计特性，一个函数，其定义域是样机变量的值都是确定的，如期望、方差、协方差等本空间，值域是实数集或则称该随机变量为确定性其子集函数离散随机变量与连续随机变量离散随机变量离散随机变量的值可以一一列举出来，或者只取几个可能的值连续随机变量连续随机变量的值是连续不断的，不能一一列举出来随机变量的期望与方差期望期望是随机变量取值的平均数，表示随机变量取值的平均水平方差方差是随机变量取值与其期望的差的平方的平均数，表示随机变量取值的离散程度CHAPTER03分布列分布列的定义与性质定义分布列是描述随机变量取值概率的表格，通常表示为$PX=x_i$，其中$x_i$是随机变量的可能取值，$PX=x_i$表示随机变量取值$x_i$的概率性质分布列具有非负性，即$PX=x_igeq0$；分布列之和为1，即$sum_{i}PX=x_i=1$离散型随机变量的分布列定义离散型随机变量的取值是可数的，其分布列通常表示为离散型概率函数举例掷一枚骰子，随机变量$X$表示掷出的点数，其分布列为$PX=1=PX=2=ldots=PX=6=frac{1}{6}$连续型随机变量的分布列定义连续型随机变量的取值是连续的，其分布列通常表示为连续型概率密度函数举例正态分布是一种常见的连续型随机变量分布，其概率密度函数呈钟形曲线，表示随机变量取值在均值周围的概率较大，远离均值的概率较小CHAPTER04常见概率分布二项分布030102参数04总结词详细描述适用场景n表示试验次数，p表示每次试二项分布适用于独立重复试验验成功的概率中成功的次数二项分布适用于独立重复试验适用于生物、医学、社会科学等中成功的次数，其中每次试验领域中的独立重复试验成功的概率为p，失败的概率为q=1-p二项分布的概率质量函数、概率生成函数和累积分布函数分别为Bn,p、Bn,p和Bn,q泊松分布总结词详细描述泊松分布适用于单位时间内随机事件的次数泊松分布适用于单位时间内随机事件的次数，其中事件发生的概率为λ泊松分布的概率质量函数、概率生成函数和累积分布函数分别为Pλ、e^-λ和1-e^-λ参数适用场景λ表示单位时间内随机事件发生的平均次数适用于通信、电子工程、计算机科学等领域中的随机事件计数问题正态分布总结词详细描述参数适用场景正态分布适用于连续随机变正态分布适用于连续随机变μ表示随机变量的均值，σ适用于自然现象、社会科学、量的概率分布量的概率分布，其中随机变表示随机变量的标准差工程等领域中的连续随机变量X的数学期望为μ，方差量为σ^2正态分布的概率密度函数、概率生成函数和累积分布函数分别为Nμ,σ^

2、e^-x-μ^2/2σ^2和1/√2πσ^2*e^-x-μ^2/2σ^2指数分布总结词详细描述参数适用场景指数分布适用于寿命测指数分布适用于寿命测λ表示单位时间内事件适用于电子元件寿命测试或等待时间等连续随试或等待时间等连续随发生的平均次数试、排队论等领域中的机变量机变量，其中随机变量连续随机变量X的概率密度函数为fx=λe^-λx，x0，fx=0，x≤0指数分布的数学期望和方差分别为1/λ和1/λ^2CHAPTER05随机变量的变换线性变换线性变换的定义线性变换的性质线性变换的应用线性变换是指对于随机变量X，线性变换保持了随机变量的数学线性变换在概率论和统计学中有通过一个线性函数TX，将其变期望和方差不变即，如果X的着广泛的应用，例如在回归分析、换为另一个随机变量Y的过程期望值为μ，方差为σ^2，经过方差分析等领域线性函数的一般形式为Y=aX+线性变换得到Y，则Y的期望值也b，其中a和b是常数为μ，方差也为σ^2随机变量的函数变换函数变换的定义对于随机变量X，通过一个非线性函数fX，将其变换为另一个随机变量Y的过程非线性函数的一般形式为Y=fX函数变换的性质非线性变换可能会改变随机变量的数学期望和方差因此，在进行函数变换后，需要重新计算Y的期望值和方差函数变换的应用非线性变换在概率论和统计学中也有着重要的应用，例如在特征转换、数据降维等领域随机变量的变换性质变换的连续性如果对随机变量X进行多次连续的变换的封闭性变换，每次变换后的结果与初始值之间都存在确定的数学关系如果对随机变量X进行某种变换得到Y，对Y进行相同的变换得到Z，那么Z与X之间也存在确定的数学关系变换的不变性如果对随机变量X进行某种变换得到Y，那么当X的分布性质发生改变时，Y的分布性质也会发生相应的改变CHAPTER06随机变量的独立性随机变量的独立性定义与性质定义性质如果对于任意两个随机变量X和Y，以及独立性具有可交换性、可结合性和可重复任意的实数x和y，都有性PX≤x,Y≤y=PX≤xPY≤y，则称随机VS变量X和Y是独立的独立随机变量的期望与方差期望对于独立的随机变量X和Y，EXY=EXEY方差对于独立的随机变量X和Y，DXY=DXDY独立随机变量的线性变换线性变换性质如果Z=aX+bY，其中a和b是常数，且X和Y线性变换后的随机变量Z的期望和方差分别是独立的随机变量，那么Z也是独立的随机为EZ=aEX+bEY和变量DZ=a²DX+b²DYTHANKS[感谢观看]。