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将结数概率是衡量事件发生的可能性随机变量是随机事件的果映射到值的变量来分布列是用描述随机变量取值的概率的表格概率的基本概念随机现象概率

11.

22.现结现随机象指的是其果无法事概率是描述随机象发生可能现先确定的象性大小的度量频率概率的性质

33.

44.频试验负数率是指在大量重复中，概率是一个非，且所有可数试验数为事件发生的次占总次能事件的概率之和1的比例样本空间和事件样本空间事件试验结试验结样本空间是指随机所有可能果的集合事件是样本空间的子集，即随机可能发生的果掷为掷现数结例如，骰子一次的样本空间{1,2,3,4,5,6}例如，骰子一次，出偶的果是事件{2,4,6}概率的基本公式论们计概率中，一些基本公式帮助我算事件发生的可能性1概率定义数数事件A发生的概率等于A包含的样本点个除以样本空间中所有样本点的个2加法公式时们两个互斥事件A和B同发生的概率等于它各自发生的概率之和3乘法公式时两个事件A和B同发生的概率等于A发生的概率乘以B在A发生的条件下发生的概率条件概率和乘法公式条件概率1称为事件A已发生的情况下，事件B发生的概率，事件B在事件A发生的条件下发生的条件概率乘法公式2时两个事件同发生的概率等于其中一个事件发生的概率乘以另一个事件在第一个事件已经发生的条件下发生的概率应用3论计应条件概率和乘法公式在概率和统学中有着广泛的用，例导如贝叶斯定理的推全概率公式和贝叶斯公式全概率公式贝叶斯公式计过将该为计称全概率公式用于算一个事件发生的概率，通事件分解贝叶斯公式用于算事件B发生后事件A发生的条件概率，也被计将们为验若干个互斥事件的并集，并算每个互斥事件的概率，再它后概率来加起公式PA|B=[PB|APA]/PB公式PA=PA|B1PB1+PA|B2PB2+...+PA|BnPBn离散型随机变量定义例子掷时数离散型随机变量的取值是有限个骰子，点1到6就是离散数这掷结或可无限多个些取值通常型随机变量每次骰子的果数这是整，但在某些情况下也可以都只能是6个值中的一个掷是其他类型的离散值例如，币数硬5次，正面朝上的次就是离散型随机变量特征来该离散型随机变量可以用概率分布列描述，列列出了每个取值的概率掷时数现例如，骰子，每个点出的概率都是1/6随机变量的分布列随机变量的分布列列出了每个随机变量值的概率览结现它提供了一个清晰的概，展示了不同果出的可能性抛币现数例如，硬两次，随机变量X表示正面出的次将显为分布列示X取值

0、1或2的概率二项分布独试验试验定义在n次立中，每次只有结称为败两种可能的果，成功和失为败为成功的概率p，失的概率项这试1-p二分布描述了在n次验数中成功次的概率分布数别试验数试参n和p分表示次和每次验成功的概率项质数为特点二分布的概率量函PX=k=nCk*p^k*1-p^n-试验k，其中nCk表示从n次中选择组数k次成功的合泊松分布时内时内话线话数泊松分布描述的是在特定间或空间随机事件发生的概率例如，在某个间段，特定电路接到的电次几何分布独试验试验败数币为抛掷币连续现数几何分布是一种离散型概率分布，它描述了在立序列中，直到第一次成功之前失次的概率例如，如果一个硬正面朝上的概率

0.5，那么硬直到第一次正面朝上之前，出反面次的概率可来以用几何分布描述质数为试验败数几何分布的概率量函PX=k=1-p^k-1*p，其中p是成功的概率，k是失次超几何分布时超几何分布描述的是从有限总体中抽取样本，样本中包含特定类型元素的概率分布没将超几何分布适用于有放回抽样，即每次抽取后不再元素放回总体的情况N K总体规模总体中特定类型元素数量n k样本规模样本中特定类型元素数量应场质调场超几何分布的用景包括量控制、抽样查、市研究等连续型随机变量连续型随机变量围连续数取值范是的，可以用实表示连续型随机变量的例子时如身高、体重、间、温度等概率密度函数连续描述型随机变量取值的概率分布随机变量的概率密度函数数连续概率密度函描述了型随机变量在某个特定取值附近的概率密度围负数积它是定义在随机变量取值范上的一个非函，其分等于1数概率密度函fx围随机变量取值范a,b数积概率密度函的分∫fxdx=1均匀分布概率相等区间长度随机事件给区内数区掷在定间，所有值的发生概率相等概率由间长度决定，长度越长，概率越大适用于模拟随机事件，例如骰子或随机抽取指数分布特点时数事件发生的概率随间推移呈指衰减过关事件发生的概率与去事件无定义数时指分布描述事件发生间间隔的概率分布时它通常用于分析系统故障、等待间和生命周期等事件正态分布定义特点态计态数正分布是统学中最常用的概正分布的概率密度函呈钟形连续线对称率分布之一，它描述了型随曲，于均值，并且大部分数机变量的概率分布据集中在均值附近应用态应领正分布广泛用于各种域，例如社会科学、自然科学、工程学和金融学等标准正态分布标准化标准正态分布表应用广泛将态转为标态标态线区积应计断质领任意正分布化准正分布提供准正分布曲下不同域的面广泛用于统推、量控制、金融域等正态分布的应用统计推断质量控制

11.

22.态计断础态评产质正分布是统推的基，正分布可用于估品量计数检验产过进产用于估总体参和假设，控制生程，并改品质量金融分析生物医学研究

33.

44.态应态数正分布被广泛用于金融模正分布用于分析生物据，权压型，例如期定价和风险管理例如身高、体重和血等随机变量的期望权权为随机变量的期望是随机变量所有可能取值的加平均值，重每个取值的概率它反映了随机变量的平均取值，是随机变量最重要的特征之一计为为对应期望值的算公式如下EX=Σ[xi*Pxi]，其中xi随机变量X的取值，Pxi xi的概率方差和标准差方差衡量随机变量与其期望值的偏离程度标观数准差是方差的平方根，更直地反映据分布的离散程度σ²σ方差标准差数反映据离散程度的程度方差的平方根标数标应计习领方差和准差是描述据分布的重要指，广泛用于统分析、机器学等域切比雪夫不等式概率界限标准差影响

11.

22.当标较时切比雪夫不等式提供了一个概率界限，即使分布未知，也能不等式表明，准差小，随机变量落在期望值附近的围内标较则较确定随机变量落在其期望值附近一定范的概率概率更大反之，准差大，概率小广泛应用推广和应用

33.

44.计论习领应计它在统学、概率和机器学等域都有广泛的用，例切比雪夫不等式是更一般不等式的一个特例，可用于估各计如估样本均值与总体均值之间的偏差种随机变量的概率协方差和相关系数协方差相关系数协线关关数协标方差衡量两个变量的性系相系是方差的准化形式协为时关数围方差正表示两个变量同增相系的范在-1到1之间，表线关长或减少示两个变量之间的性系程度大数定律独立同分布1独随机变量立且具有相同的分布样本均值2敛样本均值收于总体均值样本量3敛样本量越大，收越快概率4敛为收概率1数论当时来大定律是概率中的一个重要定理，它描述了样本量足够大，样本均值会越越接近总体均值中心极限定理独立同分布1独随机变量相互立样本均值2态样本均值的分布近似正分布样本量增加3近似程度提高正态分布4论趋态无原始分布如何，样本均值都近于正分布计应为许计断础当时将态中心极限定理在统学中有着广泛的用，它多统推提供了基中心极限定理指出，样本量足够大，样本均值的分布近似于正态分布，即使原始分布并非正分布随机模拟模型构建问题数将现转为根据实际建立学模型，随机象化随机变量随机数生成数数利用随机生成器生成随机，模拟随机变量的取值重复模拟产数进计多次重复模拟，生大量样本据，并行统分析结果分析结计数结论分析模拟果，估模型参，并得出随机数发生器线性同余生成器梅森旋转算法硬件随机数生成器线数转进数数现性同余生成器是最常用的随机生成器之梅森旋算法是一种更先的随机生成器硬件随机生成器利用物理象（例如噪声归来伪质伪数热来数这一它使用一个递公式生成一系列随，它能够生成高量的随机序列，并具或噪声）生成随机些生成器通常数较软为们难预测机有长的周期比件生成器更安全，因它更方法Monte Carlo数现过使用随机模拟实世界中的随机程数进计重复运行大量模拟，收集据并行统分析应领杂问题用于金融、工程、科学等域，解决复结论和未来展望课绍论讨连续本程介了概率和随机变量的基本概念，并探了常用离散型和型随机变量的分布特征来们将进协习数未我一步探索随机变量的期望、方差和方差，并学随机模拟、大论定律和中心极限定理等重要理。