《概率的计算公式》课件

概率的计算公式了解概率计算公式，掌握概率计算方法，可以帮助你更好地理解随机事件发生的可能性课程导入概率论是数学的一个分支，它研究随概率论在很多领域都有应用，比如统机现象计学、金融学、保险学等等本课程将讲解概率的基本概念和计算公式概率的概念概率是用来描述事件发生的可能性大小的量它是一个介于0到1之间的数值，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计算方法通常是基于样本空间和事件空间，通过计算事件空间包含的样本点个数占样本空间总样本点个数的比例来获得概率的性质非负性规范性任何事件的概率值都不小于0样本空间中所有事件的概率之和等于1可加性互斥事件的概率等于这些事件概率的总和事件的运算并集1事件A和事件B至少发生一个的事件交集2事件A和事件B同时发生的事件差集3事件A发生但事件B不发生的事件对立事件4事件A发生则事件B一定不发生，反之亦然加法定理互斥事件公式12如果两个事件不可能同时发生PA∪B=PA+PB，则称为互斥事件应用3加法定理可以用来计算两个互斥事件的并集的概率乘法定理事件A发生，事件B也发生的概率条件概率PA∩B=PA*PB|A PB|A=PA∩B/PA全概率公式公式解释假设事件A1,A2,...,An构成一个完备事件组，即它们两两互斥且全概率公式表示事件B发生的概率等于事件B在每个互斥事件Ai其并集为样本空间Ω对于任意事件B，则有下发生的条件概率乘以Ai发生的概率之和PB=PB|A1PA1+PB|A2PA2+...+PB|AnPAn贝叶斯公式公式解释应用PA|B=PB|A*PA/PB贝叶斯公式用于计算事件A在事件B已经贝叶斯公式广泛应用于机器学习、统计推发生的情况下发生的概率断和人工智能领域离散型随机变量定义例子概率分布取值有限或可数的随机变量称为离散型抛硬币的结果（正面或反面）、骰子的离散型随机变量的概率分布可以通过概随机变量点数（1到6）、一天内发生的交通事故率质量函数（PMF）来描述数量等连续型随机变量定义特点概率密度函数取值在某个区间内的随机变量，称为连续型取值可以是区间内的任意实数，例如温度、用于描述连续型随机变量取值的概率分布随机变量高度等正态分布正态分布，也称为高斯分布，是统计学中最常见的一种连续型概率分布它以钟形曲线为特征，曲线对称且峰值位于中间正态分布在自然界和社会现象中广泛存在，例如身高、体重、智商等正态分布的性质对称性单峰性正态分布曲线关于平均值对称正态分布只有一个峰值，位于平均值处渐近性正态分布曲线两端无限接近于横轴，但永远不会与横轴相交正态分布的标准化标准化1将任意一个正态分布转化为标准正态分布标准正态分布2均值为0，方差为1的正态分布应用3简化计算，方便比较正态分布的应用统计推断质量控制金融领域123正态分布在统计推断中发挥着至关重正态分布用于评估产品质量，并确定正态分布用于建模资产价格和风险，要的作用，用于估计总体参数和检验生产过程是否符合标准并进行投资组合优化假设正态分布的计算标准正态分布表使用标准正态分布表查找对应概率值统计软件利用统计软件计算正态分布的概率公式计算使用正态分布的公式手动计算概率泊松分布定义公式泊松分布描述在特定时间或空间PX=k=λ^k*e^-λ/k!,其内事件发生的概率，其中事件发中λ是事件发生的平均次数，k生的概率是恒定的，且事件彼此是事件发生的次数独立应用泊松分布广泛应用于各个领域，例如电话呼叫中心每天接到的电话数量、特定时间内某个网站的访问次数等二项分布定义公式应用在n次独立重复试验中，每次试验只有两种PX=k=Cn,k*p^k*1-p^n-k二项分布广泛应用于质量控制、市场调查、可能的结果，即事件发生或不发生，且发生生物统计等领域，例如在生产中，检验一的概率为p，则n次试验中事件发生的次数批产品合格率，在调查中，调查某商品的购X服从二项分布，记为X~Bn,p买率，在生物统计中，统计某基因突变的频率等超几何分布定义应用超几何分布描述的是从有限个物品中抽取样本，其中样本中包含在抽样调查中，超几何分布可以用来分析抽样结果中包含特定类特定类型的物品数量的概率分布型物品的概率概率密度函数连续型随机变量面积12描述连续随机变量在某个特定概率密度函数曲线下的面积表值附近的可能性.示对应区间内的概率.总面积3概率密度函数曲线下的总面积始终为

1.累积分布函数表示随机变量小于等于某个值的概率Fx=PX≤x可用于计算概率、期望、方差等期望和方差期望方差随机变量取值的平均值，表示随机变随机变量取值与期望的平方差的平均量的中心位置值，表示随机变量的离散程度样本统计量样本均值样本方差样本均值是样本中所有观测值的样本方差是样本中所有观测值与平均值，它用来估计总体均值样本均值之差的平方和的平均值，它用来估计总体方差样本标准差样本标准差是样本方差的平方根，它用来衡量样本数据的离散程度点估计估计总体参数单个值点估计使用样本数据来估计总体点估计提供一个单个值作为总体参数的值参数的最佳估计样本统计量点估计通常使用样本统计量作为总体参数的估计值区间估计置信区间置信水平样本大小根据样本数据估计总体参数的范围，并给出表示估计值落在总体参数真实值范围内的概样本大小会影响置信区间的宽度，样本越大置信度率，通常用百分比表示，置信区间越窄假设检验建立假设1提出关于总体参数的假设收集数据2从总体中抽取样本检验假设3使用统计检验方法评估假设得出结论4接受或拒绝原假设卡方检验理论值自由度显著性水平假设检验中，卡方检验用于比较观察到的卡方检验的自由度是指样本中独立变量的显著性水平是指拒绝原假设时，犯第一类数据频率与期望的理论频率之间的差异个数减去1错误的概率，通常设定为

0.05检验t1单样本t检验2双样本t检验用于比较样本均值与已知总体用于比较两个样本均值是否存均值是否存在显著差异在显著差异3配对t检验用于比较同一组受试者在不同时间点上的两个指标均值是否存在显著差异检验F方差分析F统计量显著性水平F检验用于比较两个或多个样本的方差，以F统计量是两个样本方差的比率，其分布遵根据F统计量和显著性水平，可以确定两个确定它们是否来自具有相同方差的总体循F分布样本的方差是否显著不同相关分析相关系数回归分析相关性类型衡量两个变量之间线性关系的强度和方使用一个变量来预测另一个变量的值正相关、负相关和无相关向总结与展望本次课程我们学习了概率论的基本概念、性质和常用公式未来，我们将继续深入学习概率论及其应用，为解决现实问题提供理论基础。