概率论基础概念总结 Basic Concepts in Statistics

最新推荐文章于 2025-09-28 23:31:51 发布
原创 最新推荐文章于 2025-09-28 23:31:51 发布 · 5.7k 阅读 · 26 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Stat #概率论 #统计

这篇博客总结了概率论中的基础概念，包括大数定律（LLN）阐述样本均值随实验次数增加趋于期望值，中心极限定理（CLT）提供样本均值的正态分布误差估计，正态分布的68-95-99.7规则，指数分布在无记忆事件中的应用，以及假设检验的四步流程和Kolmogorov-Smirnov检验（K-S test）的基本思想。


在这里自己总结一些概率论中常用的基本概念，方便以后参考。这里强调对概念的理解，不强调精确的定义和理论。

大数定律 (Law of Large Number, LLN)

大数定律是指，对于一个随机变量 X , 通过 n 次实验对其进行观察得到 n 个采样值 X1,X2,X3,...Xn ，当 n 逐渐增大并趋向无穷时，这 n 个采样值的平均值 X¯ 趋向于随机变量的期望值 μ 。写成公式就是如下的形式：

limn→∞1n∑i=1n
最低0.47元/天 解锁文章
概率论基础
Andy_shenzl的博客
08-05 607
一、概率分布 定义：用来描述随机变量或者一簇随机变量在每一个可能取到的状态的可能性大小。 描述概率分布的方式取决于随机变量的是离散的还是连续的。 1. 离散型 离散型变量的概率分布可以用概率质量函数来描述。 概率质量函数将随机变量能够取得的每个状态映射到随机变量取得该状态的概率 X=xX=xX=x的概率用P(x)P(x)P(x)来表示 联合概率分布 概率质量函数可以同时作用于多个随机变量。这种多个变量的概率分布被称为联合概率分布 P(X=x,Y=y)P(X=x,Y=y)P(X=x,Y=y)表示X=xX=xX
数学基础知识 Exploring Math for Beginners: A Step by Step Introduction
AI天才研究院
08-19 934
数学”是一个很难学的学科，普通的人往往觉得自己做不到。然而，当今科技发达、人类活动范围扩张到这个世界的时候，很多人却并不懂得“用数字解决问题”。不过好在随着人们对数学问题的理解的增加、技术的进步、工程应用的日益广泛，越来越多的人正在意识到“数学”这个概念的重要性。正因如此，越来越多的青少年开始尝试学习一些基本的数学知识，特别是在高中、大学阶段，能够加强数学基础知识的培养是非常必要的。
概率论的基本概念总结归纳
12-30
初学概率论的大学生。
概率论复习总结——基本概念
LongXinKou的博客
05-15 1696
文章目录1. 概率的性质2. 条件概率3. 古典概型4. 全概率与贝叶斯公式5. 事件的独立性6. 离散型随机变量分布律与分布函数7. 连续型随机变量概率的计算8. 连续型随机变量函数的分布常见分布二项分布与泊松分布均匀分布正太分布 本博客主要用于记录概率论复习中的基础概念。 1. 概率的性质 加法公式： ①对于任意事件A,B，有P(A+B)=P(A)+P(B)−P(AB)P(A+B)=P(A)+P(B)-P(AB)P(A+B)=P(A)+P(B)−P(AB); ②P(A+B+C)=P(A)+P(B)+P
线性代数知识汇总
最新发布
zheshiyizhilu的博客
09-28 1294
矩阵的定义设 m 和 n 是正整数，由 m×n 个元素按 m 行（横向）、 n 列（纵向） 有序排列形成的矩形表，称为一个 m 行 n 列矩阵，简称 m×n 矩阵，记为：也可简化记为 A=() m×n ​ 或，其中称为矩阵 A 的 (i,j) 元（第 i 行第 j 列的元素）。矩阵的本质矩阵的本质并非单纯的 “数字表格”，而是描述线性关系的数学工具，其核心是通过结构化的形式，统一表示、计算和分析线性空间中的映射（变换）与关联，是连接线性代数理论与实际问题的桥梁。
概率论概念总结
weixin_30685047的博客
08-25 611
随机变量 　　何谓随机变量？即给定样本空间，其上的实值函数称为(实值)随机变量。 期望 　　离散随机变量的一切可能值与其对应的概率P的乘积之和称为数学期望 方差 　　一个随机变量的方差（Variance）描述的是它的离散程度，也就是该变量离其期望值的距离 协方差 　　在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。 相...
概率论总结(1)——基础概念理解
feidaji的博客
07-30 1002
1.排列与组合 排列： 从n个人中选出k个人排成一列 组合: 从n 个人中选出k 个人，但不用排序， 即先计算从n人中选k 个人排成一列有多少中情况，然后再计算k个人中有多少中排法，相除即可 2. 条件概率 3. 全概率公式 4. 贝叶斯公式 对贝叶斯公式的简单理解 对公式3，4，5 的理解，例子如下 个人理解： 即从以往数据分析得到估计值是0.95 ，即先验概率, 再进行一次测量(第一件产品是合格品)，即测量值，之后再重新修正的概率...
2024-06-19 高等数学（统计学和概率论-高等工科数学）
小镇做题家
06-19 2014
”加减乘除“”四种相关的基础公式：加法公式，减法公式，乘法公式，条件公式1. **自主学习模式**：- **优势**：能够根据自己的节奏和兴趣深入学习，有助于培养解决问题的能力和独立思考的能力（但是同样自己得搭建一套属于自己的良好反馈体系，这样的一套良好反馈体系才能逐渐使自己得到一个不断地进步）。- **方法**：通过阅读课本，自己发现问题，然后利用人工智能助手（如我）来解答疑问。这种方式可以让你更深入地理解概念，因为是自己主动发现并解决问题。
重尾分布，长尾分布，肥尾分布 和 随机游走 （Heavy-tailed, Long-tailed, Fat-tailed distribution and Random walk）
热门推荐
dymodi的专栏
01-08 4万+
一看题目就知道本文内容较多，但因为放在一起讨论才能互相比较理解异同。本文主要讨论重尾分布，长尾分布，肥尾分布三者的联系，同时顺带讨论了一下 Random walk 中的 Lévy flight 和 Brownian motion。主要内容参考自 Wikipedia 和 Rick Wicklin 的博文 Fat-tailed and long-tailed distributions。
概率论基础知识总结
黑娃
11-12 674
随机变量XXX: 它有限个可能的取值{x1,x2,...,x3}\{x_1,x_2,...,x_3\}{x1​,x2​,...,x3​}。 概率p(X=xi)p(X=x_i)p(X=xi​): 表示变量X=xiX=x_iX=xi​的可能。 联合概率p(X=x,Y=y)=p(x,y)p(X=x ,Y=y)=p(x,y)p(X=x,Y=y)=p(x,y): 称为联合概率分布，如果xxx和yyy是相互...
概率论知识点总结
04-12
概率论经典教程 常见面试知识点
概率论基础知识——学习概率的必备知识
05-13
对于初学者和复习考试，有帮助！ 这是概率论最基础的知识！！！
概率统计基本概念总结
dechen6073的博客
09-12 776
一、概率论基本概念样本空间、随机事件频率和概率概率的相关运算和性质等可能概型:古典概型条件概率全概率公式：你用条件概念算事件概率贝叶斯公式：条件概率用于反推计算条件概率事件的相互独立性二、随机变量极其分布随机变量:每个样本点映射一个数字来表征基本离散型随便基变量分布:0-1分布、伯努利实验二项分布、泊松分布分布函数：随机变量概率在小于某随机变量的区间的概率和概率密度函数:连续性的随即变量...
概率论的基础知识
qq_24251645的博客
04-16 890
本文参考的是《概率机器人》中内容 令X表示一个随机变量，x表示X的某一特定值。 表示随机变量X具有x值的概率，可以缩写为P（x） 假定所有的连续随机变量都拥有概率密度函数（Probability Density Function，PDF）。普通密度函数都具有均值μ和方差б2的一维正态分布。正态分布的概率密度函数为： 但当x为多维矢量时，矢量的正态分布被称为多元正态分布，多元正态分布的密度函数形...
概率_基本概念总结
dataastron的博客
04-06 593
先验概率，后验概率，似然概率，条件概率，贝叶斯，最大似然 先验概率 事件发生前的预判概率。可以是基于历史数据的统计，可以由背景常识得出，也可以是人的主观观点给出。一般都是单独事件概率，如P(x),P(y)。 后验概率 事件发生后求的反向条件概率；或者说，基于先验概率求得的反向条件概率。概率形式与条件概率相同。 条件概率 一个事件发生后另一个事件发生的概率。一般的形式为P(x|y)表示y发...
概率论基本概念
bobkent的专栏
06-30 704
2.概率论基本概念概念PDF （probability density function）概率密度函数简称PDF，这里指的是一维连续随机变量，多维连续变量也类似。随机数据的概率密度函数：表示瞬时幅值落在某指定范围内的概率，因此是幅值的函数。它随所取范围的幅值而变化。 密度函数f(x) 具有下列性质： CDF（cumulative distribution function）CDF又名累计分布函数
概率论基础概念解析
"概率论知识点总结.pdf 是一份24页的文档，涵盖了概率论的核心概念，包括随机事件及其概率、随机变量及其分布、二维随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理、样本及其抽样分布、参数估计以及...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值