1 随机事件及概率
随机事件之间的关系:包含,两两互斥,对立,等价,和(A,B至少一个发生,记作A∪B或A+B),差(A发生且B不发生,记作A-B),积(A,B同时发生,记作A∩B或AB)。
随机时间运算法则,交换律,结合律,分配律,德摩根律(A或B的非等于非A并非B,A并B的非等于非A或非B),减法律。
概率公理化定义:
- 对每个事件A,均有0≤P(A)≤1
- P(Ω)=1
- 若事件A1,A2,…两两互斥,均有P(A1∪A2∪…)=P(A1)+P(A2)+…
则称P(A)为事件A的概率。
性质
古典概型:P(A)=m/n
几何概型:P(A)=Sa/S
条件概率:P(A|B)=P(AB)/P(B),表示事件B发生的情况下A发生的概率
全概率公式:Bi是样本空间的一个划分,则P(A)=∑P(Bi)*P(A|Bi)。
Bayes(贝叶斯)公式:P(Bi|A)=P(BiA)/P(A)=P(Bi)P(A|Bi)/(∑P(Bj)P(A|Bj)),式中P(Bi)为先验概率,P(Bi|A)为后验概率。P(Bi|A)反映当试验产生结果A之后,在对各种‘原因’(Bi)概率的新认识。
独立事件
P(AB)=P(A)*P(B),称事件A和B是相互独立的。
2 随机变量及其分布
分布函数=∫概率密度(连续),∑分布率(离散)。
常见的离散型分布
两点分布 X~B(1,p)
P{X=k}=p^k*(1-p)^(1-k)
二项分布(Bernoulli)
Poisson分布 X~P(λ)
P{X=k}=λ^k*exp(-λ)/k!
Poisson定理,当n很大且p很小,Bernoulli分布可用Poisson分布来近似
常见的连续型分布
均匀分布 X~U(a,b)
f(x)=1/(b-a) if(a<=x<=b)
F(x)=(x-a)/(b-a) if(a<=x<=b)
指数分布
f(x)=λexp(-λx) if(x>=0)
F(x)=1-exp(-λx) if(x>=0)
正态分布
X~N(μ,σ)
二维随机变量
3 随机变量的数字特征
数学期望
E(X)=∑xipi,E(X)=∫xf(x)dx
方差
var(X)=E((X-E(X))^2)
标准差
std(X)=sqrt(var(X))
常见分布的期望与方差
B(1,p):(p,p(1-p));B(n,p):(np,np(1-p));P(λ):(λ,λ);U(a,b):((a+b)/2,(b-a)^2/12 );N(μ,σ²):(μ,σ²)
矩、协方差、相关系数
4 大数定律,极限定理
5 统计基础
总体、样本,参数、统计量、抽样分布。
常用统计量:样本均值,样本方差,k阶中心矩,k阶原点矩。
常用分布:χ²分布,t分布,F分布。
正态总体样本均值与样本方差的分布。
6 统计检验
7 参数估计
点估计:用一个统计量估计参数,不能反映估计的可信度。
矩法:样本矩估计总体矩。
极大似然估计:L(θ;x)=∏f(xi,θ),一般对其取对数似然估计方程进行求解。
无偏性,有效性,一致性。
区间估计:用两个统计量构成的区间来估计一个未知参数,不能知道具体参数为多少。
P(/θ1(X1,X2,...)<θ</θ2(X1,X2,...))=1-α
8 假设检验
小概率事件在一次观测中可以认为基本上是不可能发生的。