概率论随机变量的函数（猴博士版三）

最新推荐文章于 2023-01-09 23:56:53 发布
最新推荐文章于 2023-01-09 23:56:53 发布
阅读量854 收藏 3
点赞数
分类专栏： 概率论 文章标签： 概率论
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。
本文链接：https://blog.csdn.net/a1111111111ss/article/details/106165916
版权

借鉴猴博士
因为确实太简单了没必要展开讲我就直接把截屏过来了

在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述

a1111111111ss
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
二维随机变量分布函数习题
02-25
概率论与数理统计习题，内容覆盖基础知识，全面概括二位随机变量内容
概率论最全视频 网盘链接
11-12
好不容易搜集了各个大学的概率论的教学视频（包含：吉林大学、中山大学、北京大学、四川大学、浙江大学、中科大，等等），非常全面，老师都是名师。我考研时搜集的，各个老师讲课风格不一样，总有一个是你喜欢的。 这里我把下载网盘链接给大家。
【猴博士】概率论与数理统计 笔记总结（完结）
热门推荐
karshey的博客
04-16 3万+
前言 视频在B站看 视频在MOOC看 是笔记，可能不全。 笔记 【概率论与数理统计】猴博士 笔记 p1-p2 古典概型、几何概型
概率论【合集】--猴博士爱讲课
mwcxz的博客
01-09 9171
概率论【合集】--猴博士爱讲课
复变函数与积分变换（猴博士精华版）
weixin_62135607的博客
12-14 9336
复变函数与积分变换（猴博士精华版）
【概率论与数理统计】猴博士 笔记 p15-16 一、二维连续型求概率
karshey的博客
04-10 4997
一维连续型求概率 题型如下： 解题步骤如下： 其实就是求积分 举例1的例子： 例2： 解： 例3： 解： 注意：要把Y变为X计算，且要分类讨论y是否大于0. 例4： 解： 去掉max和min的方法： 去掉多余项的方法： 假设要求AB两项同时发生的概率，当多余项（A）必然发生时，两个事件同时发生的概率其实就是B发生的概率。 具体解： 例5：（猴博士：大概是一维连续型求概率的最难的题型） 解： 注意，对P{2≤y ,x≤1}来说，2≤y 是一个确定的范围，所以它算是
【概率论与数理统计】猴博士 笔记 p33-35 超几何分布、正态分布、二项分布
karshey的博客
04-16 3560
超几何分布H 例1： 设随机变量X~H(5,3,2)，求P{X=1}、EX、DX. 解： 题意是：共有5个球，其中3个目标球，共取2次，取到1个目标球的概率。 P{X=1}=35EX=65DX=925 P\{X=1\}=\frac{3}{5} \\EX=\frac{6}{5} \\DX=\frac{9}{25} P{X=1}=53​EX=56​DX=259​ 正态分布N 一维正态分布 总体考点公式如下： 对第1点： 例1： 解：套公式。（其实这两个概率加起来为1） 例2： 解：0.5，0.5
概率论随机变量分布函数.ppt
09-16
概率论随机变量分布函数.ppt
概率论随机变量的分布函数.ppt
09-16
概率论随机变量的分布函数.ppt
概率论随机变量的分布函数 .ppt
09-16
概率论随机变量的分布函数 .ppt
§2.4 随机变量函数的分布
06-23
在实际中，人们常常需要考虑随机变量的函数. 不难理解，若X是随机变量 ，则Y=g (X) (设g是 连续函数）也是随机变量。 事实上，若X是定义在样本空间Ω={ω}上的随机变 量，那么Y=Y(ω)=g(X(ω))，由此可见Y亦是定义...
考试复习类似线性代数,,保证不吃亏
01-09
期末复习，高效有用，看完不挂科
【概率论与数理统计】猴博士 笔记 p5-7 条件概率，全概率公式，贝叶斯公式
karshey的博客
04-07 4554
条件概率 题型特点：有竖线。 意思：在竖线后面的事件百分之百发生的情况下，竖线前面的事件发生的概率。 如： 解法： P(M∣N)=P(MN)P(N) P(M|N)=\frac{P(MN)}{P(N)} P(M∣N)=P(N)P(MN)​ 分母是竖线后的概率，分子是竖线前事件和竖线后事件同时发生的概率。 例1： 解： 3/4. 画图。 画图后发现： P(C‾)=23;P(ABC‾)=12;P(C‾)是包含P(AB)的 P(\overline C)=\frac{2}{3}; P(AB\overline C)
【概率论与数理统计】猴博士 笔记 p38-40 切比雪夫不等式、大数定律、中心极限定理
karshey的博客
05-15 3513
文章目录切比雪夫不等式大数定律中心极限定理 切比雪夫不等式 题干特征： 求的P里面有不等式 求的概率的事件是某个绝对值 求的P里面的不等式符号与外面的不等式符号相反 满足以上特征就要用到切比雪夫不等式。 做法： 注意：公式求出来的是绝对值大于等于a的概率 下面练习一下套公式： 例1： 解： 直接套公式. 答案1/4 例2： 解： E(X+Y)=EX+EY=0; 满足条件，可以直接套公式。 由上节课内容：已知相关系数和方差，可求协方差Cov(X,Y). 已知DX,DY,Cov(X,Y)，可求D(X+
【概率论与数理统计】猴博士 笔记 p29-32 均匀分布、泊松分布、指数分布、几何分布
karshey的博客
04-16 5953
均匀分布U 题型：已知某随机变量满足某分布，求对应的概率，期望，方差。 也是套公式： 例1： 设随机变量X~U[2,5]，求P{X>=4}、EX、DX。 套公式得： p{x≥4}=13EX=72DX=34 p\{x\ge4\}=\frac{1}{3} \\EX=\frac{7}{2} \\ \\DX=\frac{3}{4} p{x≥4}=31​EX=27​DX=43​ 例2： 设随机变量K在区间(1,6)上服从均匀分布，则方程x2+kx+1=0有实根的概率是__。 解： 45 \frac{4}{5
【概率论与数理统计】猴博士 笔记 p3-4 事件的概率、事件的独立性
karshey的博客
04-07 2743
事件的概率 引入： 画图。假设方块面积为1，那么P(A)的数值就是点落在A上的概率。 我们可以通过画图求出很多概率。 如：P(A-B)=0.25, P(B-A)=0.23, P(A+B)=0.58; 一些概念： 例1： 解： 0.3。 画个图就行。 例2： 解： 5/12。 一些补充： 事件的独立性 题干大概长这样，会告诉我们事件相互独立，或是两个事件发生的概率是它们各自发生的乘积。 独立性相关知识： 例1： 解： 0.2。 画图+解方程。 例2： 解： 2/3。 画图+解方程。 不
【概率论与数理统计】猴博士 笔记 p21-23 二维连续型求边缘分布函数和密度函数，已知两个边缘密度函数求f(x,y)
karshey的博客
04-12 7861
二维连续型求边缘分布函数 题型如下：给出F(x,y)，让我们求F(x),F(y) 步骤： FX(x)=F(x,+∞)FY(y)=F(+∞,y) F_X(x)=F(x,+∞) \\F_Y(y)=F(+∞,y) FX​(x)=F(x,+∞)FY​(y)=F(+∞,y) 直接做上面那道例题： 二维连续型求边缘密度函数 题干：给出F(x,y)，让我们求f(x),f(y) 方法： fX(x)=∫−∞+∞f(x,y)dyfY(y)=∫−∞+∞f(x,y)dx f_X(x)=\displaystyle \int^{
【概率论与数理统计】猴博士 笔记 p1-p2 古典概型、几何概型
karshey的博客
04-07 8027
视频 古典概型 常见的古典概型题目分为： 有放回 无放回 有放回 对于有放回的题目，一般可以这样做： 举个例子，如题： 则它们的答案是： 1. C44∗（25）4 C_{4}^{4} *（\frac{2}{5}）^4 C44​∗（52​）4 2. C42∗（25）2∗C22∗（15）2 C_{4}^{2} *（\frac{2}{5}）^2*C_{2}^{2} *（\frac{1}{5}）^2 C42​∗（52​）2∗C22​∗（51​）2 3. C42∗（25）2∗C21∗（15）∗C11∗（15）
【概率论与数理统计】猴博士 笔记 p17-20 一、二维连续型：已知F,求f；已知f,求f
karshey的博客
04-11 3475
一维连续型已知F，求f 题型： 步骤：f是F的导数，对F求导即可得到f。 例1： 解： 例2： 解： 一维连续型已知f，求f 题型：已知f(x)，求f(y) 步骤：（注意，要满足要求：Y=g(X)满足单增或单减才能用公式法） 看起来有点抽象，我们看一道例题： 此题中Y=g(X)是Y=2X，是单增的，所以可以用公式法。 第一步：通过Y=g(X)得出X=h(Y): X=Y2 X=\frac{Y}{2} X=2Y​ 第二步：用h(Y)替换f(x)各式子中的x。 原式为fX(x)={0,x≤0e−x
概率论的二维随机变量的知识点
最新发布
07-16
概率论中的二维随机变量是指由两个随机变量组成的一种数学模型。它可以用来描述两个不同事件之间的关系和相互影响。 以下是一些与二维随机变量相关的重要知识点： 1. 概率密度函数（PDF）：对于连续型二维随机变量，概率密度函数描述了其取值的概率分布情况。它可以通过对二维随机变量进行积分来计算概率。 2. 边缘分布：边缘分布指的是二维随机变量中每个单独变量的概率分布。通过边缘分布，可以计算某一个变量的概率，而忽略其他变量的取值情况。 3. 条件分布：条件分布指的是在给定另一个变量取值的条件下，某一个变量的概率分布。条件分布可以用来描述两个变量之间的依赖关系和相互影响。 4. 相关性和独立性：二维随机变量的相关性描述了两个变量之间的线性关系程度，可以通过协方差或相关系数来衡量。如果两个变量相互独立，则它们之间没有任何线性关系。 5. 边缘期望和协方差：边缘期望是指每个变量的期望值，可以用来描述随机变量的平均取值情况。协方差衡量了两个变量之间的总体线性关系，可以通过协方差矩阵来表示。 6. 线性变换和线性组合：对二维随机变量进行线性变换或线性组合可以得到新的随机变量。这些新的变量可能具有特定的概率分布和相关性。 这些是概率论中关于二维随机变量的一些重要知识点，希望能对你有所帮助。如果你还有其他问题，请继续提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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