概率统计
概率论与数理统计相关博客
白水baishui
天光乍破
展开
-
概率统计——重要术语及解释
1. 随机试验 Random Experiment 2. 样本空间与样本点 Sample Space & Sample Point 3. 基本事件、随机事件、必然事件、不可能事件 Elementary Event / Random Event / Certain Event / Impossible Event 4. 对立事件、互斥事件 Complementary Event / Mutually Exclusive Event原创 2020-09-28 09:37:07 · 3944 阅读 · 0 评论 -
参数估计
参数的点估计设总体XXX服从某种已知分布,如正态分布N(μ,σ2)N(\mu,\sigma^2)N(μ,σ2),泊松分布P(λ)P(\lambda)P(λ),指数分布E(λ)E(\lambda)E(λ),但是其中的一个或多个参数为未知,如何根据抽取的样本估计出未知参数的值,就是参数的点估计要解决的问题。矩估计法极大似然估计法判别估计量好坏的标准正态总体参数的区间估计区间估计的基本概念...原创 2018-12-03 17:43:50 · 1483 阅读 · 0 评论 -
正态总体的抽样分布
由中心极限定理可知,许多随机变量的概率分布都是服从或近似服从正态分布的,因此正态分布在概率统计中显然有着极为重要的地位。以下给出一些关于正态分布的结论和定理:设X1,X2,...,XnX_1,X_2,...,X_nX1,X2,...,Xn为来自总体为XXX的容量为nnn的一个样本,样本均值与样本方差分别为X‾=1n∑i=1nXi\overline X=\frac{1}{n}\sum_{i=...原创 2018-11-21 21:55:20 · 19735 阅读 · 13 评论 -
三大抽样分布——卡方分布、t分布、F分布
卡方分布定义设(X1,X2,...,Xn)(X_1,X_2,...,X_n)(X1,X2,...,Xn)是来自总体X∼N(0,1)X\sim N(0,1)X∼N(0,1)的一个样本,则称统计量:χ2=∑i=1nXi2\chi^2=\sum_{i=1}^{n}X_i^2χ2=i=1∑nXi2所服从的分布是自由度为nnn的卡方(χ2\chi^2χ2)分布,记作χ2∼χ2(n)\chi^2...原创 2018-11-19 23:45:03 · 30471 阅读 · 0 评论 -
统计量
统计量的定义设(X1,X2,...,Xn)(X_1,X_2,...,X_n)(X1,X2,...,Xn)是来自总体的一个样本,g(X1,X2,...,Xn)g(X_1,X_2,...,X_n)g(X1,X2,...,Xn)是样本的函数,若样本函数中不含任何未知参数,则称g(X1,X2,...,Xn)g(X_1,X_2,...,X_n)g(X1,X2,...,Xn)是一个统计量。...原创 2018-11-18 22:56:39 · 2630 阅读 · 1 评论 -
大数定律与中心极限定理
大数定律定义:设X1,X2,...,Xn,...X_1,X_2,...,X_n,...X1,X2,...,Xn,...为随机变量序列,XXX为随机变量,若对任意的正数ϵ\epsilonϵ有:limn→∞P(∣Xn−X∣⩾ϵ)=0\lim_{n\to\infty}P(|X_n-X|\geqslant\epsilon)=0n→∞limP(∣Xn−X∣⩾ϵ)=0或limn→∞P(∣Xn...原创 2018-11-12 21:47:42 · 17664 阅读 · 0 评论 -
协方差与相关系数(标准协方差)
协方差的定义设(X,Y)(X,Y)(X,Y)是二维随机变量,若:E[X−E(X)][Y−E(Y)]E[X-E(X)][Y-E(Y)]E[X−E(X)][Y−E(Y)]存在,则称它为随机变量XXX与YYY的协方差,记为cov(X,Y)cov(X,Y)cov(X,Y),有cov(X,Y)=E[X−E(X)][Y−E(Y)]=E(XY)−E(X)E(Y)=∫−∞+∞xyf(x,y)dxdy−∫−∞+∞...原创 2018-11-12 09:42:57 · 4799 阅读 · 0 评论 -
随机变量取值与其数学期望的偏离程度——方差
方差的定义设随机变量XXX的数学期望E(X)E(X)E(X)存在,若E[(X−E(X))2]E[(X-E(X))^2]E[(X−E(X))2]存在,则E[(X−E(X))2]E[(X-E(X))^2]E[(X−E(X))2]为随机变量XXX的方差,记为D(X)D(X)D(X)或Var(X)Var(X)Var(X),即:D(X)=E[(X−E(X))2]D(X)=E[(X-E(X))^2]D(X)...原创 2018-11-09 20:40:46 · 5017 阅读 · 0 评论 -
随机变量的数学期望
离散型随机变量的数学期望连续型随机变量的数学期望原创 2018-11-09 20:02:17 · 27754 阅读 · 0 评论 -
连续型随机变量函数的分布
离散型随机变量函数的分布连续型随机变量函数的分布原创 2018-10-24 20:02:39 · 26566 阅读 · 4 评论 -
离散型随机变量和连续型随机变量及其常见分布
离散型随机变量及其分布率若随机变量XXX只能取有限个数值x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn或可列无穷多个数值x1,x2,...,xn,...x_1,x_2,...,x_n,...x1,x2,...,xn,...,则称XXX为离散型随机变量要掌握一个离散型随机变量XXX的统计规律,必须知道XXX的所有可能取的值以及每一个可能值的概率定义:...原创 2018-09-24 15:11:04 · 20270 阅读 · 0 评论 -
随机变量的分布函数
分布函数的定义:设XXX是Ω\OmegaΩ上的随机变量,对∀x∈R\forall x \in R∀x∈R,函数F(x)=P{X≤x}F(x)=P\{X \leq x\}F(x)=P{X≤x}称为XXX的分布函数。由定义可知,分布函数F(x)F(x)F(x)是一个定义在实数轴上的普通函数,它可以完整地描述随机变量的取值规律,也就是说,若已知随机变量的分布函数,则任意随机事件的概率就可以用分布函数...原创 2018-09-23 23:44:13 · 12356 阅读 · 0 评论 -
排列组合、古典概型、几何概型与伯努利概型
1、古典概型定义:若随机试验EEE满足如下条件:(1)有限性:试验的样本空间Ω\OmegaΩ只有有限个样本点,即Ω={ω1,ω2,...,ωn}\Omega = \{\omega_1,\omega_2,...,\omega_n\}Ω={ω1,ω2,...,ωn}(2)等可能性:试验中的样本点的发生是等可能的,即P({ω1})=P({ω2})=...=P({ωn})P(\{\omega_1...原创 2018-09-23 10:53:17 · 11151 阅读 · 0 评论 -
概率(Probability)的定义和性质
描述性定义: 在相同的条件下,独立重复地做NNN次试验,当试验次数NNN很大时,如果事件AAA发生的频率fN(A)fN(A)f_N(A)稳定地在[0,1][0,1][0,1]内的某一个数值ppp,而且一般来说随着试验次数的增多,这种摆动的幅度会越来越小,则称数值ppp为事件AAA发生的概率,记为P(A)=pP(A)=pP(A)=p...原创 2018-09-09 10:40:14 · 16364 阅读 · 0 评论