![](https://img-blog.csdnimg.cn/de109d3a6d444a4bbbe4ad9cf5c5a15f.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
概率论
文章平均质量分 91
概率论
return bool(1)
遁入尘烟
展开
-
【概率论基础进阶】参数估计-估计量求法和区间估计
用样本矩估计相应的总体矩,用样本矩的函数估计总体矩相应的函数,然后求出要估计的参数,称这种估计法为矩估计法设XXX为连续型随机变量,其概率密度为f(x;θ1,θ2,⋯ ,θk)f(x;\theta_{1},\theta_{2},\cdots,\theta_{k})f(x;θ1,θ2,⋯,θk),或XXX为离散型随机变量,其分布律为P{X=x}=p(x;θ1,θ2,⋯ ,θk)P \left\{X=x\right\}=p(x;\theta_{1},\theta_{2},\cdots,\theta_{k}原创 2022-09-23 08:48:09 · 338 阅读 · 0 评论 -
【概率论基础进阶】参数估计-点估计
定义:用样本X1,X2,⋯ ,XnX_{1},X_{2},\cdots,X_{n}X1,X2,⋯,Xn构造的统计量θ^(X1,X2,⋯ ,Xn)\hat{\theta }(X_{1},X_{2},\cdots,X_{n})θ^(X1,X2,⋯,Xn)来估计参数θ\thetaθ称为点估计,统计量θ^(X1,X2,⋯ ,Xn)\hat{\theta }(X_{1},X_{2},\cdots,X_{n})θ^(X1,X2,⋯,Xn)称为估计量估计量是随机变量,它所取得的观测值θ^(x1,x2,⋯原创 2022-09-22 08:35:31 · 235 阅读 · 0 评论 -
【概率论基础进阶】数理统计的基本概念-常用统计分布
定义:设随机变量X1,X2,⋯ ,XnX_{1},X_{2},\cdots,X_{n}X1,X2,⋯,Xn相互独立且均服从标准正态分布N(0,1)N(0,1)N(0,1),则称随机变量χ2=X12+X22+⋯+Xn2\chi^{2}=X_{1}^{2}+X_{2}^{2}+\cdots +X_{n}^{2}χ2=X12+X22+⋯+Xn2服从自由度为nnn的χ2\chi^{2}χ2分布,记作χ2∼χ2(n)\chi^{2}\sim \chi^{2}(n)χ2∼χ2(n)设χ2∼χ2(n)原创 2022-09-21 15:48:36 · 570 阅读 · 0 评论 -
【概率论基础进阶】数理统计的基本概念-总体、样本、统计量和样本数字特征
定义:如果随机变量X1,X2,⋯ ,XnX_{1},X_{2},\cdots ,X_{n}X1,X2,⋯,Xn相互独立且都与总体XXX同分布,则称X1,X2,⋯ ,XnX_{1},X_{2},\cdots,X_{n}X1,X2,⋯,Xn为来自总体的简单随机样本,简称样本。nnn为样本容量,样本的具体观测值x1,x2,⋯ ,xnx_{1},x_{2},\cdots,x_{n}x1,x2,⋯,xn称为样本值,或称总体XXX的nnn个独立观测值如果总体XXX的分布为F(x)F(x)F(x),则原创 2022-09-20 21:39:02 · 345 阅读 · 0 评论 -
【概率论基础进阶】大数定律和中心极限定理
切比雪夫不等式:设随机变量XXX的数学期望E(X)E(X)E(X)和方差D(X)D(X)D(X)存在,则对任意的ϵ>0\epsilon >0ϵ>0,总有P{∣X−E(X)∣≥ϵ}≤D(X)ϵ2P \left\{|X-E(X)|\geq \epsilon \right\}\leq \frac{D(X)}{\epsilon ^{2}}P{∣X−E(X)∣≥ϵ}≤ϵ2D(X)这个不等式称为切比雪夫不等式例1:设随机变量XXX的概率密度f(x)={2e−2xx>00x≤0f(x)=\left\{\begi原创 2022-09-19 22:32:43 · 331 阅读 · 0 评论 -
【概率论基础进阶】随机变量的数字特征-矩、协方差和相关系数
定义:设XXX是随机变量,如果E(Xk),k=1,2,⋯E(X^{k}),k=1,2,\cdots E(Xk),k=1,2,⋯存在,则称之为XXX的kkk阶原点矩设XXX是随机变量,如果E{[X−E(X)]k},k=1,2,3,⋯E \left\{[X-E(X)]^{k}\right\},k=1,2,3,\cdots E{[X−E(X)]k},k=1,2,3,⋯存在,则称之为XXX的kkk阶中心矩设XXX和YYY是两个随机变量,如果E(XkYl),k,l=1,2,⋯E(X^{k}Y^{原创 2022-09-18 23:07:04 · 312 阅读 · 0 评论 -
【概率论基础进阶】随机变量的数字特征-随机变量的数学期望和方差
设随机变量XXX的概率分布为P{X=xk}=pk,k=1,2,⋯P \left\{X=x_{k}\right\}=p_{k},k=1,2,\cdots P{X=xk}=pk,k=1,2,⋯如果级数∑k=1+∞xkpk\sum\limits_{k=1}^{+\infty}x_{k}p_{k}k=1∑+∞xkpk绝对收敛,则称为级数随机变量XXX的数学期望或均值,记作E(X)E(X)E(X),即E(X)=∑k=1+∞xkpkE(X)=\sum\limits_{k=1}^{+\infty}x原创 2022-09-17 18:00:42 · 798 阅读 · 0 评论 -
【概率论基础进阶】多维随机变量及其分布-两个随机变量函数Z=g(X,Y)的分布
与一维离散型类似(画表,加和)可用公式FZ(z)=P{Z≤z}=P{g(X,Y)≤z}=∬g(x,y)≤zf(x,y)dxdyF_{Z}(z)=P \left\{Z \leq z\right\}=P \left\{g(X,Y) \leq z\right\}=\iint\limits_{g(x,y)\leq z}f(x,y)dxdyFZ(z)=P{Z≤z}=P{g(X,Y)≤z}=g(x,y)≤z∬f(x,y)dxdy例1:Z=X+YZ=X+YZ=X+Y的分布设(X,Y)(X,Y)(X,Y)的概率原创 2022-09-16 08:46:04 · 703 阅读 · 0 评论 -
【概率论基础进阶】多维随机变量及其分布-二维均匀分布和二维正态分布
定义:如果二维连续型随机变量(X,Y)(X,Y)(X,Y)的概率密度为f(x,y)={1A(x,y)∈G0其他f(x,y)=\left\{\begin{aligned}& \frac{1}{A}&(x,y) \in G\\&0&其他\end{aligned}\right.f(x,y)=⎩⎨⎧A10(x,y)∈G其他其中AAA是平面有界区域GGG的面积,则称(X,Y)(X,Y)(X,Y)服从区域GGG上的均匀分布设(X,Y)(X,Y)(X,Y)在GGG上服从均匀分布,DDD是GGG中的一个部原创 2022-09-15 17:27:45 · 7781 阅读 · 0 评论 -
【概率论基础进阶】多维随机变量及其分布-随机变量的独立性
则必可断定联合分布所对应的两个随机变量是不相互独立的。可将两个随机变量的独立性推广到两个以上随机变量的情形。考虑联合分布和边缘分布关系,有,凡是边缘分布均不为。从这里可以看出来,边缘概率密度对应的边缘概率。就一定不独立,反之,如果所有的。,所以看到联合分布律中有一个。相互独立的充要条件:对任意。相互独立的充要条件:对任意。一般给定边缘分布均不为。原创 2022-09-14 20:51:07 · 519 阅读 · 0 评论 -
【概率论基础进阶】多维随机变量及其分布-二维随机变量及其分布
定义:设X=X(ω),Y=Y(ω)X=X( \omega),Y=Y(\omega)X=X(ω),Y=Y(ω)是定义在样本空间Ω\OmegaΩ上的两个随机变量,则称向量(X,Y)(X,Y)(X,Y)为二维随机变量,或随机变量定义:设二维随机变量(X,Y)(X,Y)(X,Y),对任意实数x,yx,yx,y,二元函数F(x,y)=P{X≤x,Y≤y},−∞原创 2022-09-14 16:12:01 · 668 阅读 · 0 评论 -
【概率论基础进阶】随机变量及其分布-随机变量函数的分布
对应的概率密度函数和分布函数中间不知道,但两端已经能算出来了。一般很少用公式法,容易错,要求多,建议使用定义法。,分布函数一定有对应的函数曲线,那么经过映射的。中有相同的数值,则将它们相应的概率和作为。也是连续型随机变量,记起概率密度为。,其分布函数一定也有对应的函数曲线。也是离散型随机变量,其分布律为。服从标准正态分布,说明随机变量。的分布函数恰有一个间断点。是离散型随机变量时,设。时连续型随机变量时,设。的分布函数,求随机变量。,那么所求的分布函数在。为保证右连续,条件应为。,夹在该范围之间由于。原创 2022-09-05 15:14:33 · 421 阅读 · 0 评论 -
【概率论基础进阶】随机变量及其分布-常用分布
定义:如果随机变量XXX有分布律定义:如果随机变量XXX有分布律P{X=k}=Cnkpkqn−k,k=0,1,2,⋯ ,nP \left\{X=k\right\}=C_{n}^{k}p^{k}q^{n-k},k=0,1,2,\cdots ,nP{X=k}=Cnkpkqn−k,k=0,1,2,⋯,n其中0原创 2022-09-05 09:17:34 · 644 阅读 · 0 评论 -
【概率论基础进阶】随机变量及其分布-随机变量及其分布函数
定义:在样本空间Ω\OmegaΩ上的实值函数X=X(ω)X=X(\omega)X=X(ω),称X(ω),ω∈ΩX(\omega),\omega \in \OmegaX(ω),ω∈Ω,称X(ω)X(\omega)X(ω)为随机变量,简记XXX注:X(ω)X(\omega)X(ω)的定义域是Ω\OmegaΩ,常用X,Y,ZX,Y,ZX,Y,Z等表示随机变量定义:如果一个随机变量的可能取值是有限多个或可数无穷多个,则称它为离散型随机变量定义:设离散型随机变量XXX的可能取值是x1,x2,⋯ ,xn,⋯x_{1}原创 2022-09-04 15:28:13 · 652 阅读 · 0 评论 -
【概率论基础进阶】随机事件和概率-古典概型与伯努利概型
一定要保持分子分母考虑对象相同,例如本题分母对所有物品排序,分子就是对所有物品符合条件的排序,或者另一种从位置的角度,分母对两个位置考虑,分子就是对符合条件的两个位置考虑。定义:把一随机试验独立重复做若干次,即各次试验所联系的事件之间相互独立,且同一事件在各个试验中出现的概率相同,称为独立重复试验。也可以从位置的角度考虑,六个位置任选两个放次品,前两个选一个位置放次品,第三个位置放一个次品。也可以从位置的角度考虑,挑两个位置给次品,次品必须在前三个位置中的两个。次品的概率,可以用全排列的方式。原创 2022-09-03 16:05:12 · 804 阅读 · 0 评论 -
猿创征文|【概率论基础进阶】随机事件和概率-概率及概率公式
定义:设试验EEE的样本空间Ω\OmegaΩ,称实值函数PPP为概率,如果PPP满足如下三条件由概率的定义,可推得概率的一些重要性质定义:设A,BA,BA,B为两事件,且P(A)>0P(A)>0P(A)>0,称P(B∣A)=P(AB)P(A)P(B|A)=\frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB)为事件AAA发生的条件下事件BBB发生的条件概率定义:设A,BA,BA,B两事件满足等式P(AB)=P(A)P(B)P(AB)=P(A)P(B)P(AB)=P(A)P(B)原创 2022-09-06 06:00:00 · 407 阅读 · 0 评论 -
【概率论基础进阶】随机事件和概率-随机事件、事件间的关系与运算
随机事件是由样本空间中的元素即基本点组成,由一个样本点组成的子集是最简单的事件,称为基本事件。为了简化式子,约定交号一律省略不写,且运算的顺序是“先交后并”,当然有括号时,先进行括号里的运算。事件是一个集合,因而事件之间的关系与运算也是按照集合之间关系与运算的规则进行。事件的互斥可以推广到有限多个事件或可数无穷多个事件的情形。事件的交可以推广到有限多个事件或可数无穷多个事件的情形。事件的并可以推广到有限多个事件或可数无穷多个事件的情形。定义:样本空间的子集称为随机事件,简称事件,常用字母。原创 2022-09-03 11:36:31 · 1522 阅读 · 0 评论 -
【概率论】参数估计
1. 对样本值$x_{1},x_{2},\cdots,x_{n}$,则似然函数为$\begin{aligned}L(\theta)=\left\{\begin{aligned}&\prod^{n}_{i=1}P(x_{i};\theta)\\&\prod^{n}_{i=1}f(x_{i};\theta)\end{aligned}\right.\end{aligned}$2. 似然函数两端取对数,求导数3. 令$\begin{aligned}\frac{d\ln(L(\theta))}{d \theta}原创 2022-08-07 22:58:22 · 217 阅读 · 0 评论 -
【概率论】抽样分布
设X1,X2,⋯,XnX1,X2,⋯,Xn为来自总体N(0,1)N(0,1)N(0,1)的简单随机样本,则称统计量X2=X12+X22+⋯+Xn2X2=X12+X22+⋯+Xn2服从于自由度为nnn的χ2\chi^{2}χ2分布,记作X2∼χ2(n)X2∼χ2(n)设X∼χ2(m),Y∼χ2。原创 2022-08-06 17:32:21 · 118 阅读 · 0 评论 -
【概率论】大数定律与中心极限定理
设随机变量X1,X2,⋯,Xn,⋯X1,X2,⋯,Xn,⋯,对于∀ξ>0∀ξ>0,都有limn→∞P{∣Xn−a∣原创 2022-08-05 11:24:59 · 210 阅读 · 0 评论 -
【概率论】随机变量的数字特征
设离散型随机变量XXX的分布律为P{X=xi}=pi.i=1,2,⋯P{X=xi}=pi.i=1,2,⋯,则随机变量XXX的数学期望为∑i=1∞xipii=1∑∞xipi,记为EXEXEX,即EX=∑i=1∞xipiEX=i=1∑∞xipi推广:若离散型随机变量XXX的分布律为P{X=xi}=...原创 2022-08-04 16:19:21 · 177 阅读 · 0 评论 -
【概率论】多维随机变量及其分布
设EEE是一个随机变量,它的样本空间是S={e}S=\{e\}S={e},设X=X(e)X=X(e)X=X(e)和Y=Y(e)Y=Y(e)Y=Y(e)是定义在SSS上的随机变量,由它们构成一个向量(X,Y)(X,Y)(X,Y)叫做二维随机变量设(X,Y)(X,Y)(X,Y)是二维随机变量,对于任意实数x,yx,yx,y,均存在二元函数F(x,y)=P{(X≤x)∩(Y≤y)}F(x,y)=P\{(X\leq x)\cap (Y\leq y)\}F(x,y)=P{(X≤x)∩(Y≤y)}记作P{X≤x,Y≤y原创 2022-08-04 09:56:52 · 1691 阅读 · 0 评论 -
【概率论】随机变量及其分布
当随机变量的取值为有限个或者可列无限多个,这种随机变量称为离散型随机变量设XXX是一个随机变量,xxx是任意常数,函数F(x)=P{X≤x},−∞原创 2022-08-03 11:08:54 · 1361 阅读 · 0 评论 -
【概率论】概率论的基本概念
设EEE是随机试验,SSS是它的样本空间,对于EEE的每一事件AAA赋予一个实数,记为P(A)P(A)P(A),称为事件AAA非负性:对于每一事件AAA,都有P(A)≥0P(A)\geq 0P(A)≥0规范性:对于必然事件SSS,有P(S)=1P(S)=1P(S)=1可列可加性:设A1,A2,⋯A1,A2,⋯是两两互不相容的事件,即对于AiAj=∅,i≠j,i,...原创 2022-08-02 17:53:42 · 539 阅读 · 0 评论