知识总结
第一章 随机事件及其概率
- 古典概型:
一个试验的样本点有限,并且每个样本点出现的可能性都相等,那这个试验就是古典概型(等可能概型)
概率是衡量一个事件发生的可能性大小的数值,满足如下性质:
- 非负性
- 规范性:无论什么结果出现事件都发生
- 可列可加性:两两互斥的事件,概率相加后为1
条件概率:
P
(
B
∣
A
)
=
P
(
A
B
)
/
P
(
A
)
P(B|A) = P(AB)/P(A)
P(B∣A)=P(AB)/P(A)
全概率公式:
P
(
A
)
=
∑
P
(
B
i
)
P
(
A
/
B
i
)
P(A)=\sum P(B_i)P(A/B_i)
P(A)=∑P(Bi)P(A/Bi)
贝叶斯公式:
P
(
A
i
/
B
)
=
P
(
A
i
)
P
(
B
∣
A
i
)
/
∑
P
(
B
∣
A
j
)
P
(
A
j
)
=
P
(
A
i
B
)
/
P
(
B
)
P(A_i/B)=P(A_i)P(B|A_i)/\sum P(B|A_j)P(A_j) = P(A_iB)/P(B)
P(Ai/B)=P(Ai)P(B∣Ai)/∑P(B∣Aj)P(Aj)=P(AiB)/P(B)
独立性:
P
(
A
B
)
=
P
(
A
)
P
(
B
)
P(AB) = P(A)P(B)
P(AB)=P(A)P(B)
第二章 随机变量及其分布
对于样本空间U,有 x = x ( w ) x=x(w) x=x(w)为实值单值函数,称 X = X ( w ) X=X(w) X=X(w)为随机变量,定义域为样本空间 { w ∣ x ( w ) = a } \{ w|x(w)=a\} {w∣x(w)=a}
- 离散型随机变量
随机变量全部可能取到的值是有限个或可列无限个,这种随机变量称为离散型随机变量
分布律:可以用表格形式或 P { X = x k } = p k , k = 1 , 2... P\{ X=x_k\} =p_k,k=1,2... P{X=xk}=pk,k=1,2...
- 三种离散型随机变量
- (0—1)分布
分布律: P { X = k } = p k ( 1 − p ) 1 − k , k = 1 , 2... P\{ X=k\} =p^k(1-p)^{1-k},k=1,2... P{X=k}=pk(1−p)1−k,k=1,2... - 伯努利试验、二项分布
设试验E只有两个可能结果,A和非A,则称E为伯努利试验。
将E独立重复地进行n次,称这一串重复的独立试验为n重伯努利试验。
1.求线性回归方程:求 L x x L_{xx} Lxx和 L x y L_{xy} Lxy
L x y L_{xy} Lxy = ∑ x i y i − ∑ x i ∑ y i / n \sum x_iy_i - {\sum x_i\sum y_i}/n ∑xiyi−∑xi∑yi/n
斜率k = L x y / L x x L_{xy}/L_{xx} Lxy/Lxx
y = k ( x − ∑ x i / n ) + ∑ y i y^ = k(x - \sum x_i/n)+\sum y_i y=k(x−∑xi/n)+∑yi
2.求概率密度:
先在分布函数的层面将函数转换成目标形式
目标概率密度即为对分布函数求导得出
3.无偏性: E ( θ ′ ) = θ E(\theta ') = \theta E(θ′)=θ
有效性:方差小
相合性: l i m P lim P limP{| θ ′ − θ \theta '-\theta θ′−θ|<N} = 1 N>0
4.区间估计:
详见手机相册
5.切比雪夫不等式:
P ( ∣ X − u ∣ > = N ) < = D ( X ) / N 2 P(|X-u|>=N)<=D(X)/N^2 P(∣X−u∣>=N)<=D(X)/N2,N>0
6.矩估计量中 E ( X ) = X ‾ = ∑ X i / n E(X) = \overline{X} = \sum X_i/n E(X)=X=∑Xi/n