【概率论和数理统计-基本概念】

学科来源

自然界的现象分为两类，一类是 确定现象 ，如正负电荷的吸引；一类是随机现象，如抛硬币出现正负。
研究后发现，随机现象也有统计规律性。

基本概念

1. 随机试验
2. 随机现象（通过随机试验，来研究随机现象。）
3. 样本空间
4. 样本点
5. 随机事件（特定情况下，样本空间的一个子集。）
6. 事件，随机事件的简称
7. 事件发生
8. 基本事件（单样本子集）
9. 必然事件
   10.不可能事件

事件间的关系

事件A和事件B

1. 包含
2. 相等
3. 和事件，并集
4. 积事件，交集
5. 差事件，差集
6. 互不相容，互斥
7. 逆事件，对立事件

频率与概率

频率

n次等多次试验下，A事件发生次数为na，频率为na/n
特点: n次试验下，频率会趋于稳定性，该频率稳定性，就是通常所谓的统计规律性。

概率

一次随机试验下，事件A发生的可能性。

条件概率

事件A发生条件下，B发生的概率。

将随机现象引入数学

基本概念

1. 随机变量，即样本对应的数值
2. 离散型随机变量，有限个
3. 0-1分布
4. 伯努利试验
5. 随机试验的分布函数，分布函数也成为累计概率密度函数
6. 分布函数的概率密度函数，求导所得，区间求积分得概率

正态分布

也称高斯分布，定义为服从正态分布概率密度函数的分布。

核心参数：

1. 均值
2. 标准差

标准正态分布

均值为0，标准差为1的正态分布
标准正态分布的概率密度函数和分布函数图像

含义解释

1. 概率密度函数表示：当随机变量为x时，其发生的概率为y
2. 分布函数表示：当x时，负无穷到随机变量x之间的累计概率。
   特殊情况
3. 正负标准差之间的累计概率为68.26%。即大多数的随机变量发生的概率都在正负标准差之间。

随机变量的数字特征

来源

虽然随机变量，及其分布函数、概率密度等已经可以描述随机现象。
但是日常生活中，人们对于随机变量的某一数字特征更感兴趣。
比如：篮球运动员的平均身高，人均车辆保有量等等。
这些数字特征被定义和归纳为：数学期望、方差、相关系数、矩等。

数字特征

1. 数学期望，简称期望，又称均值。
   
2. 标准差，又称均方差，
   
   
3. 本质上，X-E(X)平方，的数学期望，就是方差。

到此：2023 12 21