《概率论与数理统计》重要概念复习

本文详细复习了概率论与数理统计的重要概念,包括概率的非负性、正则性和可列可加性,随机变量的分布,如二项、正态和泊松分布。大数定律与中心极限定理被深入探讨,解释了随机变量序列的算术平均依概率收敛。同时,介绍了统计量的三大分布,如卡方、F和t分布,以及充分性原理。此外,文章涵盖了参数估计的点估计、无偏性、最大似然估计和贝叶斯估计,并讨论了区间估计与假设检验。
摘要由CSDN通过智能技术生成

概率

  1. 概率具有非负性、正则性、可列可加性.
  2. 确定概率的方法:古典方法、几何方法、主观方法.

随机变量及其分布

  1. 分布函数的性质:1)单调性 2)有界性 3)右连续性
  2. 分布列的性质:非负性、正则性.
  3. 随机变量的数学期望是分布一种位置特征数,是消除随机性的主要手段.
  4. 切比雪夫不等式.
  5. 具有可加性的分布:二项分布、正态分布、泊松分布、二项分布、卡方分布、伽马分布、柯西分布.

大数定律与中心极限定理

  1. 依概率收敛

大数定律

  1. 大数定律反映了在什么条件下随机变量序列的算术平均依概率收敛于其均值的算术平均.
  2. 伯努利大数定律:伯努利实验
  3. 切比雪夫大数定律:两两不相关的随机变量,方差存在,有共同的上界.
  4. 马尔可夫大数定律:马尔可夫条件:随机变量序列和的方差比 n 2 n^2 n2趋近于零.
  5. 辛钦大数定律:独立同分布,数学期望存在.

中心极限定理

  1. 中心极限定理讨论的在什么情况下独立随机变量和的分布函数会收敛于正态分布.
  2. 独立同分布下的中心极限定理:林德伯格-莱维中心极限定理(正态随机数)、棣莫弗-拉普拉斯中心极限定理.
  3. 独立不同分布:林德伯格中心极限定理、李雅普诺夫中心极限定理.

统计量及其分布

三大统计分布

  1. 卡方分布:根据伽马分布的可加性 χ 2 ( n ) G ( n 2 , 1 2 ) \chi ^2(n) G(\frac{n}{2},\frac{1}{2}) χ2(n)G(2n,2
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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