概率论与统计
第一章 基本概念
1.6 乘法定理
P ( A B ) = P ( B ∣ A ) P ( A ) ( P ( A ) > 0 ) P(AB)=P(B|A)P(A) \quad (P(A)>0) P(AB)=P(B∣A)P(A)(P(A)>0)
推广:
P ( A B C ) = P ( C ∣ A B ) P ( B ∣ A ) P ( A ) P(ABC)=P(C|AB)P(B|A)P(A) P(ABC)=P(C∣AB)P(B∣A)P(A)
P ( A 1 A 2 ⋯ A n ) = P ( A n ∣ A 1 A 2 ⋯ A n − 1 ) P ( A n − 1 ∣ A 1 A 2 ⋯ A n − 2 ) ⋯ P ( A 2 ∣ A 1 ) P ( A 1 ) P(A_1A_2 \cdots A_n)=P(A_n|A_1A_2 \cdots A_{n-1})P(A_{n-1}|A_1A_2 \cdots A_{n-2}) \cdots P(A_2|A_1)P(A_1) P(A1A2⋯An)=P(An∣A1A2⋯An−1)P(An−1∣A1A2⋯An−2)⋯P(A2∣A1)P(A1)
1.7 全概率公式和贝叶斯公式
划分
:
全概率公式
:
贝叶斯公式
:
③ 正态分布
第三章 多维随机变量及其分布
二维随机变量
:
一般,设 E E E 是一个随机试验,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 S S S 上的随机变量,由它们构成的一个向量 ( X , Y ) (X,Y) (X,Y),叫做二维随机变量或二维随机向量。
联合分布函数
:
设
(
X
,
Y
)
(X,Y)
(X,Y) 是二维随机变量,对于任意实数
x
x
x,
y
y
y,二元函数:
F
(
x
,
y
)
=
P
{
(
X
≤
x
)
∩
(
Y
≤
y
)
}
=
=
记
成
P
{
X
≤
x
,
Y
≤
y
}
F(x,y)=P\{(X\leq x)\cap(Y\leq y) \} \overset{记成}{==}P\{X \leq x,Y\leq y\}
F(x,y)=P{(X≤x)∩(Y≤y)}==记成P{X≤x,Y≤y}称为二维随机变量
(
X
,
Y
)
(X,Y)
(X,Y) 的分布函数,或称随机变量
X
X
X 和
Y
Y
Y 的联合分布函数。
- 性质:
二维离散型随机变量
二维离散型随机变量
:如果
(
X
,
Y
)
(X,Y)
(X,Y) 全部可能取到的值为有限对或可列无限多对,则称
(
X
,
Y
)
(X,Y)
(X,Y) 是离散型随机变量。
联合分布律
:
P
{
X
=
x
i
,
Y
=
y
i
}
=
p
i
j
,
i
,
j
=
1
,
2
,
⋯
P\{X=x_i,Y=y_i\}=p_{ij},\,i,j=1,2,\cdots
P{X=xi,Y=yi}=pij,i,j=1,2,⋯
联合分布律也称分布律。分布律是最一般的叫法。
联合分布律也可用表格来表示:
条件分布
条件分布
:在
A
A
A 事件已经发生的前提下,
X
X
X 的分布函数,即
F
(
x
∣
A
)
=
P
{
X
≤
x
∣
A
}
F(x|A)=P\{X\leq x\,|A\}
F(x∣A)=P{X≤x∣A}