概率论基础（非数学系）

事件与概率

全概率贝叶斯

*一维分布函数与概率

泊松分布

二项分布近似就是泊松分布，这一点和拉普拉斯中心极限定理类似。

一维随机变量函数分布

由 X 范围求 Y 范围

Y=f(x)

由 Y <= y 求得 x 范围

对 f X(x)积分，用上面的 x 和题目中的 x 范围的交集，求得关于y的式子

再对关于y的式子求导

---

二维随机变量（离散型）

 二维随机变量（连续型）

06.3-1+多维随机变量（理论-下）-4.mp4

---

(4)是否独立

若独立 f(x,y)=f(x) f(y)

一般的，若x和y的范围交集为矩形，则独立

在第三问的基础上做：

---

二维随机变量（离散+连续）

若 x，y 独立，则 P { x<z | y=1 } = P { x<z }。x和y无关

推导：若A,B独立，

P(A|B) = P(A) P(B) / P(B) = P(A)

数学期望、方差、协方差

---

中心极限定理

林德伯格－列维（Lindburg-Levy）定理

大数定律 

 切比雪夫不等式

切比雪夫大数定律（独立）：平均值依概率收敛于期望

*辛钦大数定律（独立同分布）

伯努利大数定律

中心极限定理：一切分布在极限状态下都服从正态分布

拉普拉斯中心极限定理（要求二项分布）

 林德伯格列维定理（独立同分布）

等式右边 = (Xi的累加 - n*期望)/根号下(n*方差)