xxayt的博客

文章目录第八章 参数估计8.1 点估计8.1.1 矩估计法 Moment Estimation8.1.2 极大似然估计 Maximum Likelihood Estimation8.2 估计量的评选标准8.2.1 无偏性标准8.2.2 有效性标准8.2.3 一致性标准8.2.4 均方误差标准8.3 区间估计 Interval8.3.1 置信区间8.3.2 正态总体下参数的置信区间8.3.3 单侧置信限第八章 参数估计统计三件事：估计，检验，分析参数估计：有前提 X∼F(x;θ)X\sim F(x;

文章目录第七章 数理统计的基础知识7.1 总体与样本7.2 三大分布7.2.1 卡方分布 Chi-square（χ2\chi^2χ2 分布）7.2.2 学生氏分布 Student（ttt 分布）7.2.3 F分布7.2.4 分位点 Quantile7.3 统计量与抽样分布定理7.3.1 统计量7.3.2 抽样分布定理第七章 数理统计的基础知识特殊：部分(样本)推断全体(总体)7.1 总体与样本概念：总体 population XXX：被研究对象的全体，是一个随机变量。个体：总体中的成员

文章目录第六章 极限定理6.1 大数定律 Law of large numbers6.1.1 切比雪夫不等式6.1.2 大数定律6.2 中心极限定理 Central Limit Theorems第六章 极限定理6.1 大数定律 Law of large numbers6.1.1 切比雪夫不等式切比雪夫不等式：对任意 ε>0\varepsilon>0ε>0，P(∣X−E(X)∣<ε)≥1−D(X)ε2 \color{red}P(|X-E(X)|<\varepsi

文章目录第五章 正态分布5.1 正态分布 Normal Distribution5.2 正态分布的数字特征与线性性质5.3 二维正态分布第五章 正态分布5.1 正态分布 Normal Distribution标准正态分布：X∼N(0,1)X\sim N(0,1)X∼N(0,1) 称为 XXX 服从标准正态分布密度函数：ϕ(x)=12πe−x22,−∞<x<+∞ \color{red}\phi(x)=\dfrac{1}{\sqrt{2\pi}}e^{-{x^2\over2}}

文章目录第四章 随机变量的数字特征4.1 数学期望 Expectation4.1.1 随机变量的数学期望4.1.2 随机变量函数的数学期望4.1.3 期望的性质4.2 方差 Variance4.3 协方差 Covariance 和相关系数4.3.1 协方差4.3.2 相关系数第四章 随机变量的数字特征常见分布分布律 pkp_kpk​ 或 密度函数 f(x)f(x)f(x)分布函数 F(x)F(x)F(x)期望 E(X)E(X)E(X)方差 D(X)D(X)D(X)几何分布 G(

文章目录第三章 多维随机变量及其分布3.1二维随机变量及其分布函数3.1.1 二维R.V.3.1.2 二维离散型R.V.3.1.3 二维连续型R.V.3.2 边缘分布与R.V.独立性3.2.1 边缘分布函数与R.V.独立性3.2.2 离散型边缘分布3.2.3 连续性边缘分布3.3 条件分布与条件概率3.3.1 离散型R.V.的条件分布3.3.2 连续性R.V.的条件密度函数3.4 二维随机变量函数的分布第三章 多维随机变量及其分布3.1二维随机变量及其分布函数P((X,Y)∈G)={∑(xi,yj)∈

将可计算随机变量落入任意区域的概率：P{X∈G}={∑xk∈Gpk离散型∫Gf(t)  dt连续型P\{X\in G \}=\begin{cases}\sum\limits_{x_k\in G}p_k\qquad 离散型 \\ \int\limits_G f(t)\;dt\qquad 连续型 \end{cases}P{X∈G}=⎩⎪⎨⎪⎧​xk​∈G∑​pk​离散型G∫​f(t)dt连续型​2.1 随机变量及其分布函数引入：许多试验的结果本身不是实数，考虑将样本空间投影到实数轴上随机变量

第一章 概率论基础知识机会性游戏：随即发生器（投硬币，掷骰子）基本的统计方法：估计和检验1.1 样本空间与随机事件随机试验：定义（三条件）：可重复结果不止一个，可知一切结果试验前不知结果，试验后可知结果案例一 选驸马（“37%”规则）目标函数：选到bestbestbest的概率选择方法：将前kkk个人作为样本，选出[1,k][1,k][1,k]中的maxnmaxnmaxn，从k+1k+1k+1开始若有ai>maxna_i>maxnai​>m