计数原理概率随机变量及其分布第七节二项分布正态分布及其应用课件

计数原理、概率、随机变量及其分布第七节二项分布、正态分布及其应用课件目录contents二项分布正态分布离散型随机变量及其分布连续型随机变量及其分布随机变量的数字特征大数定律与中心极限定理参数估计与假设检验01二项分布二项分布是一种离散概率分布，描述的是在固定数量的独立实验中成功的次数的概率分布。其中，独立实验是指每次试验成功的概率都是相同的，并且各次试验之间互不影响。定义中的“成功”可以理解为某个特定事件的发生，而“失败”则可以理解为该事件未发生。二项分布的定义二项分布的期望值为np，其中n为独立实验次数，p为单次试验成功的概率。随着n的增大，二项分布的方差逐渐变小，说明在独立实验次数增加的情况下，成功的次数相对稳定。二项分布的方差为np(1-p)，方差反映了成功的次数的波动程度。当p=0.5时，二项分布的期望值和方差都达到最大，此时分布曲线最为分散。二项分布的性质在组合数学中，二项式系数和组合数都与二项分布有关。应用于组合数学应用于保险精算应用于可靠性工程在保险精算中，二项分布被用来计算在一定次数的独立试验中成功的次数所对应的概率。在可靠性工程中，二项分布被用来计算在一定次数的独立试验中成功次数的概率分布。030201二项分布的应用02正态分布0102正态分布的定义正态分布可以用其均值和标准差来刻画，其中均值描述了分布的中心位置，而标准差描述了分布的离散程度。描述随机变量取值的概率分布，其中随机变量的取值概率满足“中间高、两边低”的形态。标准正态分布若一个随机变量服从均值为0、标准差为1的正态分布，则称其为标准正态分布。正态分布的期望值和方差对于一个正态分布，其期望值等于均值，方差等于标准差的平方。钟形曲线正态分布的曲线呈钟形，左右对称，且在均值处达到最大值，然后逐渐向两侧递减。正态分布的性质许多自然现象和生物特征都表现出正态分布的特征，如人类的身高、体重、智商等。自然现象在社会现象中，也有很多情况适用正态分布进行描述，如人类的寿命、收入等。社会科学在科学实验中，如果实验结果受到许多随机因素的影响，则通常会呈现出正态分布的特征。科学实验在金融市场中，许多资产的收益率也呈现出正态分布的特征，如股票价格、汇率等。金融市场正态分布的应用03离散型随机变量及其分布设随机试验的结果为$n$，$n$的所有可能取值为$0,1,2,\ldots$，并设$P(n=k)$=$p_k$，$k=0,1,2,\ldots$，则称$X$为离散型随机变量。在有限或可数个点上取值，并且其取值概率是已知的。离散型随机变量的定义离散型随机变量的特点定义对于离散型随机变量$X$，其取每个可能值的概率是已知的，即$P(X=x_k)=p_k$，其中$x_k$是$X$的可能取值。概率质量函数设离散型随机变量$X$的取值为$x_1,x_2,\ldots,x_n$，则其期望为$E(X)=\sum_{i=1}^{n}x_ip_i$，方差为$D(X)=\sum_{i=1}^{n}(x_i-E(X))^2p_i$。期望与方差离散型随机变量的性质设离散型随机变量$X$的可能取值为$x_1,x_2,\ldots,x_n$，并设其取每个值的概率分别为$p_1,p_2,\ldots,p_n$，则称函数$F(x)=\sum_{i=1}^{n}p_i\cdot\mathbf{1}_{x_i\leqx}$为离散型随机变量$X$的分布函数。其中，$\mathbf{1}_{x_i\leqx}$表示取值为$x_i\leqx$时的指标函数。定义分布函数$F(x)$是一个非减函数，即当$x_1<x_2$时，有$F(x_1)\leqF(x_2)$。同时，分布函数在每个跳跃点$(x_{i-1},x_i)$上左连续右不连续。性质离散型随机变量的分布函数04连续型随机变量及其分布连续型随机变量的定义如果对于随机变量X的所有取值，存在一个非降函数F(x)，使得X的概率分布函数为$F(x)$，则称X为连续型随机变量。连续型随机变量的特点连续型随机变量的取值范围是一个区间，如$(a,b)$，并且其概率分布函数是一个连续函数。连续型随机变量的定义对于连续型随机变量X，其概率密度函数f(x)是描述X落在某个区间的概率的。概率密度函数连续型随机变量的期望E[X]和方差Var[X]都是通过概率密度函数来计算的。期望和方差连续型随机变量的性质分布函数的定义对于连续型随机变量X，其分布函数F(x)是描述X小于等于某个值x的概率的。分布函数的性质分布函数F(x)是一个非降函数，并且对于任意实数x，有$0\leqF(x)\leq1$。连续型随机变量的分布函数05随机变量的数字特征VS数学期望是指随机变量取值的概率加权和，它反映了随机变量取值的平均水平。数学期望的性质数学期望具有可加性、可乘性和可微性等性质，它还可以表示为期望收益、期望损失等。数学期望的定义数学期望的定义及性质方差是随机变量取值与数学期望的平方差的平均值，它描述了随机变量取值的离散程度。方差具有可加性、可乘性和可微性等性质，它还可以表示为变异系数、标准差等。方差的定义方差的性质方差的定义及性质协方差是两个随机变量取值之间的线性关系，它描述了两个随机变量之间的联动关系。协方差的定义协方差的性质相关系数的定义相关系数的性质协方差具有可加性、可乘性和可微性等性质，它还可以表示为相关系数、皮尔逊相关系数等。相关系数是协方差与两个随机变量各自方差的比值，它描述了两个随机变量之间的线性相关程度。相关系数具有对称性、范围性、无量纲性等性质，它可以用来判断两个随机变量之间的线性相关关系。协方差与相关系数的定义及性质06大数定律与中心极限定理定义在试验次数很大时，频率的极限就是概率。性质大数定律表明，当试验次数足够多时，频率的分布接近于概率的分布。大数定律的定义及性质定义设随机变量X1,X2,...,Xn是相互独立的随机变量，且具有相同的分布函数，F(x)为其分布函数，则对于任意实数a，有P(a-t≤Xn≤a+t)=1-Φ(t/σn)+O(1/n^2)，其中Φ(x)是标准正态分布函数，σn是X1,X2,...,Xn的方差，t是任意实数。性质中心极限定理说明，当独立随机变量的数量足够大时，它们的和近似服从正态分布。中心极限定理的定义及性质07参数估计与假设检验点估计区间估计极大似然估计无偏估计参数估计的方法及原理区间估计是一种提供参数估计区间的方法，通过构建一个置信区间来估计参数。极大似然估计是一种基于概率模型的参数估计方法，通过最大化似然函数来估计参数。无偏估计是一种统计上理想的参数估计方法，通过使用样本信息来估计总体参数，且估计值的均值等于真实值。点估计是一种直接估计参数的方法，通过选择一个具体的值作为参数的估计。拒绝域拒绝域是假设检验中用于决定是否拒