概率论主要内容.ppt

1、1.事件和概率，1。重点，随机事件的概念和表示，经典概率的概率计算方法，条件概率和乘法公式的应用，总概率公式和贝叶斯公式的应用，2。经典概率的概率计算的全概率公式的应用。主要内容，随机现象，随机测试，事件的独立性，车载事件，基本事件，相对事件，概率，经典概率，几何概率，乘法定理，事件的关系和运算，总概率公式和贝叶斯公式，定性，确定意义，条件概率，不可能事件，复杂事件，1。了解随机事件、样本空间和事件的集合表示。理解频率和概率之间的关系以及概率的统计定义。掌握概率的经典定义、概率的公理化定义及相关操作。(1)经典概率公式：如果基本事件总数(即样本空间中包含的基本事件数)为n，事件a包含m个基本事

2、件，则事件a的概率为33，360；(2)一些运算公式：3 .条件概率和乘法公式；4.事件的独立性；(1)在四对事件中，只要一对是独立的，其他三对是独立的，(2)如果，那么甲和乙是独立的，甲和乙是互斥的。1.重点：(0-1)分布规律，二项式分布和泊松分布，分布函数，正态分布密度函数，均匀分布和指数分布，区间概率的计算，2 .连续随机变量概率密度函数的计算。主要内容，机器相关变量，离散随机变量，分布规律，密度函数数，均匀分布，数分布，正态分布，两点分布，二项分布，泊松分布，随机变量函数分布，定义域，1。理解随机变量的概念，用随机变量表达事件。离散随机变量的概率分布。连续随机变量的概率分布，2)一些

3、重要的连续分布，5)随机变量函数的分布，1)离散随机变量函数的分布，2)连续随机变量函数的分布，三维随机变量及其分布，1。重点，二维随机变量的分布，相关概率的计算和随机变量的独立性，2。困难，随机变量函数的分布。联合分布函数数、联合分布律、联合概率密度、边分布、带状分布、两个函数与机器变量的分布、机器变量的相互独立性、定义、定性、二维机器变量、扩展、3、主要内容、1、2维1)分布函数F(x，y)Px，y，2)二维离散随机变量，联合分布律：P=xi，=yj=pij，I，j=1，2，3)二维连续随机变量，2、边分布，1)离散随机变量的边分布， 2)连续性=ZK=西伊(k=1，2)的可能值，所以它也

4、是一个离散的随机变量，它的分布规律是，(对所有的I和j求和，使xi yj=zk)，1)离散情况，2)连续情况，4)随机变量的数字特征，1)数学期望的强调、性质和计算。 3.主要内容：数学期望，方差，离散型，连续型，定性性质，协方差和相关系数，二维随机变量的数学期望，定义，计算，定性性质，随机变量函数的数学期望，定义，协方差性质，相关系数定理，1，随机变量的数学期望。离散型：如果离散型随机变量的分布规律是：连续型：如果(，)的概率密度是p(x，y)，那么，3。数学期望的本质，1)让c是常数，那么e(c)=c；2) E(C)=CE，C是常数；3) E()=E E，它可以扩展到许多情况；4)让它们成为独立的随机变量。它可以扩展到许多情况。4，方差，5，方差的性质，(1) D(C )=0，C是常数；(2) D(C)=C2D，C是常数；D(a b)=a2D，a和b是常数；(3)假设，是独立的随机变量，那么D()=D推广如果1，2和n彼此独立，那么D(1，2，n)=D1 D2 Dn，6。几种常用分布的期望和方差。协方差相关系数，简单理解相关系数和矩的意义。5。大数定律和中心极限定理，1。重点，中心极限定理及其应用，2。困难，证明随机变量服从大数定律，3。主要内容，中心极限定理，定理2，定理3，定理4，定理2的另一种