概率与统计的基本概念和计算.pptx

概率与统计的基本概念和计算汇报人：XX2024-01-28

contents目录概率论基本概念随机变量及其分布统计量及其抽样分布参数估计方法假设检验原理及应用方差分析及回归分析初步

01概率论基本概念

在一定条件下，所关心的某种特定结果或多种结果组成的集合。事件定义概率定义概率性质表示某一事件发生的可能性大小的数值，通常用P(A)表示事件A发生的概率。非负性、规范性、可加性等。030201事件与概率

条件概率与独立性条件概率定义在已知某个事件发生的条件下，另一个事件发生的概率。独立性定义两个事件的发生互不影响，即一个事件的发生与否对另一个事件的发生概率没有影响。独立性的判定和性质通过概率计算判断事件是否独立，独立事件具有一些重要的性质，如乘法定理等。

03全概率公式与贝叶斯公式的应用在解决实际问题时，常常需要利用全概率公式和贝叶斯公式进行概率计算，如决策分析、风险评估等。01全概率公式若事件B能表示为若干互不相容事件的并，则事件B发生的概率可以用全概率公式计算。02贝叶斯公式在已知一些条件下，通过贝叶斯公式可以计算某一事件发生的后验概率。全概率公式与贝叶斯公式

02随机变量及其分布

123取值可数的随机变量，如投掷骰子出现的点数。定义描述离散型随机变量取各个值的概率，常用表格形式表示。概率分布列二项分布、泊松分布等。常见离散型随机变量分布离散型随机变量

概率密度函数描述连续型随机变量在某个区间内取值的概率分布情况，常用函数图像表示。常见连续型随机变量分布正态分布、均匀分布、指数分布等。定义取值充满某个区间的随机变量，如测量某物体的长度。连续型随机变量

多维随机变量的函数分布涉及多个随机变量的函数，需要分析各随机变量之间的相关性及联合分布情况。随机变量的变换通过对随机变量进行数学变换，得到新的随机变量及其分布情况。一维随机变量的函数分布通过已知随机变量的分布，求解其函数的分布。随机变量的函数分布

03统计量及其抽样分布

统计量是样本的函数，它不依赖于任何未知参数，只与样本有关。通过统计量，我们可以对总体参数进行推断。统计量定义统计量具有一些重要的性质，如无偏性、一致性、充分性等。这些性质有助于我们更好地理解和应用统计量。统计量性质统计量定义与性质

样本均值是所有样本观测值的平均数，它是最常用的统计量之一。样本均值样本方差衡量了样本观测值的离散程度，它是另一个重要的统计量。样本方差样本协方差和相关系数用于衡量两个变量之间的线性关系。样本协方差和相关系数样本矩包括样本偏度、样本峰度等，它们用于描述样本分布的形状。样本矩常用统计量举例

当样本容量足够大时，一些常用的统计量（如样本均值、样本比例等）的抽样分布将趋近于正态分布。这个定理为我们提供了利用正态分布进行统计推断的理论基础。抽样分布定理中心极限定理是抽样分布定理的一个重要特例，它指出在一定条件下，大量相互独立且同分布的随机变量的均值将趋近于正态分布。这个定理在概率论和统计学中具有广泛的应用。中心极限定理抽样分布定理

04参数估计方法

利用样本矩来估计总体矩，适用于总体分布形式已知但参数未知的情况。矩估计法根据样本观测值出现的概率最大原则来估计总体参数，适用于总体分布形式已知但参数未知的情况。最大似然估计法通过最小化误差的平方和来寻找数据的最佳函数匹配，适用于线性回归模型的参数估计。最小二乘法点估计法

根据样本数据计算出一个区间，该区间以一定的置信水平包含了总体参数的真值，适用于对总体参数进行区间估计。根据样本数据计算出一个区间，该区间包含了总体中一定比例的数据，适用于对总体分布进行区间估计。区间估计法容忍区间法置信区间法

估计量的数学期望等于被估计的总体参数，即估计量在多次抽样下的平均值等于总体参数的真值。无偏性对于同一总体参数的两个无偏估计量，有更小方差的估计量更有效。有效性随着样本量的增加，估计量的值逐渐接近总体参数的真值。一致性评价估计量好坏标准

05假设检验原理及应用

提出假设构造检验统计量确定拒绝域作出决策假设检验基本思据问题背景和研究目的，提出原假设$H_0$和备择假设$H_1$。选择合适的检验统计量，并根据样本数据计算其观测值。根据显著性水平$alpha$和检验统计量的分布，确定拒绝域$W$。根据检验统计量观测值是否落入拒绝域，作出接受或拒绝原假设的决策。

双侧检验关注参数变化的两个方向，如关心均值是否有显著变化，无论增大还是减小。单侧检验只关注参数变化的一个方向，如只关心均值是否增大或减小。选择依据根据研究目的和实际问题背景选择合适的检验类型。单侧检验与双侧检验

步骤1.明确研究问题和目的。2.提出原假设和备择假设。假设检验步骤和注意事项

3.选择合适的检验统计量和显著性水平。4.计算检验统计量的观测值和对应的P值。5.根据P