概率论和数理统计

随机事件和概率

1.事件的关系与运算

(1) 子事件: 机器学习的数学基础-(三、概率论和数理统计) ,若 机器学习的数学基础-(三、概率论和数理统计) 发生,则 机器学习的数学基础-(三、概率论和数理统计) 发生。

(2) 相等事件: 机器学习的数学基础-(三、概率论和数理统计) ,即 机器学习的数学基础-(三、概率论和数理统计) ,且 机器学习的数学基础-(三、概率论和数理统计) 。

(3) 和事件: 机器学习的数学基础-(三、概率论和数理统计) (或 机器学习的数学基础-(三、概率论和数理统计) ), 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 中至少有一个发生。

(4) 差事件: 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计) 发生但 机器学习的数学基础-(三、概率论和数理统计) 不发生。

(5) 积事件: 机器学习的数学基础-(三、概率论和数理统计) (或 机器学习的数学基础-(三、概率论和数理统计) ), 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 同时发生。

(6) 互斥事件(互不相容): 机器学习的数学基础-(三、概率论和数理统计) 。

(7) 互逆事件(对立事件):
机器学习的数学基础-(三、概率论和数理统计)

2.运算律
(1) 交换律: 机器学习的数学基础-(三、概率论和数理统计) 
(2) 结合律: 机器学习的数学基础-(三、概率论和数理统计) ;
机器学习的数学基础-(三、概率论和数理统计) 
(3) 分配律: 机器学习的数学基础-(三、概率论和数理统计)

3.德 机器学习的数学基础-(三、概率论和数理统计) 摩根律

机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计)

4.完全事件组

机器学习的数学基础-(三、概率论和数理统计) 两两互斥,且和事件为必然事件,即 机器学习的数学基础-(三、概率论和数理统计)

5.概率的基本公式
(1)条件概率:
机器学习的数学基础-(三、概率论和数理统计) ,表示 机器学习的数学基础-(三、概率论和数理统计) 发生的条件下, 机器学习的数学基础-(三、概率论和数理统计) 发生的概率。
(2)全概率公式:
机器学习的数学基础-(三、概率论和数理统计) 
(3) Bayes公式:

机器学习的数学基础-(三、概率论和数理统计) 
注:上述公式中事件 机器学习的数学基础-(三、概率论和数理统计) 的个数可为可列个。

(4)乘法公式: 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计)

6.事件的独立性
(1) 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 相互独立 机器学习的数学基础-(三、概率论和数理统计) 
(2) 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计) 两两独立
机器学习的数学基础-(三、概率论和数理统计) ; 机器学习的数学基础-(三、概率论和数理统计) ; 机器学习的数学基础-(三、概率论和数理统计) ;
(3) 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计) 相互独立
机器学习的数学基础-(三、概率论和数理统计) ; 机器学习的数学基础-(三、概率论和数理统计) ;
机器学习的数学基础-(三、概率论和数理统计) ; 机器学习的数学基础-(三、概率论和数理统计)

7.独立重复试验

将某试验独立重复 机器学习的数学基础-(三、概率论和数理统计) 次,若每次实验中事件 机器学习的数学基础-(三、概率论和数理统计) 发生的概率为 机器学习的数学基础-(三、概率论和数理统计) ,则 机器学习的数学基础-(三、概率论和数理统计) 次试验中 机器学习的数学基础-(三、概率论和数理统计) 发生 机器学习的数学基础-(三、概率论和数理统计)次的概率为:
机器学习的数学基础-(三、概率论和数理统计)

8.重要公式与结论

(1)机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计)机器学习的数学基础-(三、概率论和数理统计)

(3) 机器学习的数学基础-(三、概率论和数理统计)

(4) 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计)

(5)条件概率 机器学习的数学基础-(三、概率论和数理统计) 满足概率的所有性质, 例如:机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计) 
(6)若 机器学习的数学基础-(三、概率论和数理统计) 相互独立,则 机器学习的数学基础-(三、概率论和数理统计) ,机器学习的数学基础-(三、概率论和数理统计)

(7)互斥、互逆与独立性之间的关系: 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 互逆 机器学习的数学基础-(三、概率论和数理统计)机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 互斥,但反之不成立, 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 互斥(或互逆)且均非零概率事件 机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计)  机器学习的数学基础-(三、概率论和数理统计) 不独立。

(8)若 机器学习的数学基础-(三、概率论和数理统计) 相互独立,则 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 也相互独立,其中 机器学习的数学基础-(三、概率论和数理统计) 分别表示对相应事件做任意事件运算后所得的事件,另外,概率为1(或0)的事件与任何事件相互独立.

随机变量及其概率分布

1.随机变量及概率分布

取值带有随机性的变量,严格地说是定义在样本空间上,取值于实数的函数称为随机变量,概率分布通常指分布函数或分布律

2.分布函数的概念与性质

定义: 机器学习的数学基础-(三、概率论和数理统计)

性质:

(1) 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计) 单调不减

(3) 右连续 机器学习的数学基础-(三、概率论和数理统计)

(4) 机器学习的数学基础-(三、概率论和数理统计)

3.离散型随机变量的概率分布

机器学习的数学基础-(三、概率论和数理统计)

4.连续型随机变量的概率密度

概率密度 机器学习的数学基础-(三、概率论和数理统计) ;非负可积,且:

(1) 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计)

(3) 机器学习的数学基础-(三、概率论和数理统计) 为 机器学习的数学基础-(三、概率论和数理统计) 的连续点,则:

机器学习的数学基础-(三、概率论和数理统计) 分布函数 机器学习的数学基础-(三、概率论和数理统计)

5.常见分布

(1) 0-1分布: 机器学习的数学基础-(三、概率论和数理统计)

(2) 二项分布: 机器学习的数学基础-(三、概率论和数理统计) : 机器学习的数学基础-(三、概率论和数理统计)

(3) Poisson分布: 机器学习的数学基础-(三、概率论和数理统计) : 机器学习的数学基础-(三、概率论和数理统计)

(4) 均匀分布 机器学习的数学基础-(三、概率论和数理统计) : 机器学习的数学基础-(三、概率论和数理统计)

(5) 正态分布: 机器学习的数学基础-(三、概率论和数理统计) : 机器学习的数学基础-(三、概率论和数理统计)

(6)指数分布: 机器学习的数学基础-(三、概率论和数理统计)

(7)几何分布: 机器学习的数学基础-(三、概率论和数理统计)

(8)超几何分布: 机器学习的数学基础-(三、概率论和数理统计)

6.随机变量函数的概率分布

(1)离散型: 机器学习的数学基础-(三、概率论和数理统计)

则: 机器学习的数学基础-(三、概率论和数理统计)

(2)连续型: 机器学习的数学基础-(三、概率论和数理统计)

则: 机器学习的数学基础-(三、概率论和数理统计) ,机器学习的数学基础-(三、概率论和数理统计)

7.重要公式与结论

(1) 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计)

(3) 机器学习的数学基础-(三、概率论和数理统计)

(4) 机器学习的数学基础-(三、概率论和数理统计)

(5) 离散型随机变量的分布函数为阶梯间断函数;连续型随机变量的分布函数为连续函数,但不一定为处处可导函数。

(6) 存在既非离散也非连续型随机变量。

多维随机变量及其分布

1.二维随机变量及其联合分布

由两个随机变量构成的随机向量 机器学习的数学基础-(三、概率论和数理统计) , 联合分布为 机器学习的数学基础-(三、概率论和数理统计)

2.二维离散型随机变量的分布

(1) 联合概率分布律 机器学习的数学基础-(三、概率论和数理统计)

(2) 边缘分布律 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计)

(3) 条件分布律 机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计)

3. 二维连续性随机变量的密度

(1) 联合概率密度 机器学习的数学基础-(三、概率论和数理统计) :

1) 机器学习的数学基础-(三、概率论和数理统计)

2) 机器学习的数学基础-(三、概率论和数理统计)

(2) 分布函数: 机器学习的数学基础-(三、概率论和数理统计)

(3) 边缘概率密度: 机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计)

(4) 条件概率密度: 机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计)

4.常见二维随机变量的联合分布

(1) 二维均匀分布: 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计)

(2) 二维正态分布: 机器学习的数学基础-(三、概率论和数理统计) ,机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计)

5.随机变量的独立性和相关性

机器学习的数学基础-(三、概率论和数理统计) 和 机器学习的数学基础-(三、概率论和数理统计) 的相互独立: 机器学习的数学基础-(三、概率论和数理统计) :

机器学习的数学基础-(三、概率论和数理统计) (离散型) 机器学习的数学基础-(三、概率论和数理统计) (连续型)

机器学习的数学基础-(三、概率论和数理统计) 和 机器学习的数学基础-(三、概率论和数理统计) 的相关性:

相关系数 机器学习的数学基础-(三、概率论和数理统计) 时,称 机器学习的数学基础-(三、概率论和数理统计) 和 机器学习的数学基础-(三、概率论和数理统计) 不相关,
否则称 机器学习的数学基础-(三、概率论和数理统计) 和 机器学习的数学基础-(三、概率论和数理统计) 相关

6.两个随机变量简单函数的概率分布

离散型: 机器学习的数学基础-(三、概率论和数理统计) 则:

机器学习的数学基础-(三、概率论和数理统计)

连续型: 机器学习的数学基础-(三、概率论和数理统计) 
则:

机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计)

7.重要公式与结论

(1) 边缘密度公式: 机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计)

(3) 若 机器学习的数学基础-(三、概率论和数理统计) 服从二维Y=y正态分布 机器学习的数学基础-(三、概率论和数理统计) 
则有:

1) 机器学习的数学基础-(三、概率论和数理统计)

2) 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 相互独立 机器学习的数学基础-(三、概率论和数理统计) ,即 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 不相关。

3) 机器学习的数学基础-(三、概率论和数理统计)

4) 机器学习的数学基础-(三、概率论和数理统计) 关于 机器学习的数学基础-(三、概率论和数理统计) 的条件分布为: 机器学习的数学基础-(三、概率论和数理统计)

5) 机器学习的数学基础-(三、概率论和数理统计) 关于 机器学习的数学基础-(三、概率论和数理统计) 的条件分布为: 机器学习的数学基础-(三、概率论和数理统计)

(4) 若 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 独立,且分别服从 机器学习的数学基础-(三、概率论和数理统计) 
则: 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计)

(5) 若 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 相互独立, 机器学习的数学基础-(三、概率论和数理统计) 和 机器学习的数学基础-(三、概率论和数理统计) 为连续函数, 则 机器学习的数学基础-(三、概率论和数理统计) 和 机器学习的数学基础-(三、概率论和数理统计) 也相互独立。

随机变量的数字特征

1.数学期望

离散型: 机器学习的数学基础-(三、概率论和数理统计) ;

连续型: 机器学习的数学基础-(三、概率论和数理统计)

性质:

(1) 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计)

(3) 若 机器学习的数学基础-(三、概率论和数理统计) 和 机器学习的数学基础-(三、概率论和数理统计) 独立,则 机器学习的数学基础-(三、概率论和数理统计)

(4) 机器学习的数学基础-(三、概率论和数理统计)

2.方差: 机器学习的数学基础-(三、概率论和数理统计)

3.标准差: 机器学习的数学基础-(三、概率论和数理统计) ,

4.离散型: 机器学习的数学基础-(三、概率论和数理统计)

5.连续型: 机器学习的数学基础-(三、概率论和数理统计)

性质:

(1) 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 相互独立,则 机器学习的数学基础-(三、概率论和数理统计)

(3) 机器学习的数学基础-(三、概率论和数理统计)

(4) 一般有 机器学习的数学基础-(三、概率论和数理统计)

(5) 机器学习的数学基础-(三、概率论和数理统计)

(6) 机器学习的数学基础-(三、概率论和数理统计)

6.随机变量函数的数学期望

(1) 对于函数 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计) 为离散型: 机器学习的数学基础-(三、概率论和数理统计) ;

机器学习的数学基础-(三、概率论和数理统计) 为连续型: 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计) ; 机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计) ; 机器学习的数学基础-(三、概率论和数理统计)

7.协方差

机器学习的数学基础-(三、概率论和数理统计)

8.相关系数

机器学习的数学基础-(三、概率论和数理统计) ;
机器学习的数学基础-(三、概率论和数理统计) 阶中心矩 机器学习的数学基础-(三、概率论和数理统计)

性质:

(1) 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计)

(3) 机器学习的数学基础-(三、概率论和数理统计)

(4) 机器学习的数学基础-(三、概率论和数理统计)

(5) 机器学习的数学基础-(三、概率论和数理统计) ,其中 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计) 
,其中 机器学习的数学基础-(三、概率论和数理统计)

9.重要公式与结论

(1) 机器学习的数学基础-(三、概率论和数理统计)

(2) 机器学习的数学基础-(三、概率论和数理统计)

(3) 机器学习的数学基础-(三、概率论和数理统计) 且 机器学习的数学基础-(三、概率论和数理统计) ,其中 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计) ,其中 机器学习的数学基础-(三、概率论和数理统计)

(4) 下面5个条件互为充要条件:

机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计) 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计)

注: 机器学习的数学基础-(三、概率论和数理统计) 与 机器学习的数学基础-(三、概率论和数理统计) 独立为上述5个条件中任何一个成立的充分条件,但非必要条件。

数理统计的基本概念

1.基本概念

总体:研究对象的全体,它是一个随机变量,用 机器学习的数学基础-(三、概率论和数理统计) 表示。

个体:组成总体的每个基本元素。

简单随机样本:来自总体 机器学习的数学基础-(三、概率论和数理统计) 的 机器学习的数学基础-(三、概率论和数理统计) 个相互独立且与总体同分布的随机变量 机器学习的数学基础-(三、概率论和数理统计) ,称为容量为 机器学习的数学基础-(三、概率论和数理统计) 的简单随机样本,简称样本。

统计量:设 机器学习的数学基础-(三、概率论和数理统计) 是来自总体 机器学习的数学基础-(三、概率论和数理统计) 的一个样本, 机器学习的数学基础-(三、概率论和数理统计) )是样本的连续函数,且 机器学习的数学基础-(三、概率论和数理统计) 中不含任何未知参数,则称 机器学习的数学基础-(三、概率论和数理统计) 为统计量。

样本均值: 机器学习的数学基础-(三、概率论和数理统计)

样本方差: 机器学习的数学基础-(三、概率论和数理统计)

样本矩:样本 机器学习的数学基础-(三、概率论和数理统计) 阶原点矩: 机器学习的数学基础-(三、概率论和数理统计)

样本 机器学习的数学基础-(三、概率论和数理统计) 阶中心矩: 机器学习的数学基础-(三、概率论和数理统计)

2.分布

机器学习的数学基础-(三、概率论和数理统计) 分布: 机器学习的数学基础-(三、概率论和数理统计) ,其中 机器学习的数学基础-(三、概率论和数理统计) 相互独立,且同服从 机器学习的数学基础-(三、概率论和数理统计)

机器学习的数学基础-(三、概率论和数理统计) 分布: 机器学习的数学基础-(三、概率论和数理统计) ,其中 机器学习的数学基础-(三、概率论和数理统计) 且 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计) 相互独立。

机器学习的数学基础-(三、概率论和数理统计) 分布: 机器学习的数学基础-(三、概率论和数理统计) ,其中 机器学习的数学基础-(三、概率论和数理统计) 且 机器学习的数学基础-(三、概率论和数理统计) , 机器学习的数学基础-(三、概率论和数理统计) 相互独立。

分位数:若 机器学习的数学基础-(三、概率论和数理统计) 则称 机器学习的数学基础-(三、概率论和数理统计) 为 机器学习的数学基础-(三、概率论和数理统计) 的 机器学习的数学基础-(三、概率论和数理统计) 分位数

3.正态总体的常用样本分布

(1) 设 机器学习的数学基础-(三、概率论和数理统计) 为来自正态总体 机器学习的数学基础-(三、概率论和数理统计) 的样本,

机器学习的数学基础-(三、概率论和数理统计) 则:

1) 机器学习的数学基础-(三、概率论和数理统计) 或者 机器学习的数学基础-(三、概率论和数理统计)

2) 机器学习的数学基础-(三、概率论和数理统计)

3) 机器学习的数学基础-(三、概率论和数理统计)

4) 机器学习的数学基础-(三、概率论和数理统计)

4.重要公式与结论

(1) 对于 机器学习的数学基础-(三、概率论和数理统计) ,有 机器学习的数学基础-(三、概率论和数理统计)

(2) 对于 机器学习的数学基础-(三、概率论和数理统计) ,有 机器学习的数学基础-(三、概率论和数理统计) ;

(3) 对于 机器学习的数学基础-(三、概率论和数理统计) ,有 机器学习的数学基础-(三、概率论和数理统计)

(4) 对于任意总体 机器学习的数学基础-(三、概率论和数理统计) ,有 机器学习的数学基础-(三、概率论和数理统计)