同济大学概率统计思维图
同济大学概率论与数理统计第一、第二章
A B A B A A B B
•
例8 设Ai={第i个电子元件正常工作}， i=1,2,…n.用事件之间的关系表示 n个电子元件串联或并联系统正常工作这 一事件Ｂ。 • 串联系统： Ｂ＝A1∩A2∩┅∩An
1 2 3 n
• 并联系统： Ｂ＝A1∪A2∪┅∪An
• 1. 从n个元素中任取k个，有
n n 1 n 2 n k 1 n! C k k 1 2 1 k ! n k !
k n
种不同的结果； • 2. 一件事情分几个步骤完成，则互相之间用乘法， 一件事情有若干种方法来完成，则互相之间用加 法，这就是所谓的计数原理。
概率论简明教程
什么是概率？
• 例1. 盒中装有20件产品，其中有5件次品， 不放回地一件一件抽取，问：第十次取出 最后一个次品的概率是多少？
• 例2，在半圆区域0≤y≤ 2ax x 内随机地投 入一点，求该点与原点的连线与x轴的夹角 4 不超过 /的可能性。
2
• 概率的思想在日常生活中的体现
• 每次试验中一定发生的事件称为必然事件. Ω包含所有样本点，因此每次试验中必定有Ω中的 一个样本点出现，故Ω是必然事件；而另一方面Ω 是Ω的子集； • 每次试验中一定不发生的事件称为不可能事件. φ中不包含任何样本点，因此是不可能事件； φ也是Ω的子集。 • 为讨论问题方便，将上述两个事件也当作随机事 件，作为两个极端情况。
例7 抛二枚均匀硬币， Ω={正正，正反，反正， 反反} 。 A={第一次出现正面} ={正正，正反}， B={第二次出现正面}={正正，反正}。 • A与B的和事件∶第一次或第二次出现正面，表 示为 A∪B={正正，正反，反正} 。 • A与B的积事件∶第一次且第二次都出现正面， 表示为 A∩B={正正} 。 • A与B的差事件A-B∶第一次正面第二次出现反面， 表示为 A-B={正反}.
《概率论与数理统计》全套课件PPT(完整版)
P(B| A) P(AB) P(A)
为在事件A发生的条件下事件B发生的条件概率2.9
2. 性质: 条件概率符合概率定义中的三个条件, 即
10 对于每一个事件B, 有 1 P(B | A) 0.
20 P(S | A) 1.
30 设B1 , B2 ,两两互不相容, 则
P( Bi | A) P(B i | A).
i1
i1
此外, 条件概率具有无条件概率类似性质.例如：
(1) P( | A) 0.
(2) 设B1 ,B2 ,, Bn两两互不相容,则
n
n
P( Bi | A) P(B i | A).
30
i1
i1
(3) P(B | A) 1 P(B | A).
(4) P(B C | A) P(B | A) P(C | A) - P(BC | A).
在其中计算B发生的概率, 从而得到P(B|A). 例2. 在1, 2, 3, 4, 5这5个数码中, 每次取一个数码, 取后不放回, 连取两次, 求在第1次取到偶数的条 件下, 第2次取到奇数的概率.
32
(二) 乘法公式: 由条件概率定义, 立即可得P(A) 0, 则有 P(AB) P(A)P(B | A).
注 当A＝S时, P(B｜S)=P(B), 条件概率化为无 条件概率, 因此无条件概率可看成条件概率.
概率论与数理统计完整ppt课件
在化学领域，概率论与数理统计被用于研究化学反应的速率和化 学物质的分布，如化学反应动力学、量子化学计算等。
生物
在生物学中，概率论与数理统计用于研究生物现象的变异和分布， 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n)，在概 率论中，分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合，样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ，如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数，如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间，表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设，然后根据假设进行检验
01
定义
设E是一个随机试验，X，Y是定义在E上，取值分别为实数的随机变量
。称有序实数对(X，Y)为一个二维随机变量。
02
分布函数
设(X，Y)是一个二维随机变量，对于任意实数x,y，二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y)，在概率论中，分别定义了X的边缘分布和Y的
随机变量及其分布
第2章 随机变量及其分布 20
例3
设随机变量 X 的概率密度函数为
2 3x , 0x1,
f x
0,
其他
求 （1） P X 0.5 （2） X 的分布函数 F x
解 （1） P( X 0.5)= 0.5 f xdx 0.5 3x2dx=0.125
-0.5
0
同济大学数学系 & 人民邮电出版社
第2章 随机变量及其分布 11
综上, 随机变量的分布函数为 F x P X x
0
0.5 0.8
1
x 1 1 x 2 2 x3
x3
同济大学数学系 & 人民邮电出版社
二、随机变量的分布函数
分布函数的性质
设 F X 是随机变量 X 的分布函数，则有
第2章 随机变量及其分布 12
1
0 F x 1; lim F x 0, lim F x 1
e3 30 =
e3 31
e3 32
17 e3 。
0!
1!
2! 2
同济大学数学系 & 人民邮电出版社
二、泊松分布
第2章 随机变量及其分布 31
例 6 已知一购物网站每周销售的某款手表的数量X服从参数为6的泊松分布.问周初
至少预备多少货源才能保证该周不脱销的概率不小于0.9.假定上周没有库存,
对照一下离散型随机变量的概率函数所满足的两个条件,
1 pi 0
2 pi 1
i
这两个条件同样刻划了密度函数的特征性质, 即如果有实值函数具备这两条性质, 那么它必定是某个连续型随机变量的概率密度函数.
同济大学数学系 & 人民邮电出版社
四、连续型随机变量及其密度函数
概率统计同济课后习题答案
概率统计同济课后习题答案在学习概率统计这门课程时，课后习题的练习和答案的参考对于巩固知识、加深理解起着至关重要的作用。
同济大学出版的概率统计教材备受广大师生的青睐，而对应的课后习题答案则成为了同学们在学习过程中的得力助手。
首先，我们来谈谈为什么课后习题的答案如此重要。
课后习题是对课堂所学知识的一种检验和拓展，通过完成这些习题，我们能够更加深入地理解概念、掌握方法，并发现自己在学习中的薄弱环节。
而答案则为我们提供了一个标准和参考，让我们知道自己的解题思路是否正确，计算过程是否准确。
如果答案与自己的结果不一致，还能促使我们重新思考、查找错误，从而提高学习效果。
在面对同济版概率统计课后习题答案时，我们不能仅仅满足于知道最终的结果，更要注重解题的过程和方法。
比如，在求解概率问题时，要清楚地知道如何运用概率的定义、性质和公式，如何进行事件的运算和概率的计算。
对于统计部分的习题，要理解各种统计量的意义和计算方法，掌握数据的处理和分析技巧。
以一道常见的概率习题为例：假设有两个相互独立的事件 A 和 B，P(A) ＝ 04，P(B) ＝ 06，求 P(A ∪ B)。
这道题的答案应该是：P(A ∪B) ＝ P(A) ＋ P(B) P(A)P(B) ＝ 04 ＋ 06 04×06 ＝ 076 。
但我们不能只是记住这个数字，而要明白为什么可以使用这个公式，以及每个步骤的依据是什么。
再来看一道统计习题：已知一组数据 10，12，15，18，20，求这组数据的均值和方差。
答案是：均值为（10 ＋ 12 ＋ 15 ＋ 18 ＋ 20) ／ 5 ＝ 15 ，方差为（10 15)²＋（12 15)²＋（15 15)²＋（18 15)²＋（20 15)²／ 5 ＝ 13 。
同样，我们要理解均值和方差的计算公式，以及如何代入数据进行计算。
然而，在使用课后习题答案时，也需要注意一些问题。
同济大学概率统计第1章
三、随机事件
1.
随机事件：一个随机试验的样本空间的子集，简称为事件， 常用大写字母A，B，C……表示。 2. 基本事件：仅含一个样本点的随机事件 。 例1: 事件A={出现点数不大4},A={1,2,3,4} 事件B={出现偶数点},B={2,4,6} 例2: 事件C={次品件数不少于空间和随机事件
确定性现象：在确定的试验条件下必然会发生 的现象
在101325Ｐa的大气压下， 将纯净水加热到100℃时必然沸腾
垂直上抛一重物，该重物会 垂直下落
随机现象：在大量重复试验中结果呈现某种规律性的 现象。这种规律性称为统计规律性。
掷一颗骰子，可能出现1，2，3，4，5，6点。
Ω
A B
记作
A⊂ B
B⊃A
例如
抛掷两颗骰子，观察出现的点数 B={出现奇数点}
A={出现1点}
A⊂ B
相等事件
A ⑵如果 ⊂ B 且 B ⊂ A ，即 A = B ，那么称事件A与事件B相等。
B ⊃ A且 A ⊃ B
Ω
B A
⇔
A=B
例1：在投掷一颗骰子的试验中， 事件A“出现2点”，事件B“出现偶 数点”，事件c是“出现2或4或6 点”，则
§1.2事件关系和运算
例７：两门火炮同时向一架飞机射击,事件A=｛击落飞机},Bi={击中第i个发 动机},i=1,2, C={击中驾驶员},“击落飞机”等价于“击中驾驶员” 或者
“击中两个发动机”.
试建立A,B1,B2,C之间的联系.
包含
⑴如果 A ⊂ B（或） B ⊃ A ，那么称事件B包含事件A，它的含义是：事 件A发生必定导致事件B发生。事件A是事件B的子事件。
几何概型
假定样本空间Ω是某个区域（可以是一维、二维和三维的）每个 样本点等可能的出现，我们规定事件A的概率为：
同济大学《概率论与数理统计》PPT课件
同济大学数学系 & 人民邮电出版社
四、随机事件之间的关系与运算
第1章 随机事件与概率 10
（1）事件的包含
若事件 A 的发生必然导致事件 B 的发生, 则称事件A 包含在事件 B 中. 记作 A B .
BA
A B
同济大学数学系 & 人民邮电出版社
3
某快餐店一天内接到的订单量；
4
航班起飞延误的时间；
5
一支正常交易的A股股票每天的涨跌幅。
二、样本空间
第1章 随机事件与概率 6
一个随机试验，每一个可能出现的结果称为一个样本点，记为
全体样本点的集合称为样本空间, 记为 , 也即样本空间是随机试验的一切可能结果组成
的集合, 集合中的元素就是样本点. 样本空间可以是有限集, 可数集, 一个区间（或若干区间的并集）.
01 在相同的条件下试验可以重复进行;
OPTION
02 每次试验的结果不止一个, 但是试验之前可以明确;
OPTION
03 每次试验将要发生什么样的结果是事先无法预知的.
OPTION
一、随机试验
例1
随机试验的例子
第1章 随机事件与概率 5
1 抛掷一枚均匀的硬币，有可能正面朝上，也有可能反面朝上；
2
抛掷一枚均匀的骰子，出现的点数；
（互斥）.
同济大学数学系 & 人民邮电出版社
2、随机事件之间的运算
第1章 随机事件与概率 12
（1）事件的并
事件 A 或 B至少有一个发生时, 称事件 A 与事件B 的并事件发生, 记为 A U B .
（2）事件的交（积）
统计量和抽样分布
4
⑴
X
2 i
;
i 1
⑵
1 4
4 i1
Xi 2;
1 4
2
⑶
2 i 1
Xi X
.
解
由定义即知⑵不是统计量, 而⑴⑶是.
同济大学数学系&人民邮电出版社
一、样本均值和样本方差
第6章 统计量和抽样分布 22
设 X1, X 2 ,L , X n 为取自总体的一个样本，称
⑴样本均值
1n X n i1 Xi
由此可得：
M 2 1 n n i1
Xi X
2 =ˆ Sn2 ,
相应的观测值
Sn
1n n i1
Xi X
2
sn2
1 n
n i 1
xi x 2，sn
1n n i1
xi x
2
同济大学数学系&人民邮电出版社
一、样本均值和样本方差
第6章 统计量和抽样分布 25
注 S 2 , Sn2 在计算时的另一表达形式:
分别求 E
X
,D
X
,E
S2
,
E
1 n
n i 1
X
2 i
.
（1） X ~ B(1, p) ；（2） X ~ E() ；（3） X ~ U (0,2 ), 其中 0 ．
解 由定理可得
E X E X ˆ , D X D X ˆ 2 , nn
E S 2 D X 2，
统计量的定义
第6章 统计量和抽样分布 20
不含有未知参数的样本的函数 g X1,L , Xn 称为统计量.
例1 假设总体 X ~ U 0, , X1, X 2,L , X n 为取自该 总体的一个样本,
概率统计同济课后习题答案
概率统计同济课后习题答案在学习概率统计这门课程时，课后习题的练习与解答对于巩固知识、加深理解起着至关重要的作用。
同济大学出版的概率统计教材以其严谨的体系和丰富的内容备受青睐，然而，课后习题的答案却常常让同学们感到困惑。
接下来，我将为大家详细解析部分概率统计同济课后习题的答案，希望能对大家的学习有所帮助。
首先，我们来看一道关于随机变量概率分布的题目。
题目：设随机变量 X 的概率分布为 P(X ＝ k) ＝Cλ^k ／ k!，k ＝ 0, 1, 2, ，其中λ ＞ 0 为常数，求常数 C 的值。
解答：因为随机变量的概率分布之和必须为 1，所以有：∑k=0 到∞ P(X ＝ k) ＝ 1即：∑k=0 到∞ Cλ^k ／ k! ＝ 1我们知道e^λ ＝∑k=0 到∞ λ^k ／ k!所以C × e^λ ＝ 1，解得 C ＝ e^（λ)接下来，看一道关于期望和方差的题目。
题目：已知随机变量 X 的概率密度函数为 f(x) ＝ 2x，0 ＜ x ＜ 1 ，求 E(X) 和 D(X)。
解答：首先计算期望 E(X)：E(X) ＝∫0 到 1 x × f(x) dx ＝∫0 到 1 2x^2 dx ＝ 2/3然后计算方差 D(X)：D(X) ＝ E(X^2) E(X)＾2E(X^2) ＝∫0 到 1 x^2 × f(x) dx ＝∫0 到 1 2x^3 dx ＝ 1/2所以 D(X) ＝ 1/2 （2/3)＾2 ＝ 1/18再看一道关于正态分布的题目。
题目：设随机变量 X 服从正态分布N(μ, σ^2)，已知 P(X ＜ 2) ＝ 08，求 P(0 ＜ X ＜ 4)。
解答：因为正态分布是关于均值μ 对称的，所以 P(X ＜μ) ＝ 05 。
又因为 P(X ＜ 2) ＝ 08 ，所以μ ＞ 2 。
P(X ＞ 2) ＝ 1 08 ＝ 02由于正态分布的对称性，P(X ＜μ 2) ＝ P(X ＞μ ＋ 2) ＝ 02所以 P(0 ＜ X ＜ 4) ＝P(μ 2 ＜ X ＜μ ＋ 2) ＝ 1 2 × 02 ＝ 06下面是一道关于条件概率的题目。
概率论与数理统计第一章思维导图
概率论与数理统计第一章思维导图概率论与数理统计第一章思维导图：
1、统计学：统计学是研究发生在实际或理论中事件的过程，用于估计实际可能发生的情况和结果的科学。
2、概率：概率是描述实际事件发生的可能性的一种计量方法，它是一种相对的度量。
3、不确定性：不确定性是模型构建中的基本要素，它反映了模型在实际应用中不能精确描述实际情况，而要做出可能与实际有所偏差的预测。
4、随机变量：随机变量是统计分析中的基本概念，它表示一类事件发生时观测到的可能结果。
5、概率分布：概率分布是描述事件发生的概率特性的方法，通过它可以掌握事件可能发生某种结果的概率大小。
6、离散型概率分布：离散型概率分布的核心思想是将随机变量的取值划分为一些互斥的概率事件，并为每个概率事件提供发生概率。
7、连续型概率分布：连续型概率分布是在随机变量的取值期间取得连续概率分布及其密度函数的方法，它提供了一种可靠的可量化的方法来描述随机事件的发生可能性。
8、期望：期望是统计学中的一种有效度量，它反映了随机变量取不同值时的期望值大小，期望也是统计分析的基础。
9、方差：方差是衡量随机变量发生结果的变异程度的重要参数，它还可以衡量偏差量与期望量之间的差异。
10、协方差：协方差是衡量两个随机变量发生结果之间的线性相关性的参数，它可以用来衡量两个变量之间发生的相关性大小。
概率论与数理统计同济大学
(二) 乘法公式:
推广 P(AB)>0, 则有 P(ABC)=P(A)P(B|A)P(C|AB). 一般, 设A1, A2, …,An是n个事件,(n≥2), P(A1A2 ...An-1)>0, 则有乘法公式: P(A1A2…An)=P(A1)P(A2|A1)…P(An-1|A1A2…An-2) P(An|A1A2…An-1).
则每次试验中, 事件B1, B2, …, Bn 中必有一
个且仅有一个发生.
40
2. 全概率公式:
称为全概率公式. 3. 贝叶斯公式:
41
例4. 某电子设备厂所用的晶体管是由三家元件制 造厂提供的,数据如下: 元件制造厂 次品率 提供的份额
1
0.02
0.15
2
0.01
0.80
3
0.03
0.05
(1) 任取一只晶体管,求它是次品的概率.
10
(二) 随机事件
定义 样本空间S的子集称为随机事件, 简称事件. 在一 次试验中, 当且仅当这一子集中的一个样本点出现时, 称 这一事件发生.
基本事件: 由一个样本点组成的单点集. 如:{H},{T}.
复合事件: 由两个或两个以上的基本事件复合而成的事件 为复合事件. 如:E3中{出现正面次数为奇数}.
22
例3. 某接待站在某一周曾接待过12次来访, 且都是在周二 和周四来访. 问是否可以推断接待时间是有规定的?
注
实际推断原理:“小概率事件在一次试 验中实际上是不可能发生的”.
23
二、几何定义:
定义
24
定义 当随机试验的样本空间是某个区域,并且任 意一点落在度量 (长度, 面积, 体积) 相同的子区域 是等可能的,则事件 A 的概率可定义为
概率论与数理统计图文课件最新版-第3章-多维随机变量及其分布
比如:
概率统计
比如：
1 x y 0
F( x, y) 0 x y 0
对这二元函数来验证第4条性质。
现找 4 个点如下：
( x2 , y2 ) (1, 1); ( x1, y2 ) (1, 1)
( x2 , y1 ) (1, 1); ( x1, y1 ) (1, 1)
F(1,1) F(1,1) F(1, 1) F(1, 1)
0
x 0, y 0 其它
求: (1) 分布函数 F( x, y)
(2) ( X ,Y )落在G内的概率
其中 G: x y 1 及 x 轴、y 轴所围区域
解: (1) Q
x
F(x, y)
y
f ( x, y)dxdy
当 x 0, y 0 时
xy
F( x, y)
0 dx 0
2,4,8,10,14,16,20这7个 数不能被3整除,但能
被2整除
6,12,18这3个数能被2 整除,又能被3整除
不难验证:
1 1
7473
pi j 0, 0 0 pi j 21 21 21 21 1
概率统计
故 得： (X,Y) 的 联合分布 律为:
XY
0 1
01
7
4
21 21
7
P( x1 X x2 , y1 Y y2 )
F ( x2 , y2 ) F ( x2 , y1 ) F ( x1, y1 ) F ( x1, y2 )
如图:
y
y2 L
y1 L M
M
x
0 x1
x2
概率统计
2. 二维随机变量分布函数 F(x,y) 的性质
性质1 F(x,y) 分别对 x 和 y 单调非减, 即:
概率的韦恩图原理
概率的韦恩图原理概率的韦恩图原理是概率论中一个重要的概念，用于分析多个事件之间的关系和计算它们的概率。
该原理以英国数学家乔治·韦恩（George Venn）的名字命名，他在1880年首次提出了这个概念。
韦恩图是一种图形工具，能够用圆形或椭圆形的重叠和交叉来表示事件之间的关系。
在韦恩图中，每个圆代表一个事件，圆的重叠区域表示两个或更多事件的交集，而圆的非重叠部分表示它们的各自独立部分。
概率的韦恩图原理基于概率论中的概率公式和集合理论，主要用于求解和分析多个事件的概率。
对于两个事件A和B，它们的交集表示同时发生的概率，即P(A ∩B)。
而各自独立的部分则表示它们单独发生的概率，即P(A)和P(B)。
通过韦恩图原理，我们可以将这些概率相互关联起来，以求解复杂的概率问题。
在韦恩图中，圆的面积可以用来表示事件的概率。
假设事件A的概率为P(A)，事件B的概率为P(B)，那么A和B的交集的概率为P(A∩B)。
根据韦恩图原理，圆A的面积为P(A)，圆B的面积为P(B)，而A和B交集的面积就是P(A∩B)。
因此，韦恩图中A和B的交集部分的面积与P(A∩B)成正比。
利用韦恩图原理，我们可以通过已知的概率求解未知概率。
例如，已知事件A 和事件B的概率和它们的交集概率，我们可以通过求解韦恩图的面积比例来计算出不同部分的概率。
如果我们知道只有A和B中的一个事件发生，那么通过韦恩图的差集和面积比例，我们可以计算出只有A或只有B发生的概率。
这种用韦恩图计算概率的方法，可以极大地简化计算过程，提高计算的准确性。
除了求解概率，韦恩图还可以用来分析事件之间的关系。
对于三个事件A、B和C，我们可以通过韦恩图来形象地表示它们之间的重叠和交集关系。
在韦恩图中，A、B和C的交集表示同时发生的概率，而它们的交集的子集则表示其中一些事件同时发生。
通过观察韦恩图，我们可以清楚地分析不同事件之间的相互关系和共同特点，以帮助我们更好地理解概率的规律和特性。
同济大学概率论与数理统计
条件概率也是概率，满足概率的公理化 定义中的三条公理，即
公理1. P（A│B）≥0； 公理2. P（Ω│B）=1； 公理3. P（∪Ai│B）=∑P（Ai│B）
且有同样的性质。注意在同一个条件下使用。
比如：
1. P A B 1 P A B
2. P A B C P A C P AB C
P(AB)=P(A)P(B)
思考： 相互独立与互不相容有何区别？
上式即等价于
PB A PB，（当P A 0）
它的直观意义是一个事件的发生不影响另一 个事件发生的概率。上式也等价于
P A B P A，（当 p(B)>0）
.
独立性往往蕴涵在事物的内部。
一副扑克牌共52张，现从中随机地抽取一张， A={抽到K}，B={抽到红桃}，可以验证事件A,B 是相互独立的.
定理：若下列四对事件 A与B； A与B；A与B；A与B 中有一对相互独立，则另外三对也独立。
例1中我们也可以这样来求：
P AU B 1 P A U B 1 P AB
1 P A P B 1 0.4 0.5 0.8
定义：称 A 、 B 、 C 是相互独立的，如果有
P AB P A PB ， PBC PB PC， P AC P A PC ， P ABC P A PB PC
A={取到玻璃球}，B={取到兰色球}
则
P（A）=6/16，P（B）=11/16。
AB={取到兰色玻璃球}，
P（AB）=4/16
问“如果已知取到的是兰色 球，那么它是玻璃球的概率”是 多少？
上述概率可以记为P（A│B） P（A│B）=4/11
事实上这时的样本空间已经发生变化，变 成为{11个兰色球}，n=11
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一维离散型（连续型）随机变量
二维随机变量
联合概率（密度、分布）函数 边缘概率（密度、分布）函数 相互关系独立性 条件概率（密度）函数 随机变量函数的概率（密度）函数 具有可加性的随机变量 二维正态、均匀分布
正态分布的线性变换 正态分布的边缘分布
同济大学概率统计教研室
随机变量的数字特征定义、性质
两个不等式
常用随机变量的数字特征
随机变量函数的期望 数学期望
方差 协方差
线性不相关
相关系数
同济大学概率统计教研室
概率极限理论
依概率收敛
大数定律
中心极限定理
同济大学概率统计教研室
性质无偏性、相合性 性质无偏性、相合性
样本均值 矩估计 样本方差
点估计 统计量
同济大学概率统计教研室
正态分布
事件的独立性 互不相容 德.摩根律
古典概率 几何概率
事件的运算及关系
随机事件及概率
概率的定义、性质
统计定义 公理化定义 和、差的概率公式
全概率公式 贝叶斯公式 乘法公式
条件概率
二项概率公式
同济大学概率统计教研室
随机变量
离散型（连续型）随机变量、概率（密度、分布）函数
极大无偏性
三个常用分布
样本均值 样本方差 样本均值、样本方差之间关系 最小次序统计量 最大次序统计量
数理统计
点估计的评判标准
有效性 相合性
方差已知 方差未知 均值已知 均值未知
正态总体
均值的区间估计
抽样分布
非正态总体
一个正态总体区间估计
方差的区间估计
同济大学概率统计教研室
概率统计的思维图
同济大学概率统计教研室
概率论
随机事件
大数定律
概率极限理论
中心极限定理 依概率收敛
随机变量
离散型（连续型）随机变量、概率（密度）函数
随机变量的数字特征（性质、计算）
数学期望 随机变量函数的期望 方差 协方差 相关系数
联合概率（密度）函数 两点分布 相互关系独立性 二维随机变量 条件概率（密度）函数 一维离散型（连续型）随机变量 随机变量函数的概率（密度）函数 超几何分布 泊松分布 几何分布 均匀分布 指数分布 二项分布