《《概率论第6讲》课件.pptx》由会员分享，可在线阅读，更多相关《《概率论第6讲》课件.pptx（31页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、概率论第6讲ppt课件概率论简介条件概率与独立性随机变量及其分布多维随机变量及其分布大数定律与中心极限定理概率论中的几个重要问题01概率论简介概率描述随机事件发生的可能性大小的数值，通常以0到1之间的实数表示。随机事件在一定条件下可能发生也可能不发生的事件。样本空间所有可能结果的集合。事件概率描述随机事件发生的可能性的数值，通常以0到1之间的实数表示。概率论的基本概念概率论起源于赌博游戏和保险行业，最早的概率论著作是意大利数学家帕斯卡在1654年发表的概率论。概率论的起源古典概率研究的是等可能概型，即样本空间中每个样本点发生的可能性相同。古典概率条件概率和独立性是概率论中的重要概念，描述了事件
2、之间的相互关系。条件概率和独立性贝叶斯定理是概率论中的重要定理，用于计算在已知其他相关事件发生的情况下某一事件发生的概率。贝叶斯定理概率论的发展历程概率论是统计学的基础，用于描述和分析数据的分布和不确定性。统计学概率论在决策理论中用于评估风险和不确定性，帮助决策者做出最优选择。决策理论概率论在人工智能和机器学习中用于建模不确定性、推理和优化算法。人工智能和机器学习概率论在金融和保险行业中用于风险评估、资产定价和风险管理。金融和保险概率论的应用领域02条件概率与独立性条件概率的定义与性质定义在某事件B已经发生的条件下，另一事件A发生的概率，记作P(A|B)。性质条件概率满足概率的基本性质，即非负
3、性、规范性、有限可加性和全概率为1。如果事件B在事件A发生的条件下与事件A同时发生，则有P(AB)=P(A|B)P(B)。如果两个事件A和B是互斥的，则有P(AB)=P(A)+P(B)-P(A|B)P(B)。条件概率的运算规则加法公式乘法公式如果两个事件A和B同时发生的概率等于它们各自发生的概率之积，即P(AB)=P(A)P(B)，则称事件A和B是独立的。定义独立的事件互不影响，即一个事件的发生不影响另一个事件的发生。性质事件的独立性定义贝叶斯公式是条件概率的一种表达方式，用于计算在已知某些其他信息的情况下某一事件发生的概率。公式P(A|B)=P(B|A)P(A)/P(B)。应用贝叶斯公式广泛
4、应用于自然语言处理、机器学习等领域，用于更新已知先验概率的条件下的事件概率。贝叶斯公式03随机变量及其分布随机变量在概率论中，随机变量是一个定义在样本空间上的函数，其取值随试验结果的变化而变化。随机变量的性质随机变量具有可重复性、可观测性和随机性等性质，这些性质使得我们可以对随机试验的结果进行数学描述和计算。随机变量的定义与性质VS离散型随机变量是在一定范围内可以取到有限个或可数个值的随机变量。离散型随机变量的分布离散型随机变量的分布可以用概率质量函数（PMF）或概率分布函数（PDF）来表示，其中概率质量函数描述了每个可能取值的概率，而概率分布函数则描述了随机变量取值小于或等于某个值的概率。离
5、散型随机变量离散型随机变量的分布连续型随机变量的分布连续型随机变量是在一定范围内可以取到任何实数值的随机变量。连续型随机变量连续型随机变量的分布可以用概率密度函数（PDF）来表示，其中概率密度函数描述了随机变量取某个值的概率，并且满足在整个定义域上积分为1。连续型随机变量的分布期望是随机变量取值的平均值，表示随机变量取值的“中心趋势”。对于离散型随机变量，期望是所有可能取值的概率加权和；对于连续型随机变量，期望是概率密度函数与某个值域的积分。方差是衡量随机变量取值分散程度的量，表示随机变量取值偏离期望的程度。方差的计算公式为E(X-E(X)2，其中E(X)表示随机变量的期望值。期望方差随机变量
6、的期望与方差04多维随机变量及其分布多维随机变量是概率空间中的可测函数，其定义域为多个样本空间的笛卡尔积，值域为实数域或更一般的可测空间。定义多维随机变量具有可加性、独立性、有限可加性等性质，这些性质在多维概率分布中具有重要意义。性质多维随机变量的定义与性质定义多维随机变量的联合概率分布描述了多个随机变量同时取值的概率规律，可以通过联合概率密度函数或联合概率质量函数来表示。描述方式联合概率分布可以描述多维随机变量的相关性、独立性和条件分布等特性，是概率论中一个重要的概念。多维随机变量的联合概率分布边缘概率分布在多维随机变量中，某些变量的边缘概率分布是指这些变量独立于其他变量的概率分布，可以通过
7、对联合概率分布进行积分得到。要点一要点二条件概率分布在多维随机变量中，某个变量在另一个变量取值的条件下所遵循的概率分布称为条件概率分布，它描述了两个随机变量之间的条件依赖关系。边缘概率分布与条件概率分布定义多维随机变量的期望是一个向量，其每个分量是相应随机变量的期望值；多维随机变量的方差是一个矩阵，其每个元素是相应随机变量的方差。性质多维随机变量的期望和方差具有一些重要的性质，如线性性质、正定性、协方差矩阵的半正定性等。这些性质在多维概率分布中具有广泛的应用。多维随机变量的期望与方差05大数定律与中心极限定理大数定律是指在大量重复实验中，某一事件发生的频率将趋近于其发生的概率。大数定律是概率论
8、中的基本定理之一，它描述了在实验次数趋于无穷时，频率与概率之间的关系。大数定律的应用广泛，例如在统计学、计算机科学、决策理论等领域都有应用。大数定律中心极限定理是指无论随机变量的分布是什么，只要样本量足够大，样本均值的分布就趋近于正态分布。中心极限定理是概率论中的另一个基本定理，它表明在大量独立同分布的随机变量中，样本均值会呈现出正态分布的特征。中心极限定理在统计学、金融学、工程学等领域都有广泛应用，例如在计算股票收益率的分布时，可以利用中心极限定理来近似计算。中心极限定理棣莫佛-拉普拉斯定理棣莫佛-拉普拉斯定理是指对于任意实数x和正整数n，有$(x+n)mod n=x mod n$。棣莫佛-
9、拉普拉斯定理是数论中的一个基本定理，它表明对于任意实数x和正整数n，x加上n再对n取模的结果与x对n取模的结果相同。棣莫佛-拉普拉斯定理在计算机科学、密码学等领域有广泛应用，例如在实现模运算时可以利用该定理来简化计算。06概率论中的几个重要问题03解决蒙提霍尔问题需要使用贝叶斯定理和概率论的基本原理，通过计算后验概率来得出结论。01蒙提霍尔问题是一个著名的概率问题，它涉及到概率论和统计学中的贝叶斯推断。02蒙提霍尔问题主要探讨的是在给定一些观察结果的情况下，如何利用贝叶斯推断来更新我们对某个未知参数的信念。蒙提霍尔问题123生日悖论是指在23个人中至少有两个人的生日相同的概率大于50%的情况。这个悖论挑战了人们对概率的直觉认识，因为在直观上，一年有365天，23个人中至少有两个人的生日相同的概率应该很小。解决生日悖论需要使用概率论的基本原理，通过计算排列组合的方式来得出结论。生日悖论博弈问题是指两个或多个参与者之间在策略和利益上的相互影响和制约的问题。决策理论是研究在不确定情况下如何做出最优决策的学科，它涉及到概率论和统计学中的贝叶斯推断。解决博弈问题和决策理论需要使用博弈论、决策分析和贝叶斯推断等基本原理和方法。博弈问题与决策理论感谢观看THANKS