还剩26页未读,继续阅读
本资源只提供10页预览,全部文档请下载后查看!喜欢就下载吧,查找使用更方便
文本内容:
概率复习回顾目录•概率基础概念•随机变量及其分布•随机事件的概率•大数定律和中心极限定理•参数估计与假设检验•贝叶斯统计推断01概率基础概念概率的定义概率的定义概率是描述随机事件发生可能性的数学量,通常表示为PA,其中A是随机事件概率的取值范围是[0,1],其中0表示事件不可能发生,1表示事件一定发生概率的确定方法可以通过长期实验或统计方法来确定概率,也可以通过逻辑推理或经验来估计概率概率的性质010203概率的加法性质概率的乘法性质概率的减法性质如果A和B是两个互斥如果A和B是两个独立如果A是B的子集,那事件,那么PA+B=事件,那么PA∩B=么PA|B=PA∩B/PBPA+PB PA×PB条件概率条件概率的定义条件概率的性质全概率公式贝叶斯公式如果B1,B2,...,Bn是完如果A,B是两个随机事条件概率是在某个条件条件概率满足加法、乘备事件组,那么对于任何件,且PB0,那么C下,事件A发生的概法和减法性质,与普通事件A,有PA=PA|B=PB|A*率,记为PA|C概率的性质类似Σ[i=1,n]PB_i*PA/PBPA|B_i02随机变量及其分布随机变量的定义随机变量离散型随机变量连续型随机变量在概率论中,随机变量是离散型随机变量是在一定连续型随机变量是在一定一个数学对象,它表示一范围内可以一一列举出来范围内可以连续取值的随个随机试验的可能结果的随机变量,如掷骰子的机变量,如人的身高点数离散型随机变量及其分布离散型随机变量的分布函数离散型随机变量的分布函数表示该随机变量取各个可能值的概率离散型随机变量的概率质量函数概率质量函数表示离散型随机变量取各个可能值的概率连续型随机变量及其分布连续型随机变量的分布函数连续型随机变量的分布函数表示该随机变量在各个区间取值的概率连续型随机变量的概率密度函数概率密度函数表示连续型随机变量在各个点的概率随机变量的期望与方差期望期望是随机变量的所有可能取值的概率加权和,表示随机变量取值的平均水平方差方差是表示随机变量取值分散程度的量,即各个取值与期望的偏离程度03随机事件的概率事件的概率概率的定义概率的性质条件概率概率是衡量随机事件发生可能性概率具有一些基本性质,如非负在给定某些信息或事件发生的条的数学工具,通常表示为PE,性(PE≥0)、规范性(PΩ件下,其他事件发生的概率称为其中E是事件=1,其中Ω是样本空间)和可条件概率条件概率可以用加性(对于互斥事件E和F,PE|F表示,其中F是先验事件PE∪F=PE+PF)事件的独立性事件独立性的定义条件独立在给定某个事件G的条件下,事件E如果两个事件E和F相互独立,则和F独立称为条件独立,表示为PE∩F=PEPFPE∩F|G=PE|GPF|G独立事件的性质如果E和F独立,则E和F的补集也独立此外,如果E和F独立,则E和F的任何子集也独立贝叶斯定理贝叶斯定理的公式贝叶斯定理用于计算在给定一些证据或信息条件下的事件的概率公式为PA|B=PB|APA/PB贝叶斯定理的应用贝叶斯定理在统计学、机器学习和决策理论中都有广泛应用它可以帮助我们更新对某个事件发生的信念,考虑新的证据或信息先验概率和后验概率在贝叶斯定理中,PA|B是后验概率,表示在考虑了证据或信息B后对事件A的信念PA是先验概率,表示在考虑任何额外信息之前对事件A的信念04大数定律和中心极限定理大数定律总结词大数定律描述了在大量独立重复试验中,某一事件发生的频率将趋近于该事件发生的概率详细描述大数定律是指当试验次数趋于无穷时,某一事件发生的频率将趋近于该事件发生的概率这个定律在概率论中非常重要,它揭示了频率和概率之间的关系在现实生活中,我们经常遇到大数定律的应用,比如抛硬币、抽奖等中心极限定理总结词详细描述中心极限定理表明,无论随机变量的分中心极限定理是概率论中的重要定理之一,布是什么,只要样本量足够大,样本均它表明无论随机变量的分布是什么,只要值的分布就趋近于正态分布VS样本量足够大,样本均值的分布就趋近于正态分布这个定理在统计学中有着广泛的应用,比如在计算平均值、标准差等统计量时,都需要用到中心极限定理棣莫佛-拉普拉斯定理总结词详细描述棣莫佛-拉普拉斯定理描述了在二项分布中,棣莫佛-拉普拉斯定理是概率论中的一个重当试验次数趋于无穷时,成功的次数与总次要定理,它表明在二项分布中,当试验次数数的比值的概率分布趋近于正态分布趋于无穷时,成功的次数与总次数的比值的概率分布趋近于正态分布这个定理在统计学、经济学等领域有着广泛的应用,比如在计算成功率、误差率等统计量时,都需要用到棣莫佛-拉普拉斯定理05参数估计与假设检验点估计与区间估计点估计用单一的数值来估计参数,如样本均值、中位数等区间估计根据样本数据推断参数的可能取值范围,如置信区间假设检验的基本思想构造检验统计量根据样本数据和假设,构造一个合提出假设适的统计量根据实际需求,提出一个关于参数的假设决策根据检验统计量的值,决定是否拒绝原假设单侧假设检验与双侧假设检验单侧假设检验只考虑参数在某一方向上的变化,如检验平均值是否大于某一值双侧假设检验同时考虑参数在两个方向上的变化,如检验平均值是否在某一范围内06贝叶斯统计推断贝叶斯推断的基本思想贝叶斯推断基于贝叶斯定理,通它认为每个未知量都有一个先验通过将数据与先验信息结合,贝过使用先验信息来更新概率估计概率分布,这个分布反映了在观叶斯推断能够得出后验概率分布,察任何数据之前关于未知量的信该分布反映了在观察数据后对未息知量的了解贝叶斯推断的步骤
1.确定先验概率分布根据已有的知识和经验,为未知量设定一个先验概率分布
2.更新概率分布利用贝叶斯定理,将先验概率分布与似然函数结合,得到后验概率分布
3.决策制定基于后验概率分布进行决策,如预测、分类或估计未知参数贝叶斯推断的应用金融风险管理医学诊断贝叶斯方法用于估计风险参数,在医学诊断中,贝叶斯方法用如股票价格或利率变动,以制于根据症状和先前的病例数据定投资策略来估计患某种疾病的可能性机器学习社会科学研究在机器学习中,贝叶斯方法常在社会科学研究中,贝叶斯方用于分类、回归和聚类问题,法用于估计模型参数和预测未如高斯混合模型和朴素贝叶斯来趋势,例如在市场调查或人分类器口统计中感谢您的观看THANKS。