《概率论》课程教学资源（教案讲义）第二章 随机变量及其概率分布 2.6 关于分布函数 第三章 随机向量及其概率分布 3.1 连续型随机向量及其概率密度函数 3.2 离散型随机向量及边缘分布函数

2.1随机过程的基本概念和例子 定义2.1.1:设(,F,P)为概率空间,T是某参数集,若对每一个t∈T,(tw 是该概率空间上的随机变量,则称X(t,w)为随机过程(Stochastic Process 随机过程就是定义在同一概率空间上的一族随机变量。随机过程X(tw)可 以看成定义在TxQ上的二元函数,固定wo∈Ω,即对于一个特定的随机试验, 称X(t,wo)为样本路径(Sample Path),或实现(realization),这是通常所观测到的 过程;另一方面,固定t∈T,X(to,w)是一个随机变量,按某个概率分布随机 取值

连续型随机变量X所有可能取值充满 个区间,对这种类型的随机变量,不能 象离散型随机变量那样,以指定它取每个 值概率的方式,去给出其概率分布,而是 通过给出所谓“概率密度函数”的方式. 下面我们就来介绍对连续型随机变量 的描述方法

▪ 离散随机变量的概率函数 ▪ 离散随机变量概率分布的表示方法

⚫全概率公式 ⚫贝叶斯公式

先由一个简单的例子引入条件概率的概念 分布图示

1.概括分析:概率论是数理统计的理论基础,本节是概率论中的最基本的与最基 础的内容之一学习本节,要求学生掌握随机事件、样本空间、事件域、布尔代数等基本 概念,了解事件之间的关系和事件之间的一些运算

一．随机现象的统计规律性 二．概率的统计定义

1.1随机事件和样本空间 1.2概率和频率 1.3古典概型 1.4概率的公理化定义及概率的性质

1、OLS估计量的概率分布 B的概率分布 首先,服从正态分布的随机变量的线性组合仍然 服从正态分布。 其次,B分别是的线性组合,因此B的概率分 布取决于随机误差项μ 因此在μ是正态分布的假设下,每一个B也 服从正态分布,其分布特征(密度函数)由其均值和方差唯 一决定