一、原点矩 中心矩 二、协方差矩阵 三、n 元正态分布的概率密度 四、小结 布置作业

• 贝叶斯规则 • 基于观察值，将类先验概率 和类条件密度转化为后验概率 • 贝叶斯决策 • 最小化总风险 • 最小化误差概率：选择最大后验概率的类别 • 贝叶斯决策是理论上的最优决策，贝叶斯风险是理论上的最小风险 • 判别函数 • 判决区域和判决边界 • 多元高斯概率密度函数 • 假设类条件概率密度满足高斯分布 • 判别函数 • 判决面

2.2离散型随机变量及其概率分布 一、离散随机变量及分布律 定义若随机变量X的可能取值是有限个或可列个,则称Ⅹ为离散型随机变量描述ⅹ的概率特性常用概率分布或分布律

2.2离散型随机变量及其概率分布 离散随机变量及分布律 定义若随机变量X的可能取值是有限 个或可列个,则称Ⅹ为离散型随机变量 描述ⅹ的概率特性常用概率分布或分布律

第二讲随机变量及其概率分布 内容提要 (1)随机变量及其分布函数(分布函数的性质) (2)离散型随机变量的分布律 (3)连续型随机变量的密度函数及概率计算 (4)重要分布的定义及背景(二项分布,超几何分布,几何分布,负二项分布, Poisson分布,均匀分布,指数分布, amma分布,正态分布) (5)随机变量函数的分布(离散场合,连续场合)

在前面关于随机变量及其分布的讨论中,我们较仔 细地讨论了随机变量的概率分布,我们看到随机变 量的概率分布(分布函数或分布列和概率密度)是随 机变量的概率性质最完整的刻划,是能够完整地描 述随机变量的统计规律的

一、连续型随机变量及其概率密度 定义如果对随机变量X的分布函数F(x),存非负可积函数f(x)使得对于任意实数x有 F(x)=(X sx)= s()则称X为连续型随机变量,称f(x)为X的概率密度函数简称为概率密度或密度函数

在前面的课程中,我们讨论了随机变量及 其分布,如果知道了随机变量X的概率分布, 那么X的全部概率特征也就知道了。 然而,在实际问题中,概率分布一般是较 难确定的.而在一些实际应用中,人们并不需 要知道随机变量的一切概率性质,只要知道它 的某些数字特征就够了

概率论第三章习题参考解答 1.如果服从0-1分布,又知取1的概率为它取0的概率的两倍,求的期望值 解:由习题二第2题算出的分布率为

• 掌握概率论和数理统计的基本数学知识。 • 训练用概率论和数理统计方法对实际问题进行数学建模的能力。 • 学会解决常见的统计分析问题。 • 是应用型很强的学科。 第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析