• 概率基础知识 • 概率排序原理 • 二元假设检验与概率排序原理 • 概率排序的实现方式 • BIM模型 • 二值独立概率模型BIM • BIM排序函数的推导 • RSV的估算方法 • BM25模型

5G标准下的蜂窝网络正在向异构化、超密集化的方向发展，传统的基于六边形网格模型的研究方法较为理想化且并不精确，越来越不适用于如今的异构网络.针对这个问题，目前常用的方法是使用基于随机几何的泊松点过程来研究异构网络的基站部署，这种方法假设基站的空域分布完全随机，因此得到了覆盖概率的理论下界.但是由于宏蜂窝边缘（盲区）以及热点地区（忙区）等特殊区域中，站点的分布可能形成簇，此时，基于泊松点过程的空域分布将不再准确.针对这个问题，本文使用泊松簇过程研究三层异构蜂窝网络的基站部署与规划.首先，提出基于泊松簇过程的基站部署系统模型，讨论了基于簇分布的基站形成过程；其次，在充分分析用户受到的聚集干扰基础上，采用基于瞬时信干噪比的小区选择机制，推导出了中断概率模型，并讨论了三种特殊条件下的中断概率；最后，通过仿真对比分析了基于泊松簇过程与泊松点过程的中断概率的差异以及信干噪比阈值变化时的中断概率的变化曲线，证明了基于簇的空域基站部署具有更低的中断概率

我们在第一章就已经知道，推论统计有两个基本内容：①假设检验；②参数估计。有了概率和概率分布的知识，接下来我们要逐步掌握统计检验的一般步骤。既然按照数学规则得到的概率都不能用经验方法准确求得，于是，理论概率和经验得到的频率之间肯定存在某种差别，这就引出了实践检验理论的问题。随机变量的取值状态不同，其概率分布的形式也就不同。本章我们不仅要引出二项分布和正态分布这两个著名的概率分布，并且要将它们与抽样调查联系起来，以领会统计检验，并逐步拓宽其应用面。 第一节 二项分布 第二节 统计检验的基本步骤 第三节 正态分布 第四节 中心极限定理 第五节 总体均值和成数的单样本检验

1.2概率的定义及计算 历史上概率的三次定义 1、古典定义概率的最初定义 2、统计定义基于频率的定义 3、公理化定义1930年后由前 苏联数学家柯尔莫哥洛夫给出

1.2概率的直观意义及其运算 一、概率直观意义 随机事件发生的可能性大小是一个客观存在的量

⚫条件概率 ⚫乘法定理

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

随机事件 概率 概率的加法法则 条件概率与乘法法则 独立实验概型

◼ 5.1 随机事件及其概率 ◼ 5.2 离散型随机变量及其分布 ◼ 5.3 连续型随机变量的概率分布 ◼ 利用Excel计算随机变量的概率分布

• 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