一、两个事件独立 前面我们已经看到,已知事件B发生,相当于提供了有关随 机试验结果的部分信息,它通常会影响我们对另一事件A发 生的概率大小的计算。但也经常会出现这样的情形B的发生 并没有改变事件A发生的概率,也就是 这时,我们称A和B相互独立。这是概率论中最重要的概念 之一

2-1基本概念 概率( probability 频率 fn(A)==Na/N P(ALim fn(A) 古典概率的定义 2. Laplace在《概率的理论分析》(1812)中的定义 P(A==k/N 式中,k为A所含基本事件数 N为基本事件总数 适用条件

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

一、频率的定义与性质 二、概率的定义与性质 三、小结

第一章 概率论的起源与历史 第二章 概率论——随机事件与随机变量 第三章 概率论的现代前沿——随机过程论

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

一、条件概率与乘法公式 引例袋中有7只白球,3只红球,白球中有4只木球,3只塑料球;红球中有2只木球

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

(I)概率密度函数 设二维随机向量(X,Y)的分布函数为 F(x,y).如果存在一个非负函数f(x,y),使得对任 意实数x,y,总有 则称(X,Y)为连续型随机向量概率密度函数,简称概率密度

一、概率的概念 自然界和社会上的现象一般分为两类,一类称为必然现象如:水在一 个大气压下加热到摄氏100必然沸腾,同性电荷必然相互排斥等等。另一 类称为随机现象,即带有随机性、偶然性的现象。如:抛掷一枚均匀的硬 币,其结果可能是整面朝上,也可能是反面朝上,事先无法肯定。又如, 袋中装有红色和白色两种球,从中任意取出一只,取出的球可能是红色也 可能是白色,事先无法肯定等等