第一章 随机事件和概率 随机试验 样本空间、随机事件 频率和概率 古典概型 几何概型 概率的公理化结构 条件概率 事件的独立性 贝努里概型 第二章 离散型随机变量及其分布 随机变量的概念 一维离散型随机变量的分布律 二维离散型随机变量 离散型随机变量函数的分布律 第三章 连续型随机变量及其分分布函数 一维连续性随机变量及其分布 二维连续性随机变量及其分布 连续性随机变量函数的密度函数 第四章 随机变量的数字特征 数学期望 方差 协方差和相关系数 矩 几个重要随机变量的期望和方差 第五章 大数定律与中心极限定理 依概率收敛 大数定律 依分布收敛 中心极限定理

I.什么是古典概率模型 如果试验E满足 (1)试验结果只有有限种, (2)每种结果发生的可能性相同。 则称这样的试验模型为等可能概率模型或 古典概率模型,简称为等可能概型或古典 概型

7.2概率的基本公式 7.2.1互斥事件概率的加法公式 7.2.2任意事件概率的加法公式 7.2.3条件概率 7.2.4乘法公式

概率分布函数反映了随机变量的概率分布规律; 在概率论中处理概率分布时一般不涉及分布的物理来源,为 在实验数据分析中正确地掌握和运用这些分布函数,需要: 熟悉公式及运算规则 分布的物理意义;

本章主要讲述随机试验，样本空间，随机事件，事件间的关系与运算，频率，概率的统计定义，概率的性质，古典概型，几何概型，条件概率，乘法公式，全概率公式，贝叶斯公式，事件的独立性，贝努里概型等内容

第一讲随机事件与概率 内容提要 (1)事件间的关系与运算(四种关系,三种运算) (2)概率及其简单性质(古典溉型,几何溉型,求逆公式,加法公式,减法公式) (3)条件概率及三大公式(乘法公式,全概率公式, Bayes公式) (4)事件独立性与Bernoulli概型(独立性的实质及应用, Bernoulli概型的三个模型)

1.3条件概率 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只塑料球。 现从袋中任取1球,假设每个球被取到的可能性相同.若已知取到的球是白球,问它是木球的概率是多少?古典概型 设A表示任取一球,取得白球; B表示任取一球,取得木球

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

在前一讲中,我们介绍了有关随机现象的 些基本概念,并说明了概率的含义和统计计算 方法。回忆一下,代表随机现象的样本空间, A为所关心或感兴趣的事件,P(A)为其发生的概 率大小 在本讲,我们将介绍两个简单,但非常有 用的概率模型

什么是小概率? 概率是从0到1之间的一个数,因此小概 率就应该是接近0的一个数 著名的英国统计家 Ronald fisher把20分 之1作为标准,这也就是0.05,从此005 或比0.05小的概率都被认为是小概率 Fisher没有任何深奥的理由解释他为什么 选择005,只是说他忽然想起来的