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

§1.1 随机事件及其运算 §1.2 随机事件的概率 §1.3 概率的基本运算法则 §1.4 全概率公式与贝叶斯公式(Bayesian formula) §1.5 贝努里概型

一 、频率的定义与性质 三 、概率的计算方法 二 、概率的公理化定义

一、群同步系统的性能 群同步性能主要指标是包括漏同步概率P假同步概率P2及同步建立时间 13。下面,我们主要以连贯插入法为例进行分析。 a)漏同步概率P 由于干扰的影响,接收的同步码组中可能出现一些错误码元,从而使识别器 漏识已发出的同步码组,出现这种情况的概率称为漏同步概率,记为P 以n位巴克码识别器为例,设判决门限为6此时七位巴克码只要有一位码 出错,七位巴克码全部进入识别器时相加器输出由7变为5,因而出现漏同步

§1.1 随机事件及其运算 §1.2 概率的定义及其确定方法 §1.3 概率的性质 §1.4 条件概率 §1.5 独立性

4.1 研究对象及相关概率 4.2 贝叶斯决策 4.3 贝叶斯分类器的错误率 4.4 聂曼-皮尔逊决策 4.5 概率密度函数的参数估计 4.6 概率密度函数的非参数估计 4.7 后验概率密度分类的势函数方法

一、条件概率 二、乘法定理 三、全概率公式与贝叶斯公式

概率论的发展史 随机事件(Random Events) 概率的统计定义 古典概型(Classical Probability) 几何概率（Geometric Probability) 条件概率(Conditional Probability) 事件的独立性(Independence of Events)

概率论的发展史 随机事件(Random Events) 概率的统计定义 古典概型(Classical Probability) 几何概率（Geometric Probability) 条件概率(Conditional Probability) 事件的独立性(Independence of Events)

§1.1 随机事件 §1.2 概率的定义 §1.3 条件概率、全概率公式和贝叶斯公式 §1.4 事件的独立性 §1.5 伯努利（Bernoulli）概型