离散型随机变量是指只能取有限个或可列个数值的随机变量．要掌握离散型随机变量X的分布规律或概率分布，就必须且只需知道X的所有可能取值以及取每一个可能值的概率．

2-4连续型随机变量的概率密度 一、概率密度及其性质 1、指数分布 2、均匀分布 3、正态分布与标准正态分布

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

1.1.1 随机事件 1.1.2 事件的运算与关系 1.1.3 概率的统计定义 1.1.4 概率的古典定义 1.1.5 加法定理 1.1.6 乘法定理 1.1.7 全概率公式

4.1 度量事件发生的可能性 4.2 随机变量概率分布 4.3 由正态分布导出的几个重要分布 4.4 样本统计量的概率分布

教学内容： 1.抽样推断的含义、作用 2.抽样推断中的基本概念 3.抽样误差的概念、影响因素 4.概率度、概率保证程度的含义及其二者之间的关系 5.总体参数的抽样估计方法 6.随机抽样的几种抽样组织方式（含义、样本容量的确定、抽样误差的计算） 教学重点： 1.抽样误差的概念、影响因素 2.总体参数的抽样估计方法 教学难点： 1.抽样平均误差、极限误差的含义及其关系 2.极限误差、概率、概率度的含义及其关系

§5.1 随机事件及其概率 §5.2 概率的性质与运算法则 §5.3 离散型随机变量及其分布 §5.4 连续型随机变量及其分布

1 题解 a:(1) 他们第一个孩子为无尝味能力的女儿的概率是1/8; (2) 他们第一个孩子为有尝味能力的孩子的概率是3/4; (3) 他们第一个孩子为有尝味能力儿子的概率是3/8。 b：他们的头两个孩子均为品尝者的概率为9/16

• 贝叶斯推理提供了一种概率手段，基于如下的 假定：待考察的量遵循某概率分布，且可根据 这些概率及已观察到的数据进行推理，以作出 最优的决策。 • 贝叶斯推理为衡量多个假设的置信度提供了定 量的方法 • 贝叶斯推理为直接操作概率的学习算法提供了 基础，也为其他算法的分析提供了理论框架

就随机现象而言,仅仅知道可能发生哪些事件是不够 的,更重要的是对事件发生的可能性做出定量的描述.这 工就涉及到一个概念一事件的概率Probability).直观 地说,个事件的概率(记为)就是能刻画该事件发生的 可能性大小的一个数值.因此,凭直觉我们可以说,在掷 一枚硬币的试验中“出现数字面”的概率为,而在掷一颗 骰子的试验中“出现‘1’点”的概率为.但是,对一般 的事件而言,单凭直觉来确定其发生的概率显然是行不通 的,必须从客观的本质特征上寻求概率的界定方法那么 ,概率有客观性吗?数学上如何定义呢?下面,我们将逐 工步明确这些问题