一维离散型随机变量基本概念随机变量随机变量就是随机事件的数值体现。例如投色子记录色子的点数，记录的点数其实就是一个随机变量，他是这个点数出现的数值体现。注意：随机变量X=X(e),是一个单实值函数，每个随机事件的结果只能对应一个随机变量。X(e)体现的是对随机事件的描述，本质上也是随机事件。X(e)的各个取值都有一定的概率。在进行实验之前知道X(e)可能会有哪些取值，并且每种取值都有可能出现。离散型随机变量随机变量分为两种：连续型和离散型，跟函数的连续和间断类似。连续型有无穷多个，不能列举离散型可以一一列举出来，也可以是无限个，但是跟自然数能够一一对应分布律随机变量的各个取值对应的概率称为分布

文章目录统计量相关小题三大分布的判定三大分布的性质总体服从正态分布的统计量小题统计量相关小题题干：总体X有一些样本X1、X2、X3…解法：注意，S的分母是n-1接下来练习套公式：例1：直接背公式。例2：解：除X，S，n外有其他位置数的就不是统计量。则，D。例3：解：用到的考点：还有正态分布的方差。答案：n-1三大分布的判定题型如下：题解：只有三种分布：X（卡方）分布——平方和t分布——分母是（平方和除以n）再开根号F分布：F(n,m)——分子是n个的平方和除以n，分母是m个的平方和除以m无脑做题的方法：接下来进行套公式：例1：解：注意要标准化。例2：解：一看就知道是X分布，因为不是分数。例3：

e:element样本空间：samplespace例2：一个口袋有6只球，其中4只白球，2只红球，从袋中取球两次，每次随机地取一只，考虑两种取球方式：一、条件概率的性质例子：一个盒子中有四件产品，三只一等品，一只二等品，从中取产品两次，每次任取一只，作不放回抽样，设事件A为“第一次取到的是一等品”，B为“第二次取到的是一等品”，求条件概率P(B|A)。抛甲乙两枚硬币，观察正反面出现的情况四、n个事件的独立性例子：一个元件能正常工作的概率称为该元件的可靠性，如下图，设有4个独立工作的元件1，2，3，4，按先串联再并联的方式连接（称为串并联系统）。例子：要验收100件乐器,验收方案如下:自该批乐器

        本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记。若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在学习摘录和笔记专栏：        学习摘录和笔记（1）---《人工智能的10个重大数理基础问题》人工智能的10个重大数理基础问题原文/论文出处：题目：《人工智能的10个重大数理基础问题》作者：徐宗本 时间：收稿日期:2021–07–04;接受日期:2021–09–30;网络出版日期:2021–12–09来源：中国科学:信息科学1.大数据的统计学基础；        当下人工智能的主流技术(

首先是X分布：  n=1的时候，f(y)就是正态分布平方的密度函数，这个可以用y=g(x)的密度函数计算方法来计算。自由度是什么？：很显然，几个X加起来，也就是自由度加起来：  接下来是t型分布： 这个T型分布建立在X型分布和标准正态分布上。 最后是F分布：  这回是两个X分布相除。性质也很显然，1/F就是F的倒数，也就是上下两个X分布颠倒一下罢了。一个很有意思的例题：最后学一下a分位点： 就是“比自己大的只有a的概率了”的点就是a分点。   证明很简单，如图：  

一如果A,  B相互独立，则 P(AB)=P(A)P(B),    也就是说：若两事件独立，乘积的概率=先求概率再相乘。二. 如果A, B不独立，则P(AB)=P(A)P(B|A)，其中，若A,B互不相容，则P(AB)=0，因为AB=Ø  注意： A,B互不相容是A，B不独立的子集。例题：设随机事件A,B互不相容，  P(A)=0.6, P(B)=0.4,  则P(AB)=_________。解：由于A,B互不相容，则AB=Ø, 所以P(AB)=0.    答案填写0三. 第1章的一些总结

1.什么是指数分布设随机变量X具有如下形式的密度函数，那么则称X服从参数为θ的指数分布,记为X~EXP(θ). 指数分布的分布函数为： 2.指数分布的期望和方差①数学期望如果X服从参数为λ(λ>0)的指数分布,那么指数分布X~EXP(θ)的数学期望：λ ②方差设X服从参数为λ(λ>0)的指数分布,指数分布X~EXP(θ)的方差：λ^2。总结一下，我们经常遇到的指数分布、均匀分布和正态分布的概率密度函数与图形如下：

不全。截图来自猴博士的视频（B站搜猴博士即可）。我的稍微完整一些的笔记（例题具体解答在这里面）：【猴博士】概率论与数理统计笔记总结（完结）多图预警。文章目录第一章：随机事件和概率古典概型几何概型事件的概率事件的独立性条件概率全概率公式贝叶斯公式第二章：离散型随机变量一维离散型求分布律二维离散型求分布律二维离散型求边缘分布律一维离散型求分布函数二维离散型求分布函数一维离散型求期望、方差二维离散型求期望、方差第三章：连续型随机变量一维连续型求概率二维连续型求概率一、二维连续型：已知F,求f；已知f,求f二维连续型求边缘分布函数二维连续型求边缘密度函数已知两个边缘密度函数求f(x,y)条件概率密度函

二维连续型求边缘分布函数题型如下：给出F(x,y)，让我们求F(x),F(y)步骤：FX(x)=F(x,+∞)FY(y)=F(+∞,y)F_X(x)=F(x,+∞)\\F_Y(y)=F(+∞,y)FX​(x)=F(x,+∞)FY​(y)=F(+∞,y)直接做上面那道例题：二维连续型求边缘密度函数题干：给出F(x,y)，让我们求f(x),f(y)方法：fX(x)=∫−∞+∞f(x,y)dyfY(y)=∫−∞+∞f(x,y)dxf_X(x)=\displaystyle\int^{+∞}_{-∞}{f(x,y)dy}\\f_Y(y)=\displaystyle\int^{+∞}_{-∞}{f(x,y

思维导图基础知识二维随机变量我们研究一个多维的东西，往往先从较低的维度比如说二维作为主要的研究对象，一个是因为维度低会比较简单，易于理解；另一个则是考试中低维的问题往往更加常见定义与分布函数定义上其实很简单，其实就是之前的一维随机变量变两个，然后用向量来表示，比如(X,Y）当然和一维的情况类似，二维我们也是借助分布函数来研究。分布函数定义：设（X,Y）是二维随机变量，对于任意实数x，y，有二元函数该函数就是二维随机变量（X,Y）的分布函数，这种分布函数还有另外一个名字：X和Y的联合分布函数分布函数的基本性质1.不减，其实就和一维的一样，类似于多元里的求偏导，我们固定一个维度，比如y或x，然后另