1.随机事件和概率


概念
随机试验

随机事件

样本空间

事件的关系与运算



概率


古典概型和几何概型
古典概型

几何概型



概率的性质和公式
性质

公式









事件独立性和重复独立实验
事件独立性



独立性的判定

独立试验序列概型与n重伯努利概型


文章作者: tripodxu
版权声明: 本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 tripodxu的博客!
相关推荐
2025-10-26
概率与统计2一维随机变量及其分布
2.一维随机变量及其分布 概念随机变量 分布函数 应用 常见的两类随机变量离散型 连续型 常见的随机变量分布类型离散型0-1分布 二项分布 泊松分布 几何分布 超几何分布 连续型均匀分布 指数分布 正态分布 一维随机变量函数的分布概念 随机变量的分布离散->离散 连续->连续
2025-10-26
概率与统计3多维随机变量及其分布
3.多维随机变量及其分布 n维随机变量及其分布概念 分布函数的概念和性质 边缘分布函数 常见的两类二维随机变量离散型 连续型 常见的二维分布 随机变量的相互独立性概念 相互独立的充要条件 相互独立的性质 不独立的判断 多维随机变量函数的分布概念 求法 相互独立随机变量函数分布及卷积公式
2025-10-26
概率与统计6数理统计
6.数理统计 总体与样本 常见统计量 三大分布 四个结论 或: 要解答这个问题,首先需要理解题目中给出的随机变量和它们的分布情况。题目中提到 $X_1, X_2, \ldots, X_n$是独立同分布的随机变量,且均服从正态分布 $N(0,1)$。这意味着每个 $X_i$的期望 $E(X_i) = 0$和方差 $Var(X_i) = 1$。 接下来,题目定义了 $\overline{X} = \frac{1}{n} \sum_{i=1}^{n} X_i$和 $Y_i = X_i - \overline{X}$,其中 $i = 1, 2, \ldots, n$。我们需要计算 $Y_i$的方差 $DY_i$。 首先,计算 $\overline{X}$的方差:$$Var(\overline{X}) = Var\left(\frac{1}{n} \sum_{i=1}^{n} X_i\right) = \frac{1}{n^2} \sum_{i=1}^{n} Var(X_...
2025-10-26
概率与统计5大数定理和中心极限定理
5.大数定理和中心极限定理依概率收敛 大数定律 中心极限定理
2025-10-26
概率与统计4随机变量的数字特征
4.随机变量的数字特征 一维随机变量的数字特征数学期望概念 性质 方差标准差概念与性质 二维随机变量的数字特征数学期望概念 协方差和相关系数概念 性质 独立性与不相关性的判定 切比雪夫不等式
2025-10-26
线性代数0基础
0.基础线性变化
公告
This is my Blog