概率统计中的数学语言与术语1

概率统计里有一套非常专门的数学语言和术语,如果你是初学者,很容易被符号和定义绕晕。按常见分类整理一下,方便理解和记忆:


一、基础集合与事件语言

  • 样本空间(Sample Space) :所有可能结果的集合,记作 Ω\OmegaΩ。
  • 事件(Event) :样本空间的子集,常用大写字母 A,B,CA, B, CA,B,C 表示。
  • 基本事件(Elementary Event):只包含一个结果的事件。
  • 空事件(Impossible Event) :记作 ∅\varnothing∅,不可能发生的事件。
  • 必然事件(Certain Event) :记作 Ω\OmegaΩ,一定会发生的事件。

二、概率的基本概念

  • 概率(Probability) :事件发生的可能性大小,记作 P(A)P(A)P(A),满足 0≤P(A)≤10 \le P(A) \le 10≤P(A)≤1。
  • 古典概型(Classical Probability):所有基本事件等可能发生的概率模型。
  • 频率(Frequency):在多次重复试验中事件出现的次数比例。
  • 条件概率(Conditional Probability) :在已知事件 BBB 发生的条件下,事件 AAA 发生的概率,记作 P(A∣B)P(A|B)P(A∣B)。
  • 独立性(Independence) :若 P(A∩B)=P(A)P(B)P(A \cap B) = P(A)P(B)P(A∩B)=P(A)P(B),则称事件 AAA 与 BBB 独立。

三、随机变量与分布

  • 随机变量(Random Variable) :把样本空间的结果映射为实数的函数,常用大写字母 X,Y,ZX, Y, ZX,Y,Z 表示。
  • 离散型随机变量(Discrete Random Variable):取值有限或可数的随机变量。
  • 连续型随机变量(Continuous Random Variable):取值充满某个区间的随机变量。
  • 概率分布(Probability Distribution):描述随机变量取值概率规律的函数。
  • 离散型:概率质量函数(PMF)
  • 连续型:概率密度函数(PDF)
  • 分布函数(CDF) :F(x)=P(X≤x)F(x) = P(X \le x)F(x)=P(X≤x),表示随机变量小于等于 xxx 的概率。

四、常见分布名称

  • 离散分布 :二项分布 B(n,p)B(n,p)B(n,p)、泊松分布 Poisson(λ)\text{Poisson}(\lambda)Poisson(λ)、几何分布等。
  • 连续分布 :正态分布 N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)、均匀分布 U(a,b)U(a,b)U(a,b)、指数分布 Exp(λ)\text{Exp}(\lambda)Exp(λ)、伽马分布等。

五、期望、方差与矩

  • 期望(Expected Value) :随机变量的加权平均值,记作 E[X]E[X]E[X]。
  • 方差(Variance) :衡量随机变量取值分散程度,记作 Var(X)\text{Var}(X)Var(X)。
  • 标准差(Standard Deviation) :方差的平方根,记作 σ\sigmaσ。
  • 协方差(Covariance) :衡量两个随机变量的线性关系程度,记作 Cov(X,Y)\text{Cov}(X,Y)Cov(X,Y)。
  • 相关系数(Correlation Coefficient) :标准化的协方差,范围 [−1,1][-1,1][−1,1]。

六、统计推断常用术语

  • 总体(Population):研究对象的全体。
  • 样本(Sample):从总体中抽取的部分个体。
  • 统计量(Statistic) :由样本计算出的量,如样本均值 Xˉ\bar{X}Xˉ、样本方差 S2S^2S2。
  • 估计(Estimation):用样本统计量推断总体参数。
  • 假设检验(Hypothesis Testing):对总体参数提出假设并进行检验。
  • 置信区间(Confidence Interval):参数真值可能落入的区间估计。

  • 置信区间(Confidence Interval):参数真值可能落入的区间估计。

相关推荐
qq_314810812 小时前
AI与IT人:协作而非替代
人工智能
骑猪兜风2332 小时前
深度解析 ChatGPT 和 Claude 的记忆机制
人工智能·chatgpt·ai编程
蒋星熠2 小时前
脑机接口(BCI):从信号到交互的工程实践
人工智能·python·神经网络·算法·机器学习·ai·交互
大模型铲屎官2 小时前
【数据结构与算法-Day 37】超越二分查找:探索插值、斐波那契与分块查找的奥秘
人工智能·python·大模型·二分查找·数据结构与算法·斐波那契·分块查找
数智顾问3 小时前
Transformer模型:深度解析自然语言处理的革命性架构——从注意力机制到基础架构拆解
人工智能·rnn·深度学习
IT_陈寒3 小时前
React Hooks 实战:这5个自定义Hook让我开发效率提升了40%
前端·人工智能·后端
KKKlucifer3 小时前
Gartner 2025 中国网络安全成熟度曲线深度解读:AI 安全如何重构防御逻辑
人工智能·安全·web安全
合作小小程序员小小店3 小时前
桌面预测类开发,桌面%雷达,信号预测%系统开发,基于python,tk,scikit-learn机器学习算法实现,桌面预支持向量机分类算法,CSV无数据库
python·算法·机器学习·支持向量机·scikit-learn
java1234_小锋3 小时前
Scikit-learn Python机器学习 - 聚类分析算法 - Agglomerative Clustering(凝聚层次聚类)
python·算法·机器学习