导图社区 概率论与数理统计
概率论与数理统计的知识框架图。
编辑于2020-08-14 09:16:25概统
概率论
随机试验
n重伯努利试验
样本空间(基本事件空间)
有限样本空间
无限样本空间
样本点
随机现象
随机事件
基本事件
复合事件
特殊随机事件
必然事件
不可能事件
关系
包含
相等
互斥
对立
独立
运算
积
和
运算法则
交换律
结合律
分配律
对偶律
减
概率
定义
统计定义
古典定义
抽球问题
有限性
等可能性
几何定义
约会问题
公理化定义
性质
非负性
规范性
互斥可加性
公理
单调性
上下连续性
计算
加法公式
减法公式
乘法公式
全概率公式
贝叶斯公式
条件概率 P(A|B)
先验概率
事件域
随机变量
一维随机变量
分布函数
特征性质*3
柯尔莫哥洛夫存在性定理
离散型随机变量
分布列
概率分布
单点分布
两点分布
二项分布
int[(n+1)p] 概率最大定理
泊松分布
泊松定理
几何分布
古典概型
连续随机变量
分布密度函数
几类分布
均匀分布
指数分布
正态分布
一般正态分布的标准化
知X求Y(X)的分布密度函数
二维随机向量
特征性质
柯尔莫哥洛夫存在性定理
联合分布
边缘分布
独立性
离散型
连续型
数字特征
数学期望
离散型
二项分布
泊松分布
几何分布
连续型
均匀分布
正态分布
指数分布
柯西分布
期望不存在
方差
二项分布
平均分布
指数分布
泊松分布
正态分布
矩
协方差Cov(X,Y)
相关系数
偏度
峰度
条件数学期望
大数定律
弱大数定律
切比雪夫(同期望)
辛钦(同分布)
伯努利
强大数定律
柯尔莫哥洛夫
博雷尔
依概率收敛
依概率1收敛
切比雪夫不等式
柯尔莫哥洛夫不等式
中心极限定理
林德伯格-莱维定理(独立同分布)
棣莫弗-拉普拉斯定理[B(1,p)]
技巧
数学归纳法
数理统计
基本概念
总体
样本
样本容量
样本观测值
简单随机样本
统计量
不能含未知参数
样本均值
样本方差
修正样本方差
数字特征
样本k阶原点矩
样本k阶中心距
顺序统计量
样本中位数
样本极差
三大分布
χ²分布
期望
方差
t分布
F分布
分位数
参数估计
点估计
矩法估计
矩法估计量
矩法估计值
最大似然估计
似然函数
顺序统计量估计
优劣性评价
无偏估计量
渐进无偏估计量
一致最小方差无偏估计量
相合估计量
区间估计
置信度
μ估计
σ已知
σ未知
σ估计
μ已知
μ未知
μ1-μ2
σ1,σ2已知
σ1=σ2且未知
σ1²/σ2²
μ1,μ2已知
μ σ²联合区间估计
非正态总体参数估计
假设检验
参数假设
非参数假设
问题的提法
原假设
备选假设
拒绝域
接受域
两类错误
拒真错误
受伪错误
正态总体参数的假设检验