【基于Python的概率论与数理统计实验】实验1_抛硬币实验的模拟一、实验目的1．通过抛硬币实验来验证频率具有稳定性。2．学会使用Python作图。二、实验要求1．复习大数定律。2．画图显示运行结果。三、实验内容利用Python编写程序，以产生一系列0和1的随机数，模拟抛硬币实验。验证抛一枚质地均匀的硬币，正面向上事件频率的稳定值为0.5。四、实验步骤（1）生成0和1的随机数序列，将其放入列表count中，也可用函数表示。（2）统计0和1出现的次数，将其放入a中。a[0]、a[1]分别表示0和1出现的次数。（3）画图展示每次实验正面向上事件的频率。#方法1：使用Counter函数进行计数fro

文章目录一、随机变量的数学期望1.1概念1.一维离散型随机变量的数学期望2.一维连续型随机变量的数学期望3.二维离散型随机变量的数学期望4.二维连续型随机变量的数学期望1.2数学期望的性质二、随机变量的方差2.1概念2.2计算公式2.3方差的性质2.4常见随机变量的数学期望与方差1.常见离散型随机变量的数学期望与方差2.常见连续型随机变量的数学期望与方差三、随机变量的协方差与相关系数3.1概念3.2协方差的计算公式3.3协方差与相关系数的性质一、随机变量的数学期望1.1概念1.一维离散型随机变量的数学期望设XXX为离散型随机变量，其分布律为P{X=xi}=pi(i=1,2,⋯ ),P\{X=x

大家好，今天我们用python语言去实现概率论与数理统计的一些基础计算等。常用第三方SciPy库、NumPy库来实现概率论和数理统计的计算。SciPy是一个基于Python的开源库，是一组专门解决科学计算中各种基本问题的模块的集合，经常与NumPy、StatsModels、SymPy这些库一起使用。SciPy的不同子模块有不同的应用，如插值、积分、优化、图像处理等。一、众数众数是一组数据中出现次数最多的变量值，是集中趋势的测度值之一，一般用M0表示。使用SciPy库中stats模块的mode函数可以求数据的众数，其语法格式如下：scipy.stats.mode(a,axis=0,nan_pol

文章目录引言一、二维随机变量及分布1.1基本概念1.2联合分布函数的性质二、二维离散型随机变量及分布三、多维连续型随机变量及分布3.1基本概念3.2二维连续型随机变量的性质写在最后引言隔了好长时间没看概率论了，上一篇文章还是8.29，快一个月了。主要是想着高数做到多元微分和二重积分题目，再来看这个概率论二维的来，更好理解。不过没想到内容太多了，到现在也只到二元微分的进度。一、二维随机变量及分布1.1基本概念定义1——二维随机变量。设X,YX,YX,Y为定义于同一样本空间上的两个随机变量，称(X,Y)(X,Y)(X,Y)为二维随机变量。同理，也有nnn维随机变量的定义。定义2——二维随机变量的分

文章目录引言四、常见的二维随机变量4.1二维均匀分布4.2二维正态分布五、二维随机变量的条件分布5.1二维离散型随机变量的条件分布律5.2二维连续型随机变量的条件分布六、随机变量的独立性6.1基本概念6.2随机变量独立的等价条件写在最后引言有了上文关于二维随机变量的基本概念与性质后，我们可以往后继续学习更加深入的内容。四、常见的二维随机变量4.1二维均匀分布设(X,Y)(X,Y)(X,Y)为二维随机变量，DDD为xOyxOyxOy平面的有限区域，其面积为AAA，若(X,Y)(X,Y)(X,Y)的联合密度函数为f(x,y)={1A,(x,y)∈D0,(x,y)∉D,f(x,y)=\begin{c

事件的概率1.2.1概率的初等描述概率的定义：事件发生的可能性的大小（P（A））性质：P（Ω）=1，P（φ）=0（规范性）0有限可加：A1,A2,A3……An互不相容P(A1+A2+A3+A4)=P(A1)+P(A2)+P(A3)+P(A4)1.2.2古典概型（排律组合）条件：有限个样本点等可能性P（A）=A的有利样本点/Ω中样本的总数=A中包含的基本事件有多少种/基本事件的总数排列组合加法原理：几种方案例如：有3种馒头，4种米饭，你只能选择一种，所以总共有3+4=7种方案乘法原理：分几步例如：有3种馒头，4种米饭，要求先吃一种米饭再吃一种馒头，那么一共有3*4=12种方案排列：不可重复排列：

文章目录引言三、常见的随机变量及其分布3.1常见的离散型随机变量及其分布律（一）（0-1）分布（二）二项分布（三）泊松分布（四）几何分布（五）超几何分布3.2常见的连续型随机变量及其概率密度（一）均匀分布（二）指数分布（三）正态分布四、随机变量函数的分布（一）离散型随机变量函数的分布（二）连续型随机变量函数的分布引言承接前文，我们继续学习第二章，一维随机变量及其分布的第二部分内容。三、常见的随机变量及其分布3.1常见的离散型随机变量及其分布律（一）（0-1）分布设随机变量XXX的可能取值为0或1，且其概率为PPP{X=1X=1X=1}=p,=p,=p,PPP{X=0X=0X=0}=1−p(0=

目录二维随机变量及其分布函数二维离散型随机变量及其概率分布连续型随机变量及其概率密度条件分布二维随机变量的函数分布二维随机变量及其分布函数        二维随机变量的定义：                X和Y是定义在随机试验E的样本空间Ω上的两个随机变量，他们构成的向量（𝑋，𝑌）称为二维随机变量/向量        二维随机变量分布函数的定义：        {𝑋≤𝑥}与{𝑌≤𝑦}的交事件记为{𝑋≤𝑥,𝑌≤𝑦}，则称：                为二维随机变量（𝑋，𝑌）的分布函数/联合分布函数        二维随机变量分布函数𝐹(𝑥,𝑦)的性质：                1） 

包含事件A发生必然导致事件B发生。代数中经常用这种方法证明两个事件相等。事件的并（和）A与B至少有一个发生事件的交（积）A与B同时发生无限可列个：能按某种规律能把他排成一个序列（实变函数的概念）（1）自然数，（2）整数，（3）有理数事件的差互不相容事件n个事件中任意两个都互不相容则称为两两互不相容对立事件若A,B互不相容，并且A并B是必然事件(全集)（1）互不相容适合多个事件，对立适合于两个事件（2）互不相容不能同时发生，也可以都不发生对立事件有且只有一个发生。完备事件组n个事件中任意两个互不相容，且所有集合的并为全集运算律（1）交换律：A并B=B并A，A交B=B交A(2)结合律:(3)分配律

2.4_数理统计的基本概念数理统计思维导图更多详细内容见notebook1.基本概念总体：研究对象的全体，它是一个随机变量，用XXX表示。个体：组成总体的每个基本元素。简单随机样本：来自总体XXX的nnn个相互独立且与总体同分布的随机变量X1,X2⋯ ,XnX_{1},X_{2}\cdots,X_{n}X1​,X2​⋯,Xn​，称为容量为nnn的简单随机样本，简称样本。统计量：设X1,X2⋯ ,Xn,X_{1},X_{2}\cdots,X_{n},X1​,X2​⋯,Xn​,是来自总体XXX的一个样本，g(X1,X2⋯ ,Xn)g(X_{1},X_{2}\cdots,X_{n})g(X1​,X2