摘要：
这篇笔记介绍了随机变量的分布与随机变量函数的分布之间的关系，主要讨论的是简单的线性函数。 阅读全文
摘要：
这篇笔记记录了常用的连续型分布，主要篇幅在于正态分布的相关知识点。 阅读全文
摘要：
这篇笔记介绍了常用的离散型分布，其中包含分布的定义、数学期望和方差的公式和参考图像，最后包含了泊松定理的证明。 阅读全文
摘要：
数学期望可以简单概括为(变量的值x概率)的和式，根据上文中连续型随机变量的数学期望的推导过程，f(x)属于概率的部分，而随机变量函数其实只改变了变量的值这一部分，所以只将式子前面的x改为g(x). 阅读全文
摘要：
这篇笔记主要记录了随机变量和分布函数的相关概念以及对一些公式进行简单的理解说明。 阅读全文
摘要：
如果一个事件$B$发生与否对另一个事件$A$发生的概率没有任何影响，则P(A|B)=P(A)
其中，P(B)>0，称A独立于B.
对称的，如果P(B|A)=P(B),P(A)>0则称B独立于A.
综合起来，如果：P(AB)=P(A)P(B)
(其中P(A)>0,P(B)>0)，则称A与B相互独立，简称A与B独立。 阅读全文
摘要： ![[概率论与数理统计]笔记：1.4 条件概率](https://img2023.cnblogs.com/blog/2907270/202301/2907270-20230103021505952-370363590.png)
1.4 条件概率 条件概率 样本空间$\Omega$ 事件$A,B$ $P(B)>0$ 在事件$B$已经发生的前提条件下，事件$A$发生的概率称为A对B的条件概率：$P(A|B)$. 通常，$P(A)$为无条件概率，对应的样本空间为$\Omega$。 而条件概率$P(A|B)$对应的样本空间为$B$ 阅读全文
1.4 条件概率 条件概率 样本空间$\Omega$ 事件$A,B$ $P(B)>0$ 在事件$B$已经发生的前提条件下，事件$A$发生的概率称为A对B的条件概率：$P(A|B)$. 通常，$P(A)$为无条件概率，对应的样本空间为$\Omega$。 而条件概率$P(A|B)$对应的样本空间为$B$ 阅读全文
摘要：
计算古典概型的概率的重点在于计算基本事件数，相关知识点是排列组合。几何概型的等可能性表现为：在几何区域中，测度相等的事件发生的概率相等。需要注意的是测度不能为0。 阅读全文
![[概率论与数理统计]笔记：1.1 概率事件](https://img2023.cnblogs.com/blog/2907270/202212/2907270-20221230221738409-256549588.png)
样本空间是随机试验的所有可能结果，是样本点的全体。
一个事件对应于样本空间中具有相应特征的样本点构成的集合，是样本空间的一个子集。
只有事件能讨论概率，样本点不讨论概率。