第一章(3) 概率论的基本概念
概率论基础知识
对于连续型随机变量来说，它取任一指定实数值a的概率均为0，即P{X＝a}＝0。事实上0≤P{X＝a}≤P{a－△x＜X≤a}＝F(a)－F(a－△x).P{a＜X≤b}＝P{a≤X≤b}＝P{a＜X＜b}.
定理二：若事件A与B相互独立，则下列各对事件也相互独立：
多个事件相互独立：一般，设A1，A2，…，An是n(n≥2)个事件，如果对于其中任意2个，任意3个，…，任意n个事件的积事件的概率，都等于各事件概率之积，则称事件A1，A2，…，An相互独立。
推论：①若事件A1，A2，…，An(n≥2)相互独立，则其中任意k(2≤k≤n)个事件也是相互独立的。
第一章 概率论的基本概念
一、事件运算常用定律（设A,B,C为事件）：
二、频率与概率
1.概率的公理化定义：
①非负性：对于每一个事件A，有P加性：设A1，A2，…是两两互不相容的事件，即对于AiAj＝∅，i≠j，i,j＝1,2,…，有P(A1∪A2∪…)＝P(A1)＋P(A2)＋….
P{X＞s＋t|X＞s}＝P{X＞t}
3.正态分布(高斯分布)[X～N(μ,σ2)]：
正态分布性质：
①曲线关于x＝μ对称，这表明对于任意h＞0有P{μ－h＜X≤μ}＝P{μ＜X≤μ＋h }.
②当x＝μ时取到最大值 ，x离μ越远，f(x)的值越小。
③在x＝μ±σ处曲线有拐点。曲线以Ox轴为渐近线。
标准正态分布：μ＝0，σ＝1.其概率密度和分布函数分别用φ(x)，Φ(x)表示，即有：
②若n个事件A1，A2，…，An(n≥2)相互独立，则将A1，A2，…，An中任意多个事件换成它们各自的对立事件，所得的n个事件仍相互独立。
概率论讲义_带作业
例 已知某类产品的次品率为0. 2 ，现从一大批这类产品中随机抽查2 0 件. 问恰好 有 件次品的概率是多少？
3) 泊松分布
概率论的基本概念 样本空间
样本点
事件
事件的概率
练习 1. 抛一枚骰子，观察向上一面的点数；事件表示“出现偶数点”
2. 对目标进行射击，击中后便停止射击，观察射击的次数；事件表示“射击次数不超 过5 次”
事件之间的关系与运算
事件语言
集合语言
样本空间
事件
的对立事件
事件 或者
分布律：如果记离散型随机变量 所有可能的取值为
值的概率，即事件
的概率为
， 取各个可能
上式称为离散型随机变量 的分布律. 分布律也可以直观的表示成下列表格：
根据概率的性质，分布律中的 应该满足下列条件： 1． 2． 例 某系统有两台机器独立运转. 设第一台与第二台机器发生故障的概率分别是 0. 1 ，0. 2. 以 表示系统中发生故障的机器数，求 的分布律.
随机变量的例子
掷一枚色子，用 记点数；
掷三枚色子，用 记点数之和；
掷一枚硬币，记
为“出现正面”，
为“出现反面”；
变量的取值是随机的，依赖于随机试验的结果
用随机变量来表示事件
设 为一个实数集合，则用
表示一个事件 ，即
例如，某射手射击某个目标，击中计1 分，未中计0 分，则计分 表示一个随机
变量，且“击中”这个事件可以表示为
第二章 随机变量及其分布
Hale Waihona Puke 第六讲 随机变量 离散随机变量
概率论的另一个重要概念是随机变量. 随机变量的引入, 使概率论的研究由个别的 随机事件扩大为随机变量所表征的随机现象的研究.
概率论与数理统计复习笔记
概率论与数理统计复习第一章概率论的基本概念一.基本概念随机试验E:1可以在相同的条件下重复地进行;2每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;3进行一次试验之前不能确定哪一个结果会出现.样本空间S: E的所有可能结果组成的集合. 样本点基本事件:E的每个结果.随机事件事件:样本空间S的子集.必然事件S:每次试验中一定发生的事件. 不可能事件:每次试验中一定不会发生的事件.二. 事件间的关系和运算事件B包含事件A 事件A发生必然导致事件B发生.∪B和事件事件A与B至少有一个发生.3. A∩B=AB积事件事件A与B同时发生.4. A-B 差事件事件A 发生而B 不发生.5. AB= A 与B 互不相容或互斥事件A 与B 不能同时发生.6. AB=且A ∪B=S A 与B 互为逆事件或对立事件表示一次试验中A 与B 必有一个且仅有一个发生. B=A, A=B .运算规则 交换律 结合律 分配律 德摩根律 B A B A = B A B A =三. 概率的定义与性质1.定义 对于E 的每一事件A 赋予一个实数,记为PA,称为事件A 的概率.1非负性 PA ≥0 ; 2归一性或规范性 PS=1 ;3可列可加性 对于两两互不相容的事件A 1,A 2,…A i A j =φ, i ≠j, i,j=1,2,…,PA 1∪A 2∪…=P A 1+PA 2+…2.性质1 P = 0 , 注意: A 为不可能事件2有限可加性对于n个两两互不相容的事件A1,A2,…,An,PA1∪A2∪…∪An=PA1+PA2+…+PAn有限可加性与可列可加性合称加法定理3若A B, 则PA≤PB, PB-A=PB-PA .4对于任一事件A, PA≤1, PA=1-PA .5广义加法定理对于任意二事件A,B ,PA∪B=PA+PB-PAB .对于任意n个事件A1,A2,…,An…+-1n-1PA1A2…An四.等可能古典概型1.定义如果试验E满足:1样本空间的元素只有有限个,即S={e1,e2,…,en};2每一个基本事件的概率相等,即Pe1=Pe2=…= Pen.则称试验E所对应的概率模型为等可能古典概型.2.计算公式 PA=k / n 其中k是A中包含的基本事件数, n是S中包含的基本事件总数.五.条件概率1.定义 事件A 发生的条件下事件B 发生的条件概率PB|A=PAB / PA PA>0.2.乘法定理 PAB=PA P B|A PA>0; PAB=PB P A|B PB>0.PA 1A 2…A n =PA 1PA 2|A 1PA 3|A 1A 2…PA n |A 1A 2…A n-1 n ≥2, PA 1A 2…A n-1 > 03. B 1,B 2,…,B n 是样本空间S 的一个划分B i B j =φ,i ≠j,i,j=1,2,…,n, B 1∪B 2∪…∪B n =S ,则当PB i >0时,有全概率公式 PA=()()i ni i B A P B P ∑=1当PA>0, PB i>0时,有贝叶斯公式P B i|A=()()()()()()∑==ni i i i i i B A P B P B A P B P A P AB P 1. 六.事件的独立性1.两个事件A,B,满足PAB = PA PB 时,称A,B 为相互独立的事件.1两个事件A,B 相互独立 PB= P B|A .2若A 与B,A 与B ,A 与B, ,A 与B 中有一对相互独立,则另外三对也相互独立.2.三个事件A,B,C 满足PAB =PA PB, PAC= PA PC, PBC= PB PC,称A,B,C 三事件两两相互独立. 若再满足PABC =PA PB PC,则称A,B,C 三事件相互独立.个事件A 1,A 2,…,A n ,如果对任意k 1<k ≤n,任意1≤i 1<i 2<…<i k ≤n.有()()()()kki i i i i i A P A P A P A A A P 2121=,则称这n 个事件A 1,A 2,…,A n 相互独立.第二章 随机变量及其概率分布一.随机变量及其分布函数1.在随机试验E 的样本空间S={e}上定义的单值实值函数X=X e 称为随机变量.2.随机变量X 的分布函数Fx=P{X ≤x} , x 是任意实数. 其性质为:10≤Fx≤1 ,F -∞=0,F∞=1. 2Fx 单调不减,即若x 1<x 2 ,则 Fx 1≤Fx 2.3Fx 右连续,即Fx+0=Fx. 4P{x 1<X≤x 2}=Fx 2-Fx 1.二.离散型随机变量 只能取有限个或可列无限多个值的随机变量1.离散型随机变量的分布律 P{X= x k }= p k k=1,2,… 也可以列表表示. 其性质为:1非负性 0≤P k ≤1 ; 2归一性11=∑∞=k k p .2.离散型随机变量的分布函数 Fx=∑≤xX k k P 为阶梯函数,它在x=x kk=1,2,…处具有跳跃点,其跳跃值为p k =P{X=x k } .3.三种重要的离散型随机变量的分布1X~0-1分布 P{X=1}= p ,P{X=0}=1–p 0<p<1 .2X~bn,p 参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1k=0,1,2,…,n 0<p<1 3X~参数为的泊松分布 P{X=k}=λλ-e k k !k=0,1,2,… >0 三.连续型随机变量1.定义 如果随机变量X 的分布函数Fx 可以表示成某一非负函数fx 的积分Fx=()dt t f x⎰∞-,-∞< x <∞,则称X 为连续型随机变量,其中f x 称为X 的概率密度函数.2.概率密度的性质1非负性 fx ≥0 ; 2归一性 ⎰∞∞-dx x f )(=1 ;3 P{x 1<X ≤x 2}=⎰21)(xx dx x f ; 4若f x 在点x 处连续,则f x=F/x .注意：连续型随机变量X 取任一指定实数值a 的概率为零,即P{X= a}=0 .3.三种重要的连续型随机变量的分布1X ～U a,b 区间a,b 上的均匀分布⎩⎨⎧=-0)(1a b x f其它b x a << . 2X 服从参数为的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 >0.3X~N ,2参数为,的正态分布222)(21)(σμσπ--=x e x f -<x<, >0.特别, =0, 2=1时,称X 服从标准正态分布,记为X~N 0,1,其概率密度2221)(x e x -=πϕ , 标准正态分布函数 ⎰=Φ∞--xt dt e x 2221)(π, -x=1-Φx .若X ～N ,2, 则Z=σμ-X ~N 0,1, P{x 1<X ≤x 2}=Φσμ-2x-Φσμ-1x .若P{Z>z }= P{Z<-z }= P{|Z|>z /2}= ,则点z ,-z , z / 2分别称为标准正态分布的上,下,双侧分位点. 注意：z =1- , z 1- = -z .四.随机变量X 的函数Y= g X 的分布1.离散型随机变量的函数若gx k k=1,2,…的值全不相等,则由上表立得Y=gX 的分布律.若gx k k=1,2,…的值有相等的,则应将相等的值的概率相加,才能得到Y=gX 的分布律.2.连续型随机变量的函数若X 的概率密度为f X x,则求其函数Y=gX 的概率密度f Y y 常用两种方法：1分布函数法 先求Y 的分布函数F Y y=P{Y ≤y}=P{gX ≤y}=()()dx x f ky Xk∑⎰∆其中Δk y 是与gX ≤y 对应的X 的可能值x 所在的区间可能不只一个,然后对y 求导即得f Y y=F Y/y .2公式法 若gx 处处可导,且恒有g /x>0 或g / x<0 ,则Y=g X 是连续型随机变量,其概率密度为()()()()⎩⎨⎧'=yhyhfyf XY其它βα<<y其中hy是gx的反函数 , = min g -,g = max g -,g .如果f x在有限区间a,b以外等于零,则 = min g a,g b = max g a,g b .第三章二维随机变量及其概率分布一.二维随机变量与联合分布函数1.定义若X和Y是定义在样本空间S上的两个随机变量,则由它们所组成的向量X,Y称为二维随机向量或二维随机变量.对任意实数x,y,二元函数Fx,y=P{X≤x,Y≤y}称为X,Y的X和Y的联合分布函数.2.分布函数的性质1Fx,y分别关于x和y单调不减.20≤Fx,y≤1 , Fx,- =0, F-,y=0, F-,-=0, F,=1 .3 Fx,y关于每个变量都是右连续的,即 Fx+0,y= Fx,y, Fx,y+0= Fx,y .4对于任意实数x 1<x 2 , y 1<y 2P{x 1<X ≤x 2 , y 1<Y ≤y 2}= Fx 2,y 2- Fx 2,y 1- Fx 1,y 2+ Fx 1,y 1二.二维离散型随机变量及其联合分布律1.定义 若随机变量X,Y 只能取有限对或可列无限多对值x i ,y j i ,j =1,2,… 称X,Y 为二维离散型随机变量.并称P{X= x i ,Y= y j }= p i j 为X,Y 的联合分布律.也可列表表示.2.性质 1非负性 0≤p i j ≤1 .2归一性 ∑∑=i jijp 1 .3. X,Y 的X 和Y 的联合分布函数Fx,y=∑∑≤≤x x yy ij i j p三.二维连续型随机变量及其联合概率密度1.定义 如果存在非负的函数f x,y,使对任意的x 和y,有Fx,y=⎰⎰∞-∞-y xdudv v u f ),(则称X,Y 为二维连续型随机变量,称fx,y 为X,Y 的X 和Y 的联合概率密度.2.性质 1非负性 f x,y ≥0 . 2归一性 1),(=⎰⎰∞∞-∞∞-dxdy y x f .3若f x,y 在点x,y 连续,则yx y x F y x f ∂∂∂=),(),(2 4若G 为xoy 平面上一个区域,则⎰⎰=∈Gdxdy y x f G y x P ),(}),{(.四.边缘分布1. X,Y 关于X 的边缘分布函数 F X x = P{X ≤x , Y<}= F x , .X,Y 关于Y 的边缘分布函数 F Y y = P{X<, Y ≤y}= F ,y2.二维离散型随机变量X,Y关于X 的边缘分布律 P{X= x i }=∑∞=1j ij p = p i · i =1,2,… 归一性 11=∑∞=•i i p .关于Y 的边缘分布律 P{Y= y j }=∑∞=1i ij p = p·jj =1,2,… 归一性11=∑∞=•j j p .3.二维连续型随机变量X,Y关于X 的边缘概率密度f X x=⎰∞∞-dy y x f ),( 归一性1)(=⎰∞∞-dx x f X关于Y 的边缘概率密度f Y y=x d y x f ⎰∞∞-),( 归一性1)(=⎰∞∞-dyy f Y五.相互独立的随机变量1.定义若对一切实数x,y,均有Fx,y= FX x FYy ,则称X和Y相互独立.2.离散型随机变量X和Y相互独立⇔p i j= p i··p·j i ,j =1,2,…对一切x i,y j成立.3.连续型随机变量X和Y相互独立⇔f x,y=f X xf Y y对X,Y所有可能取值x,y都成立.六．条件分布1．二维离散型随机变量的条件分布定义设X,Y是二维离散型随机变量,对于固定的j,若P{Y=yj}>0,则称P{X=xi |Y=yj}为在Y= yj条件下随机变量X的条件分布律.同样,对于固定的i,若P{X=xi}>0,则称P{Y=yj |X=xi}为在X=xi 条件下随机变量Y 的条件分布律.,}{},{jj ijjippyYPyYxXP•=====,}{},{•=====ij iijippxXPyYxXP第四章 随机变量的数字特征一.数学期望和方差的定义随机变量X 离散型随机变量连续型随机变量分布律P{X=x i }= p i i =1,2,… 概率密度f x数学期望均值EX∑∞=1i i i p x 级数绝对收敛⎰∞∞-dx x xf )(积分绝对收敛方差DX=E{X-EX 2}[]∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=EX 2-EX 2 级数绝对收敛 积分绝对收敛函数数学期望EY=EgXi i i p x g ∑∞=1)(级数绝对收敛 ⎰∞∞-dx x f x g )()(积分绝对收敛标准差X=√DX .二.数学期望与方差的性质1. c 为为任意常数时, Ec = c , EcX = cEX , Dc = 0 , D cX = c 2 DX .,Y为任意随机变量时, E X±Y=EX±EY .3. X与Y相互独立时, EXY=EXEY , DX±Y=DX+DY .4. DX = 0 P{X = C}=1 ,C为常数.三.六种重要分布的数学期望和方差 EX DX~ 0-1分布P{X=1}= p 0<p<1 p p 1- p ~ b n,p 0<p<1 n p n p 1- p ~~ Ua,b a+b/2 b-a 2/12服从参数为的指数分布2~ N ,22四.矩的概念随机变量X的k阶原点矩EX k k=1,2,…随机变量X 的k 阶中心矩E{X-EX k}随机变量X 和Y 的k+l 阶混合矩EX k Y l l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{X-EX k Y-EY l }第六章 样本和抽样分布一.基本概念总体X 即随机变量X ; 样本X 1 ,X 2 ,…,X n 是与总体同分布且相互独立的随机变量;样本值x 1 ,x 2 ,…,x n 为实数;n 是样本容量.统计量是指样本的不含任何未知参数的连续函数.如：样本均值∑==n i i X n X 11 样本方差()∑--==n i i X X n S 12211 样本标准差S样本k 阶矩∑==n i k i k X n A 11 k=1,2,… 样本k 阶中心矩∑-==n i ki k X X n B 1)(1k=1,2,…二.抽样分布 即统计量的分布1.X 的分布 不论总体X 服从什么分布, E X = EX , D X = DX / n .特别,若X~ N ,2 ,则 X ~ N , 2 /n .分布 1定义 若X ～N 0,1,则Y =∑=ni i X 12~ 2n 自由度为n 的2分布.2性质 ①若Y~ 2n,则EY = n , DY = 2n .②若Y 1~ 2n 1 Y 2~ 2n 2 ,则Y 1+Y 2~ 2n 1 + n 2.③若X~ N ,2 , 则22)1(σS n -~ 2n-1,且X 与S 2相互独立.3分位点 若Y~ 2n,0< <1 ,则满足的点)()(),(),(22/122/212n n n n ααααχχχχ--和分别称为2分布的上、下、双侧分位点.3. t 分布1定义 若X~N 0,1 ,Y~ 2 n,且X,Y 相互独立,则t=nY X~tn 自由度为n 的t 分布. 2性质①n →∞时,t 分布的极限为标准正态分布.②X ～N ,2 时,nS X μ-~ t n-1 . ③两个正态总体相互独立的样本 样本均值 样本方差X~ N 1,12 且12=22=2 X 1 ,X 2 ,…,X n1 X S 12Y~ N 2,22 Y 1 ,Y 2 ,…,Y n2 Y S 22则 212111)()(n n S Y X w +---μμ~ t n 1+n 2-2 , 其中 2)1()1(212222112-+-+-=n n S n S n S w3分位点 若t ~ t n ,0 < <1 , 则满足的点)(),(),(2/n t n t n t ααα±-分别称t 分布的上、下、双侧分位点.注意: t 1- n = - t n.分布 1定义 若U~2n 1, V~ 2n 2, 且U,V 相互独立,则F =21n V n U ~Fn 1,n 2自由度为n 1,n 2的F 分布.2性质条件同3.2③22212221σσS S ~Fn 1-1,n 2-13分位点 若F~ Fn 1,n 2 ,0< <1,则满足的点),(),(),,(),,(212/1212/21121n n F n n F n n F n n F αααα--和分别称为F 分布的上、下、双侧分位点. 注意: .).(1),(12211n n F n n F αα=- 第七章 参数估计一.点估计 总体X 的分布中有k 个待估参数1, 2,…, k .X 1 ,X 2 ,…,X n 是X 的一个样本, x 1 ,x 2 ,…,x n 是样本值.1.矩估计法先求总体矩⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k θθθμμθθθμμθθθμμ 解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111kk k k k μμμθθμμμθθμμμθθ ,以样本矩A l 取代总体矩 ll=1,2,…,k 得到矩估计量⎪⎪⎩⎪⎪⎨⎧===∧∧∧),,,(),,,(),,,(2121222111k k k k k A A A A A A A A A θθθθθθ,若代入样本值则得到矩估计值.2.最大似然估计法若总体分布形式可以是分布律或概率密度为px, 1, 2,…, k ,称样本X 1 ,X 2 ,…,X n 的联合分布∏==ni k i k x p L 12121),,,,(),,,(θθθθθθ 为似然函数.取使似然函数达到最大值的∧∧∧k θθθ,,,21 ,称为参数1, 2,…,k 的最大似然估计值,代入样本得到最大似然估计量.若L 1, 2,…, k 关于1, 2,…, k 可微,则一般可由似然方程组 0=∂∂i L θ 或 对数似然方程组 0ln =∂∂iLθ i =1,2,…,k 求出最大似然估计. 3.估计量的标准(1)无偏性 若E ∧θ=,则估计量∧θ称为参数的无偏估计量.不论总体X 服从什么分布, E X = EX , ES 2=DX, EA k =k =EX k ,即样本均值X , 样本方差S 2,样本k 阶矩A k 分别是总体均值EX,方差DX,总体k 阶矩k 的无偏估计,2有效性 若E ∧θ1 =E ∧θ2= , 而D ∧θ1< D ∧θ2, 则称估计量∧θ1比∧θ2有效.3一致性相合性 若n →∞时,θθP →∧,则称估计量∧θ是参数的相合估计量.二.区间估计1.求参数的置信水平为1-的双侧置信区间的步骤1寻找样本函数W=WX 1 ,X 2 ,…,X n ,,其中只有一个待估参数未知,且其分布完全确定.2利用双侧分位点找出W 的区间a,b,使P{a<W <b}=1-.3由不等式a<W<b 解出θθθ<<则区间θθ,为所求.2.单个正态总体待估参数 其它参数 W 及其分布 置信区间2已知 nX σμ-~N 0,1 2/ασz n X ±2未知 nS X μ-~ t n-1 )1((2/-±n t n S X α 2未知22)1(σS n -~ 2n-1 ))1()1(,)1()1((22/1222/2-----n S n n S n ααχχ 3.两个正态总体1均值差 1- 2其它参数 W 及其分布 置信区间已知2221,σσ22212121)(n n Y X σσμμ+--- ~ N0,1 )(2221212n n z Y Xσσα+±-未知22221σσσ==212111)(n n S Y X w +---μμ～tn 1+n 2-2)11)2((21212n n S n n t Y X w+-+±-α 其中S w 等符号的意义见第六章二. 3 2③.2 1, 2未知, W=22212221σσS S ~ Fn 1-1,n 2-1,方差比12/22的置信区间为注意:对于单侧置信区间,只需将以上所列的双侧置信区间中的上下限中的下标/2改为,另外的下上限取为- 即可.。
概率论的基本概念
⑵.两件都是次品: ；
⑶.一件是正品、另一件是次品: ；
⑷.第二件是次品: 。
6、高射炮向敌机发射三枚炮弹，设每发炮弹击中敌机的概率为 (每发击中与否相互独立)，而敌机中一弹时坠落的概率为 ，中两弹时坠落的概率为 ，中三弹时坠落的概率为 。
⑴.求敌机被击落的概率；
⑵.若敌机被击落，求它只中一弹的概率。
解:用 分别表示电话是打给 的， 分别表示 因公外出，则
⑴. ；
⑵. ；
⑶. ；
⑷. ；
⑸. 。
解:用 表示敌机中 弹， ，用 表示敌机被击落,则
， ，故
，
。
7、已知男子中有 是色盲患者，女子中有 是色盲患者，现从男女人数相等的人群中随机地选一人，问此人是色盲患者的概率为多少若已知此人是色盲患者，求此人是男性的概率。
解:用 表示所选人为男性， 表示所选人为色盲患者，则
， ， ，故
，
。
8、甲、乙、丙三人独立地去破译密码，已知甲、乙、丙各自能译出密码的概率分别为 ，问三人中至少有一人能将此密码译出的概率为多少
概率论的基本概念
第一章概率论的基本概念
【内容提要】
一、随机事件及其运算关系
1．随机现象在一定条件下，可能出现不同结果(不可预先确知的)的现象。
2．随机试验在一定条件下，对随机现象进行观测或观察的过程。随机试验具有如下特点:
⑴.可以在相同条件下重复进行；
⑵.每次试验的结果不止一个，并且能事先明确试验的所有可能结果；
⑴．非负性: ，有 ；
⑵．规范性: ；
⑶．可列可加性:对任意可列无穷多个两两互斥的事件 ，有 。
则称 为事件 的概率。事件的概率有如下性质:
第一章 概率论的基本概念(第3讲)
第1.7节 事件的独立性
三、n个事件相互独立定义
n个事件 A1 , A2 , A3 ,..., An 相互独立的定义为：
P( Ai Aj ) = P( Ai )P( Aj ), i < j, i, j = 1,2,..., n P( Ai Aj Ak ) = P( Ai )P( Aj )P( Ak ), i < j < k, i, j, k = 1,2,..., n ... P( A1 A2 ...An ) = P( A1 )P( A2 )...P( An )
解: (1)设A=甲中, B=乙中, C=目标被击中, 所求
P(A|C)=P(AC)/P(C) =P(A)/[P(A)+P(B)-P(A)P(B)]
(C=A∪B)
=0.6/0.8=3/4
第1.7节 事件的独立性
二、三个事件相互独立定义
对于三个事件 A, B, C 的相互独立定义为： P ( AB ) = P ( A ) P ( B ) P ( AC ) = P ( A ) P (C ) P ( BC ) = P ( B ) P (C ) P ( ABC ) = P ( A ) P ( B ) P (C )
C
k n
pk q n−k
(k
=
0,1,L, n)
P( A1 A2 ...Ak Ak+1 Ak+2 ...An ) = pkqn−k (前k次成功)
第1.8节 独立试验序列
二、考察概率
(2) 第 k 次试验首次“成功”的概率为
qk−1 p(k = 0,1,2,L)
第1.8节 独立试验序列
三、例题：Leabharlann 第1.9节 几何概率和概率的数学定义
第1章 概率论的基本概念
试验者
德•摩根 蒲 丰 K•皮尔逊 K•皮尔逊 维 尼
n
2048 4040 12000 24000 30000
nH
1061 2048 60199 12012 14994
fn(H)
0.5181 0.5069 0.5016 0.5005 0.4998
nA 频率 f n ( A) 具有如下基本性质: n
统计概率的性质
1. 非负性：对每个事件A有 1 P ( A) 0; 2. 规范性：对必然事件S有 P ( S ) 1;
3. 有限可加性：设A1,A2,…An是两两互不相容事件 则 P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
交换律 A B B A
A B B A
结合律 ( A B) C A ( B C )
( A B) C A ( B C )
分配律 ( A B) C ( A C ) ( B C )
A ( B C ) ( A B) ( A C )
其结果可能为:
正品、次品。
其结果可能为: 红、黄、绿。
实例6 “出生的婴儿可能是男，也可能是 女”。
实例7 “明天的天气可能是晴 , 也可能是多云 或雨 ”。
在我们所生活的世界上， 充满了不确定性
如何来研究随机现象?
随机现象是通过随机试验来研究的。
问题 什么是随机试验？
1. 试验（Experiment）：包括各种各样的科学实 验，也包括对客观事物的“观察”、“测量”等。 2. 随机试验（E，Random experiment）：具有以 下三个特征的试验： （1）可以在相同的条件下重复地进行; （2）每次试验的可能结果不止一个，并且能 事先明确试验的所有可能结果; （3）进行一次试验之前不能确定哪一个结果 会出现。
概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章概率论的基本概念§2．样本空间、随机事件1．事件间的关系 A B 则称事件 B 包含事件 A ，指事件 A 发生必然导致事件 B 发生A B {x x A或x B} 称为事件 A 与事件 B 的和事件，指当且仅当 A ，B 中至少有一个发生时，事件 A B 发生A B {x x A且x B} 称为事件 A 与事件 B 的积事件，指当A，B 同时发生时，事件A B 发生A—B {x x A且x B} 称为事件A 与事件 B 的差事件，指当且仅当 A 发生、B 不发生时，事件 A — B 发生A B ，则称事件 A 与B 是互不相容的，或互斥的，指事件 A 与事件 B 不能同时发生，基本事件是两两互不相容的A B S A B ，则称事件 A 与事件 B 互为逆事件，又称事件 A 与事件 B 互为且对立事件2．运算规则交换律 A B B A A B B A结合律(A B) C A (B C) ( A B)C A(B C)分配律 A （B C）(A B) ( A C)A (B C)(A B)( A C)—徳摩根律 A B A B A B A B§3．频率与概率定义在相同的条件下，进行了n 次试验，在这n 次试验中，事件 A 发生的次数n称为事件AA 发生的频数，比值n nA 称为事件 A 发生的频率概率：设E是随机试验，S 是它的样本空间，对于E 的每一事件A赋予一个实数，记为P（A），称为事件的概率1．概率P( A)满足下列条件：（1）非负性：对于每一个事件 A 0 P( A) 1（2）规范性：对于必然事件S P (S) 11（3）可列可加性：设A1, A2 , ,A是两两互不相容的事件，有nn nP A k ) P( A) ( （n可kk 1 k 1以取）2．概率的一些重要性质：（i ）P( ) 0（ii ）若A1, A2 , ,A是两两互不相容的事件，则有n Pn n( （n可以取）A k ) P( A )kk 1 k 1（iii ）设A，B 是两个事件若 A B ，则P(B A) P( B) P( A) ，P( B) P(A) （iv）对于任意事件A，P(A) 1（v）P( A) 1 P(A) （逆事件的概率）（vi）对于任意事件A，B 有P(A B) P( A) P( B) P( A B)§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件 A 包含k 个基本事件，即{e i } {e } {e }A ，里1 i i k] 2，k是，中某个不同的数，则有i1 i 2, ，i k 1,2 nP( A)j k1P { eij}knA包含的基本事件数S中基本事件的总数§5．条件概率（1）定义：设A,B 是两个事件，且P( A) 0 ，称P( A B)P(B | A) 为事件 A 发生的条P(A)件下事件 B 发生的条件概率（2）条件概率符合概率定义中的三个条件。
概率论的基本概念
而要成环，则第一步从 6 个头中任取一个，此时余下的 5 个头中有 1 个不能相 接，只可与余下的 4 个头中的任 1 个相接；第二步从未接的 4 个头中任取一个， 与余下的 2 个头中的任 1 个相接；最后从未接的 2 个头中任取一个，与余下的 最后 1 个头相接；这总共有 6 × 4 × 4 × 2 × 2 × 1 种可能的接法。 设 A : 六根草恰巧连成一个环 则所求的概率为：
P ( ABC ) = P ( A − ( B U C )) = P ( A) − P ( A( B U C ))
= P ( A) − P ( AB ) − P ( AC ) + P ( ABC ) = P ( A) − P ( AB ) − P ( AC ) + P ( ABC ) = 0.30
（2） P （只订阅一种报纸） =
另一方面：
1 ， 4
P ( A) P ( B ) − P ( AB ) = P ( A)[ P ( AB ) + P ( AB )] − P ( AB ) = P ( A) P ( AB ) + P ( AB )[ P ( A) − 1]
≤ P ( A) P ( AB ) ≤ P ( A) P ( A) = P ( A)[1 − P ( A)] ≤
第一章 概率论的基本概念 主要内容: 事件的定义与运算性质； 概率的公理化定义与性质； 等可能概型； 条件概率与事件的独立性； 重 点： 等可能概型； 全概率公式与贝叶斯公式； 难 点： 全概率公式与贝叶斯公式 教学要求：理解事件的定义, 并熟练掌握事件的运算性质； 理解概率的公理化定义, 熟练掌握并能灵活运用概率的性质； 掌握等可能概型中的概率计算方法； 牢固掌握条件概率、乘法公式、全概率公式与贝叶斯公式； 理解独立性的概念, 并能运用独立性解决某些概率计算问题。 综合例题选讲
1概率论的基本概念
[注样本空间是相对于某个随机试验而言，而其元 ]
素取决于试验的内容和目的．
二、随机事件
1.随机事件: 试验E的样本空间S的子集. 简称事件． 通常用字母A，B，C表示.
A的对立事件记作 A .
ASA
B A
A
[注]
(1) 事件之间的关系可用文氏图表示； (2) 对于任意事件A，显然
AA , A
A S,
A S A, A A
(3) 基本事件都是互不相容的; A与B-A也是互不相容的． (4) B A B A B AB
B
A
A U B A U ( B A )
S1={H, T}（H表示出现正面， T表示出现反面）
试验E2:将一枚硬币抛掷三次,观察正面H、反面T出现的情况.
S2= {HHH,HHT,HTH,THH, HTT,THT,TTH,TTT}
试验E3:将一枚硬币抛掷三次,观察反面出现的次数. S3={0,1,2,3} 试验E4:抛掷一枚骰子, 观察出现的点数. S4={1,2,3,4,5,6}
第一章 概率论的基本概念
§1.1 §1.2 §1.3 §1.4 §1.5 §1.6 随机试验 样本空间、随机事件 频率与概率 等可能概型(古典概型) 条件概率 独立性
第一章 概率论的基本概念
引言：概率论是研究什么的？
研究和揭示随机现象的统计 在一定条件下必然发生的现象 确定现象 规律性的数学学科 例：向空中抛一物体必然落向地面； 水加热到100℃必然沸腾； 异性电荷相吸引； 放射性元素发生蜕变; … … 例:抛一枚硬币,结果可能正(反)面朝上； 向同一目标射击,各次弹着点都不相同； 某地区的日平均气温； 掷一颗骰子，可能出现的点数；… …
一概率论的基本概念
2）将一枚硬币抛掷二次，观察出现正面的次数。
3）在一批电视中任抽取一次，测试它的寿命。
注： 样本空间是一个有限或无限的点集。 样本空间的元素是由试验的目的所确定。
随机事件（简称事件）：
随机试验E的样本空间 的子集称为E的随机事件。
通常用大写字母A，B,…表示。 当且仅当这一子集中的一个样本点出现时，称这一
20 同色球无区别。 k
例4 两封信任意地向标号为1,2,3,4的四个邮筒投寄， 求 1）第3个邮筒恰好投入1封信的概率； 2）有两个邮筒各有一封信的概率。 解 1)设事件A表示“第三个邮筒只投入1封信” 两封信任意投入4个邮筒，共有 42 种 而事件A的不同投法有
2)设事件B表示“有两个邮筒各有1封信”
P(A )
r P365 r
例6 设有n个球每个球都以同样的概率 格子（N≥ n）的每个格子中，试求 1）某指定的n个格子中各有一球的概率。
落到N个
2）任何n个格子中各有1球的概率。 解 设 A =｛某指定的n个格子中各有一球｝
B =｛任何n个格子中各有一球｝ 1 2 3 n
N
例7：从0,1,2, …,9共10个数字中随机地有放回地接连取4 个数字,并按其出现的先后排成一行.试求下列事件的概 率
例(5) 有r 个人，设每个人的生日是365天的 任何一天是等可能的，试求事件“至少有两 人同生日”的概率.
解：令 A={至少有两人同生日} 则 A ={ r 个人的生日都不同} 为求P(A), 先求P( A )
(365) r P365 P(A ) 1 P(A ) 1 r (365)
于是 P ( A) 1 P ( A ) 1 1 1 2! 3! 3
1 1 n1 1 1 (1 ( 1) ) 2! 3! n! 1 1 n 1 ( 1) 2! 3! n!
概率论与数理统计第二版课后习题答案
概率论与数理统计第二版课后习题答案概率论与数理统计是一门重要的数学学科，广泛应用于各个领域。
而课后习题是学习这门学科的重要环节，通过解答习题可以巩固所学知识，提高问题解决能力。
本文将为大家提供《概率论与数理统计第二版》课后习题的答案，希望对大家的学习有所帮助。
第一章：概率论的基本概念1. 事件A、B相互独立，且P(A)=0.3，P(B)=0.4，求P(A∪B)。
解答：由于A、B相互独立，所以P(A∩B)=P(A)×P(B)=0.3×0.4=0.12。
根据概率的加法公式，P(A∪B)=P(A)+P(B)-P(A∩B)=0.3+0.4-0.12=0.58。
2. 设A、B为两个事件，且P(A)=0.6，P(B)=0.7，若P(A∩B)=0.3，求事件“既不发生A也不发生B”的概率。
解答：事件“既不发生A也不发生B”可以表示为A和B的补集的交集，即A'∩B'。
根据概率的补集公式，P(A')=1-P(A)=0.4，P(B')=1-P(B)=0.3。
由于A、B相互独立，所以P(A'∩B')=P(A')×P(B')=0.4×0.3=0.12。
第二章：离散型随机变量及其分布律1. 设随机变量X的分布律为：P(X=k)=C(10,k)×(0.3)^k×(0.7)^(10-k)，其中C(10,k)表示10中取k的组合数。
求P(X≥6)。
解答：P(X≥6)=1-P(X<6)=1-[P(X=0)+P(X=1)+P(X=2)+P(X=3)+P(X=4)+P(X=5)]=1-[C(10,0)×(0.3)^0×(0.7)^10+C(10,1)×(0.3)^1×(0.7)^9+C(10,2)×(0.3)^2×(0.7)^8+ C(10,3)×(0.3)^3×(0.7)^7+C(10,4)×(0.3)^4×(0.7)^6+C(10,5)×(0.3)^5×(0.7)^5]=1 -[1×1×(0.7)^10+10×0.3×(0.7)^9+45×0.09×(0.7)^8+120×0.027×(0.7)^7+210×0. 0081×(0.7)^6+252×0.00243×(0.7)^5]=1-0.0282≈0.9718。
概率论和数理统计-概率论第1章§3频率和概率-精品文档
研究随机现象的统计规律性的数学学科
什么是统计规律性 统计规律性是指在大量试验中呈现出的数量规律
什么是概率
概率是指刻划随机事件在一次试验中发生的可能性大 小的数量指标.
第一章
概率论的基本概念
§3 事件的概率 设 A 为一随机事件 ,在相同条件下进行 n次重复试验 在一次试验中可能 n A n 次试验中 A 发生的次数 nA 发生也可能不发生 f ( A)
A
nA 1 n n nA
第一章 概率论的基本概念
§3 事件的概率
考察英语文章中26个字母出现的频率，当观察 次数 较大时，每个字母出现的频率呈现稳定性，下面 n 是 Dewey 统计了438023个字母得到的统计表
字母
E
T A O I
频率
0.1268
0.0978 0.0788条性质刻画了频率的本质特 征, 启发我们定义事件的概率
第一章 概率论的基本概念
§3 事件的概率
第一章
概率论的基本概念
§3 事件的概率
P( ) 0 P () P () P ()
因为概率为实数,故 P( ) 0 ,A ,A 若A 1 2 n 是两两不相容的事件,则
() P (A ) 再由概率非负性得 P
P ( ) P () B P () A
事件解释 为区域
B
A
概率解释为 区域面积
第一章 概率论的基本概念
§3 事件的概率
0 P(A ) 1
P ( A B ) P ( A ) P ( B ) P ( A B ) P (A ) P ( )P (A ) 对于三事件 A1, A2, A3 有
考研数学《概率论与数理统计》知识点总结
第一章概率论的基本概念第五章ﻩ大数定律及中心极限定理伯努利大数定理：对任意ε>0有1lim=⎭⎬⎫⎩⎨⎧<-∞→εpnfP An或lim=⎭⎬⎫⎩⎨⎧≥-∞→εpnfP An.其中f A是n次独立重复实验中事件Ａ发生的次数,p是事件A在每次试验中发生的概率.中心极限定理定理一:设X1,X2,…,Xｎ，…相互独立并服从同一分布,且E(Ｘ k）=μ，D(Xｋ)=σ2 ＞0,则n→∞时有σμnnXknk)(1-∑=N(0，１)或nXσμ-~N(０，1)或X~N（μ，n2σ).定理二：设Ｘ1，X2，…,X n ,…相互独立且E(X k)＝μｋ,D(Ｘk）=σ k2 >0,若存在δ＞0使n→∞时，}|{|1212→-∑+=+δδμkknknXEB,则nknkknkBX)(11μ==∑-∑～Ｎ(0，1)，记212knknBσ=∑=．定理三:设),(~pnbnη,则n→∞时，Npnpnpn~)1()(--η(0,1),knknX1=∑=η.定义:总体:全部值；个体:一个值；容量:个体数；有限总体：容量有限;无限总体:容量无限.定义:样本:X1,X2,…,X n 相互独立并服从同一分布F的随机变量，称从F得到的容量为n的简单随机样本．频率直方图：图形:以横坐标小区间为宽,纵坐标为高的跨越横轴的几个小矩形．横坐标:数据区间（大区间下限比最小数据值稍小,上限比最大数据值稍大；小区间:均分大区间,组距Δ=大区间/小区间个数;小区间界限：精度比数据高一位).图形特点:外轮廓接近于总体的概率密度曲线．纵坐标：频率／组距（总长度:<1/Δ；小区间长度：频率/组距）.定义:样本ｐ分位数:记x p，有1.样本x i中有nｐ个值≤xｐ.2．样本中有ｎ(1－p)个值≥x p.箱线图:x p选择:记⎪⎩⎪⎨⎧∈+∉=++NnpxxNnpxxnpnpnpp当，当，][211)()()1]([.分位数x0.5,记为Ｑ２或M，称为样本中位数．分位数x０.25,记为Ｑ1,称为第一四分位数．分位数x0.７5，记为Q３，称为第三四分位数.图形：图形特点:M为数据中心,区间[ｍin,Q1]，[Q1,M],［M，Q3]，[Ｑ3，mａｘ］数据个数各占1/4，区间越短数据密集．四分位数间距：记IQＲ=Q3-Q1；若数据X<Q1－1.5IＱR或X>Ｑ3+1．５IQR,就认为X是疑似异常值.抽样分布：样本平均值：iniXnX11=∑=样本方差:)(11)(11221212XnXnXXnSiniini-∑-=-∑-===样本标准差：2SS=样本k阶(原点)矩:kinikXnA11=∑=，k≥１样本k阶中心矩:kinikXXnB)(11-∑==,k≥2经验分布函数：)(1)(xSnxFn=，∞<<∞-x.)(xS表示F的一个样本X1,Ｘ2,…,X n 中不大于ｘ的随机变量的个数.自由度为n的χ２分布：记χ２~χ２（n），222212nXXX+++=χ，其中X1,Ｘ2,…,Ｘｎ是来自总体N(0,１）的样本．E（χ2 )=ｎ,D(χ2 ）=2n．χ12＋χ２2~χ2(n1+n2)．⎪⎩⎪⎨⎧>Γ=--其他，，)2(21)(2122yexnyfynn.~近似的min Q1 M Q3 max第七章ﻩ参数估计正态总体均值、方差的置信区间与单侧置信限（置信水平为）1１22。
考研数学《概率论与数理统计》知识点总结
第一章 概率论的基本概念定义： 随机试验E 的每个结果样本点组成样本空间S ，S 的子集为E 的随机事件，单个样本点为基本事件．事件关系： 1．A ⊂B ，A 发生必导致B 发生． 2．A B 和事件，A ，B 至少一个发生，A B 发生． 3．A B 记AB 积事件，A ，B 同时发生，AB 发生． 4．A －B 差事件，A 发生，B 不发生，A －B 发生．5．A B=Ø，A 与B 互不相容(互斥)，A 与B 不能同时发生，基本事件两两互不相容．6．A B=S 且A B=Ø，A 与B 互为逆事件或对立事件，A 与B 中必有且仅有一个发生，记B=A S A -=．事件运算： 交换律、结合律、分配率略．德摩根律：B A B A =，B A B A =．概率： 概率就是n 趋向无穷时的频率，记P(A)．概率性质:1．P (Ø)=0．2．(有限可加性)P (A 1 A 2 … A n )=P (A 1)+P (A 2)+…+P (A n )，A i 互不相容． 3．若A ⊂B ，则P (B －A)=P (B)－P (A)．4．对任意事件A ，有)A (1)A (P P -=．5．P (A B)=P (A)+P (B)－P (AB)．古典概型： 即等可能概型，满足：1．S 包含有限个元素．2．每个基本事件发生的可能性相同． 等概公式： 中样本点总数中样本点数S A )A (==n k P ． 超几何分布：⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫⎝⎛--⎪⎪⎭⎫ ⎝⎛=n N k n D N k D p ，其中ra C r a =⎪⎪⎭⎫ ⎝⎛． 条件概率： )A ()AB ()A B (P P P =． 乘法定理：)A ()A B ()AB C ()ABC ()A ()AB ()AB (P P P P P P P ==．全概率公式： )B ()B A ()B ()B A ()B ()B A ()A (2211n n P P P P P P P +++= ，其中i B 为S 的划分． 贝叶斯公式： )A ()B ()B A ()A B (P P P P i i i =，∑==nj j j B P B A P A P 1)()()(或)()()()()()()(B P B A P B P B A P B P B A P A B P +=．独立性： 满足P (AB)=P (A)P (B)，则A ，B 相互独立，简称A ，B 独立．定理一： A ，B 独立，则．P (B |A)=P (B)． 定理二： A ，B 独立，则A 与B ，A 与B ，A 与B 也相互独立．第二章 随机变量及其分布(0—1)分布： k k p p k X P --==1)1(}{，k =0，1 （0<p <1）．伯努利实验：实验只有两个可能的结果：A 及A ．二项式分布： 记X~b （n ，p ），k n kk n p p C k X P --==)1(}{． n 重伯努利实验：独立且每次试验概率保持不变．其中A 发生k 次，即二项式分布．泊松分布： 记X~π（λ），!}{k e k X P k λλ-==， ,2,1,0=k ．泊松定理： !)1(lim k e p p C k kn k knn λλ--∞→=-，其中λ=np ．当20≥n ，05.0≤p 应用泊松定理近似效果颇佳．随机变量分布函数： }{)(x X P x F ≤=，+∞<<∞-x ．)()(}{1221x F x F x X x P -=≤<．连续型随机变量： ⎰∞-=xt t f x F d )()(，X 为连续型随机变量，)(x f 为X 的概率密度函数，简称概率密度．概率密度性质：1．0)(≥x f ；2．1d )(=⎰+∞∞-x x f ；3．⎰=-=≤<21d )()()(}{1221x x x x f x F x F x X x P ；4．)()(x f x F ='，f (x )在x 点连续；5．P {X=a }=0．均匀分布： 记X~U(a ，b )；⎪⎩⎪⎨⎧<<-=其它，，01)(bx a a b x f ；⎪⎩⎪⎨⎧≥<≤--<=b x b x a a b a x a x x F ，，，10)(． 性质：对a ≤c <c +l ≤b ，有 a b ll c X c P -=+≤<}{指数分布：⎪⎩⎪⎨⎧>=-其它，，001)(x e x f x θθ；⎩⎨⎧>-=-其它，，001)(x e x F x θ． 无记忆性： }{}{t X P s X t s X P >=>+>． 正态分布： 记),(~2σμN X ；]2)(exp[21)(22σμσπ--=x x f ；t t x F xd ]2)(exp[21)(22⎰∞---=σμσπ．性质： 1．f (x )关于x =μ对称，且P {μ-h <X ≤μ}=P {μ<X ≤μ+h }；2．有最大值f (μ)=(σπ2)-1． 标准正态分布：]2exp[21)(2x x -=πϕ；⎰∞--=Φxt t x d ]2exp[21)(2π．即μ=0，ζ=1时的正态分布X ~N(0，1)性质：)(1)(x x Φ-=-Φ．正态分布的线性转化： 对),(~2σμN X 有)1,0(~N X Z σμ-=；且有)(}{}{)(σμσμσμ-Φ=-≤-=≤=x x X P x X P x F ． 正态分布概率转化： )()(}{1221σμσμ-Φ--Φ=≤<x x x X x P ；1)(2)()(}{-Φ=-Φ-Φ=+<<-t t t t X t P σμσμ．3ζ法则： P =Φ(1)－Φ(-1)=68.26%；P =Φ(2)－Φ(-2)=95.44%；P =Φ(3)－Φ(-3)=99.74%，P 多落在(μ-3ζ，μ+3ζ)内． 上ɑ分位点： 对X~N(0，1)，若z α满足条件P {X>z α}=α，0<α<1，则称点z α为标准正态分布的上α分位点． 常用 上ɑ分位点： 0.001 0.005 0.01 0.025 0.05 0.10 3.0902.5762.3261.9601.6451.282Y 服从自由度为1的χ2分布：设X 密度函数f X (x )，+∞<<∞-x ，若Y=X 2，则⎪⎩⎪⎨⎧≤>-+=000)]()([21)(y y y f y f y y f X XY ，，若设X ~N(0，1)，则有⎪⎩⎪⎨⎧≤>=--00021)(221y y e y y f y Y ，，π定理：设X 密度函数f X (x )，设g (x )处处可导且恒有g ′(x )>0(或g ′(x )<0)，则Y=g (X)是连续型随机变量，且有⎩⎨⎧<<'=其他，，0)()]([)(βαy y h y h f y f X Y h (y )是g (x )的反函数；①若+∞<<∞-x ，则α=min{g (−∞)，g (+∞)}，β=max{g (−∞)，g (+∞)}；②若f X (x )在[a ，b ]外等于零，g (x )在[a ，b ]上单调，则α=min{g (a )，g (b )}，β=max{g (a )，g (b )}．应用： Y=aX +b ~N(a μ+b ，(|a |ζ)2)．第三章 多维随机变量及其分布二维随机变量的分布函数： 分布函数(联合分布函数)：)}(){(),(y Y x X P y x F ≤≤= ，记作：},{y Y x X P ≤≤．),(),(),(),(},{112112222121y x F y x F y x F y x F y Y y x X x P +--=≤<≤<．F （x ，y ）性质： 1．F （x ，y ）是x 和y 的不减函数，即x 2>x 1时，F （x 2，y ）≥F （x 1，y ）；y 2>y 1时，F （x ，y 2）≥F （x ，y 1）．2．0≤F （x ，y ）≤1且F （−∞，y ）=0，F （x ，−∞）=0，F （−∞，−∞）=0，F （+∞，+∞）=1．3．F （x +0，y ）=F （x ，y ），F （x ，y +0）=F （x ，y ），即F （x ，y ）关于x 右连续，关于y 也右连续．4．对于任意的(x 1，y 1)，(x 2，y 2)，x 2>x 1，y 2>y 1，有P {x 1<X ≤x 2，y 1<Y ≤y 2}≥0．离散型（X ，Y ）：0≥ij p ，111=∑∑∞=∞=ij j i p ，ij yy x x p y x F i i ∑∑=≤≤),(．连续型（X ，Y ）：v u v u f y x F y xd d ),(),(⎰⎰∞-∞-=．f (x ，y )性质： 1．f (x ，y )≥0．2．1),(d d ),(=∞∞=⎰⎰∞∞-∞∞-F y x y x f ．3．y x y x f G Y X P G⎰⎰=∈d d ),(}),{(． 4．若f (x ，y )在点(x ，y )连续，则有),(),(2y x f yx y x F =∂∂∂． n 维： n 维随机变量及其分布函数是在二维基础上的拓展，性质与二维类似． 边缘分布：F x (x )，F y (y )依次称为二维随机变量（X ，Y ）关于X 和Y 的边缘分布函数，F X (x )=F (x ，∞)，F Y (y )=F (∞，y )．离散型： *i p 和j p *分别为（X ，Y ）关于X 和Y 的边缘分布律，记}{1i ij j i x X P p p ==∑=∞=*，}{1j ij i j y Y P p p ==∑=∞=*．连续型：)(x f X ，)(y f Y 为（X ，Y ）关于X 和Y 的边缘密度函数，记⎰∞∞-=y y x f x f X d ),()(，⎰∞∞-=x y x f y f Y d ),()(．二维正态分布：]})())((2)([)1(21exp{121),(2222212121212221σμσσμμρσμρρσπσ-+-------=y y x x y x f ． 记(X ，Y )~N (μ1，μ2，ζ12，ζ22，ρ)]2)(exp[21)(21211σμσπ--=x x f X ，∞<<∞-x ．]2)(exp[21)(22222σμσπ--=y y f Y ，∞<<∞-y ． 离散型条件分布律： jij j j i j i p p y Y P y Y x X P y Y x X P *=======}{},{}{． *=======i ij i j i i j p p x X P y Y x X P x X y Y P }{},{}{．连续型条件分布：条件概率密度：)(),()(y f y x f y x f Y Y X =||条件分布函数：x y f y x f y Y x X P y x F xY Y X d )(),(}{)(⎰∞-==≤=||| )(),()(x f y x f x y f X X Y =||y x f y x f x X y Y P x y F yX X Y d )(),(}{)(⎰∞-==≤=||| 含义：当0→ε时，)|(d )|(}|{||y x F x y x f y Y y x X P Y X xY X =≈+≤<≤⎰∞-ε．均匀分布： 若⎪⎩⎪⎨⎧∈=其他,0),(,1),(Gy x Ay x f ，则称(X ，Y)在G 上服从均匀分布． 独立定义：若P {X ≤x ，Y ≤y }=P {X ≤x }P {Y ≤y }，即F (x ，y )=F x (x )F y (y )，则称随机变量X 和Y 是相互独立的． 独立条件或可等价为：连续型：f (x ，y )=f x (x )f y (y )；离散型：P {X =x i ，Y =y j }=P {X =x i }P {Y =y j }．正态独立： 对于二维正态随机变量（X ，Y ），X 和Y 相互对立的充要条件是：参数ρ=0．n 维延伸： 上述概念可推广至n 维随机变量，要注意的是边缘函数或边缘密度也是多元(1~n -1元)的．定理：设（X 1，X 2，…，X m ）和（Y 1，Y 2，…，Y n ）相互独立，则X i 和Y j 相互独立．又若h ，g 是连续函数，则h （X 1，X 2，…，X m ）和g （Y 1，Y 2，…，Y n ）相互独立．Z=X+Y 分布： 若连续型(X ，Y )概率密度为f (x ，y )，则Z=X+Y 为连续型且其概率密度为⎰∞∞-+-=y y y z f z f Y X d ),()(或⎰∞∞-+-=x x z x f z f Y X d ),()(．f X 和f Y 的卷积公式：记⎰∞∞-+-==y y f y z f z f f f Y X Y X Y X d )()()(*⎰∞∞--=x x z f x f Y X d )()(，其中除继上述条件，且X 和Y相互独立，边缘密度分别为f X (x )和f Y (y )． 正态卷积：若X 和Y 相互独立且X ~N (μ1，ζ12)，记Y ~N (μ2，ζ22)，则对Z=X+Y 有Z ~N (μ1+μ2，ζ12+ζ22)．1．上述结论可推广至n 个独立正态随机变量．2．有限个独立正态随机变量的线性组合仍服从正态分布． 伽马分布：记),(~θαΓX ，0>α，0>θ．⎪⎩⎪⎨⎧>Γ=--其他，，00)(1)(1x e x x f x θαααθ，其中⎰+∞--=Γ01d )(t e t tαα．若X 和Y 独立且X ~Γ(α，θ)，记Y ~Γ(β，θ)，则有X+Y~Γ(α+β，θ)．可推广到n 个独立Γ分布变量之和．XYZ =：⎰∞∞-=x xz x f x z f X Y d ),()(，若X 和Y 相互独立，则有⎰∞∞-=x xz f x f x z f Y X X Y d )()()(．XYZ =分布： ⎰∞∞-=x x zx f x z f XY d ),(1)(，若X 和Y 相互独立，则有⎰∞∞-=xxz f x f x z f Y X XY d )()(1)(． 大小分布：若X 和Y 相互独立，且有M =max{X ，Y }及N =min{X ，Y }，则M 的分布函数：F max (z )=F X (z )F Y (z )，N 的分布函数：F min (z )=1－[1－F X (z )][1－F Y (z )]，以上结果可推广到n 个独立随机变量的情况．第四章 随机变量的数字特征数学期望： 简称期望或均值，记为E (X )；离散型：k k k p x X E ∑=∞=1)(．连续型：⎰∞∞-=x x xf X E d )()(．定理： 设Y 是随机变量X 的函数：Y =g (X )(g 是连续函数)．1．若X 是离散型，且分布律为P {X =x k }=p k ，则： k k k p x g Y E )()(1∑=∞=．2．若X 是连续型，概率密度为f (x )，则：⎰∞∞-=x x f x g Y E d )()()(．定理推广： 设Z 是随机变量X ，Y 的函数：Z =g (X ，Y )(g 是连续函数)．1．离散型：分布律为P {X =x i ，Y =y j }=p ij ，则： ij j i i j p y x g Z E ),()(11∑∑=∞=∞=． 2．连续型：⎰⎰∞∞-∞∞-=y x y x f y x g Z E d d ),(),()(期望性质：设C 是常数，X 和Y 是随机变量，则：1．E (C )=C ．2．E (CX )=CE (X )．3．E (X +Y )=E (X )+E (Y )． 4．又若X 和Y 相互独立的，则E (XY )=E (X )E (Y )．方差：记D (X )或Var(X )，D (X )=V ar(X )=E {[X －E (X )]2}．标准差(均方差)： 记为ζ(X )，ζ(X )= ． 通式：22)]([)()(X E X E X D -=． k k k p X E x X D 21)]([)(-∑=∞=，⎰∞∞--=x x f x E x X D d )()]([)(2．标准化变量： 记σμ-=x X *，其中μ=)(X E ，2)(σ=X D ，*X 称为X 的标准化变量． 0)(*=X E ，1)(*=X D ．方差性质： 设C 是常数，X 和Y 是随机变量，则： 1．D (C )=0． 2．D (CX )=C 2D (X )，D (X +C )=D (X )．3．D (X +Y )=D (X )+D (Y )+2E {(X －E (X ))(Y －E (Y ))}，若X ，Y 相互独立D (X +Y )=D (X )+D (Y )．4．D (X )=0的充要条件是P {X =E (X )}=1． 正态线性变换： 若),(~2i i i N X σμ，i C 是不全为0的常数，则),(~22112211i i n i i i n i n n C C N X C X C X C σμ∑∑+++== ．切比雪夫不等式： 22}{εσεμ≤≥-X P 或221}{εσεμ-≥<-X P ，其中)(X E =μ，)(2X D =σ，ε为任意正数．协方差：记)]}()][({[),Cov(Y E Y X E X E Y X --=．X 与Y的相关系数：)()(),Cov(Y D X D Y X XY =ρ．D (X +Y )=D (X )+D (Y )+2Cov(X ，Y )，Cov(X ，Y )=E (XY )－E (X )E (Y )．性质： 1．Cov(aX ，bY )=ab Cov(X ，Y )，a ，b 是常数．2．Cov(X 1+X 2，Y )=Cov(X 1，Y )+Cov(X 2，Y )． 系数性质：令e =E [(Y －(a +bX ))2]，则e 取最小值时有)()1(]))([(2200min Y D X b a Y E e XY ρ-=+-=，其中)()(00X E b Y E a -=，)(),Cov(0X D Y X b =．1．|ρXY |≤1．2．|ρXY |=1的充要条件是：存在常数a ，b 使P {Y =a +bX }=1．|ρXY |越大e 越小X 和Y 线性关系越明显，当|ρXY |=1时，Y =a +bX ；反之亦然，当ρXY =0时，X 和Y 不相关． X 和Y 相互对立，则X 和Y 不相关；但X 和Y 不相关，X 和Y 不一定相互独立． 定义： k 阶矩(k 阶原点矩)：E (X k )． n 维随机变量X i 的协方差矩阵：⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n n n n c c c c c cc c c212222111211C ，),Cov(j i ij X X c ==E {[X i －E (X i )][X j －E (X j )]}． k +l 阶混合矩：E (X k Y l)．k 阶中心矩：E {[X －E (X )] k }．k +l 阶混合中心矩：E {[X －E (X )]k [Y －E (Y )]l }．n 维正态分布：)}()(21exp{det )2(1),,,(1T 221μX C μX C ---=-n n x x x f π ，T21T 21),,,(),,,(n nx x x μμμ ==μX ． 性质：1．n 维正态随机变量(X 1，X 2，…，X n )的每一个分量X i (i =1，2，…，n )都是正态随机变量，反之，亦成立． 2．n 维随机变量(X 1，X 2，…，X n )服从n 维正态分布的充要条件是X 1，X 2，…，X n 的任意线性组合l 1X 1+l 2X 2+…+l n X n 服从一维正态分布(其中l 1，l 2，…，l n 不全为零)．3．若(X 1，X 2，…，X n )服从n 维正态分布，且Y 1，Y 2，…，Y k 是X j (j =1，2，…，n )的线性函数，则(Y 1，Y 2，…，Y k )也服从多维正态分布．4．若(X 1，X 2，…，X n )服从n 维正态分布，则“X i 相互独立”与“X i 两两不相关”等价．)(x D第五章大数定律及中心极限定理弱大数定理：若X1，X2，…是相互独立并服从同一分布的随机变量序列，且E(X k)=μ，则对任意ε>0有11lim1=⎭⎬⎫⎩⎨⎧<-∑=∞→εμknknXnP或→μPX，knkXnX11=∑=．定义：Y1，Y2，…，Y n ，…是一个随机变量序列，a是一个常数．若对任意ε>0，有1}|{|lim=<-∞→εaYPnn则称序列Y1，Y2，…，Yn，…依概率收敛于a．记aY Pn−→−伯努利大数定理：对任意ε>0有1lim=⎭⎬⎫⎩⎨⎧<-∞→εpnfP An或0lim=⎭⎬⎫⎩⎨⎧≥-∞→εpnfP An．其中f A是n次独立重复实验中事件A发生的次数，p是事件A在每次试验中发生的概率．中心极限定理定理一：设X1,X2,…,X n ,…相互独立并服从同一分布，且E(X k)=μ，D(X k)=ζ2 >0，则n→∞时有σμnnXknk)(1-∑=N(0，1)或nXσμ-~N(0，1)或X~N(μ，n2σ)．定理二：设X1,X2,…,X n ,…相互独立且E(X k)=μk，D(X k)=ζk2 >0，若存在δ>0使n→∞时，}|{|1212→-∑+=+δδμkknknXEB，则nknkknkBX)(11μ==∑-∑~N(0，1)，记212knknBσ=∑=．定理三：设),(~pnbnη，则n→∞时，Npnpnpn~)1()(--η(0，1)，knknX1=∑=η．第六章样本及抽样分布定义：总体：全部值；个体：一个值；容量：个体数；有限总体：容量有限；无限总体：容量无限．定义：样本：X1,X2,…,X n 相互独立并服从同一分布F的随机变量，称从F得到的容量为n的简单随机样本．频率直方图：图形：以横坐标小区间为宽，纵坐标为高的跨越横轴的几个小矩形．横坐标：数据区间（大区间下限比最小数据值稍小，上限比最大数据值稍大；小区间：均分大区间，组距Δ=大区间/小区间个数；小区间界限：精度比数据高一位）．图形特点：外轮廓接近于总体的概率密度曲线．纵坐标：频率/组距（总长度：<1/Δ；小区间长度：频率/组距）．定义：样本p分位数：记x p，有1．样本x i中有np个值≤x p．2．样本中有n(1－p)个值≥x p．箱线图：x p选择：记⎪⎩⎪⎨⎧∈+∉=++NnpxxNnpxxnpnpnpp当，当，][211)()()1]([．分位数x0.5，记为Q2或M，称为样本中位数．分位数x0.25，记为Q1，称为第一四分位数．分位数x0.75，记为Q3，称为第三四分位数．图形：图形特点：M为数据中心，区间[min，Q1]，[Q1，M]，[M，Q3]，[Q3，max]数据个数各占1/4，区间越短数据密集．四分位数间距：记IQR=Q3－Q1；若数据X<Q1－1.5IQR或X>Q3+1.5IQR，就认为X是疑似异常值．抽样分布：样本平均值：iniXnX11=∑=样本方差：)(11)(11221212XnXnXXnSiniini-∑-=-∑-===样本标准差：2SS=样本k阶(原点)矩：kinikXnA11=∑=，k≥1 样本k阶中心矩：kinikXXnB)(11-∑==，k≥2经验分布函数：)(1)(xSnxFn=，∞<<∞-x．)(xS表示F的一个样本X1,X2,…,X n 中不大于x的随机变量的个数．自由度为n的χ2分布：记χ2~χ2（n），222212nXXX+++=χ，其中X1,X2,…,X n是来自总体N(0，1)的样本．E(χ2 )=n，D(χ2 )=2n．χ12+χ22~χ2（n1+n2）．⎪⎩⎪⎨⎧>Γ=--其他，，)2(21)(2122yexnyfynn．χ2分布的分位点：对于0<α<1，满足αχχαχα==>⎰∞yyfnPn)(222d)()}({，则称)(2nαχ为)(2nχ的上α分位点．~ 近似的min Q1 M Q3 max当n 充分大时(n >40)，22)12(21)(-+≈n z n ααχ，其中αz 是标准正态分布的上α分位点． 自由度为n 的t 分布：记t ~t (n )，nY Xt /=， 其中X~N (0，1)，Y~χ2(n )，X ，Y 相互独立．2)1(2)1(]2[]2)1([)(+-+Γ+Γ=n n t n n n t h π h (t )图形关于t =0对称；当n 充分大时，t 分布近似于N (0，1)分布．t 分布的分位点：对于0<α<1，满足ααα==>⎰∞t t h n t t P n t )(d )()}({，则称)(n t α为)(n t 的上α分位点． 由h (t )对称性可知t 1－α(n )=－t α(n )．当n >45时，t α(n )≈z α，z α是标准正态分布的上α分位点．自由度为(n 1，n 2)的F分布：记F ~F (n 1，n 2)，21n V n U F =，其中U~χ2(n 1)，V~χ2(n 2)，X ，Y 相互独立．1/F ~F (n 2，n 1)⎪⎩⎪⎨⎧>+ΓΓ+Γ=+-其他，，00]1)[2()2()](2)([)(2)(21211)2(221212111x n y n n n y n n n n y n n n n ψF 分布的分位点：对于0<α<1，满足αψαα==>⎰∞y y n n F F P n n F ),(2121d )()},({，则称),(21n n F α为),(21n n F 的上α分位点．重要性质：F 1－α(n 1，n 2)=1/F α(n 1，n 2)．定理一： 设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，则有),(~2n N X σμ，其中X 是样本均值． 定理二：设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，样本均值和样本方差分别记为 X ，2S ，则有1．)1(~)1(222--n S n χσ；2．X 与2S 相互独立．定理三：设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，样本均值和样本方差分别记为X ，2S ，则有)1(~--n t nS X μ．定理四：设X 1,X 2,…,X n 1 与Y 1,Y 2,…,Y n 2分别是来自N (μ1，ζ12)和N (μ2，ζ22)的样本，且相互独立．设这两个样本的样本均值和样本方差分别记为 X ，Y ，21S ，22S ，则有1．)1,1(~2122212221--n n F S S σσ．2．当ζ12=ζ22=ζ2时，)2(~)()(21121121-++-----n n t n n S Y X w μμ，其中2)1()1(212222112-+-+-=n n S n S n S w，2w w S S =． 第七章 参数估计定义： 估计量：),,,(ˆ21n X X X θ，估计值：),,,(ˆ21nx x x θ，统称为估计． 矩估计法：令)(ll X E =μ=li n i l X n A 11=∑=(k l ,,2,1 =)(k 为未知数个数)联立方程组，求出估计θˆ．设总体X 均值μ及方差ζ2都存在，则有 X A ==1ˆμ，212212122)(11ˆX X n X X n A A i n i i n i -∑=-∑=-===σ． 最大似然估计法： 似然函数：离散：);()(1θθi n i x p L =∏=或连续：);()(1θθi ni x f L =∏=，)(θL 化简可去掉与θ无关的因式项．θˆ即为)(θL 最大值，可由方程0)(d d =θθL 或0)(ln d d =θθL 求得． 当多个未知参数θ1，θ1，…，θk 时：可由方程组 0d d =L i θ或0ln d d =L i θ（k i ,,2,1 =）求得． 最大似然估计的不变性：若u =u (θ)有单值反函数θ=θ(u )，则有)ˆ(ˆθu u=，其中θˆ为最大似然估计． 截尾样本取样： 定时截尾样本：抽样n 件产品，固定时间段t 0内记录产品个体失效时间(0≤t 1≤t 2≤…≤t m ≤t 0)和失效产品数量． 定数截尾样本：抽样n 件产品，固定失效产品数量数量m 记录产品个体失效时间(0≤t 1≤t 2≤…≤t m )． 结尾样本最大似然估计：定数截尾样本：设产品寿命服从指数分布X~e （θ），θ即产品平均寿命．产品t i 时失效概率P {t =t i }≈f (t i )d t i ，寿命超过t m 的概率θm t m e t t F -=>}{，则)(}){()(1i m i m n m m n t P t t F C L =-∏>=θ，化简得)(1)(m t s m e L ---=θθθ，由0)(ln d d =θθL 得：mt s m )(ˆ=θ，其中s (t m )=t 1+t 2+…+t m +(n －m )t m ，称为实验总时间． 定时截尾样本：与定数结尾样本讨论类似有s (t 0)=t 1+t 2+…+t m +(n －m )t 0，)(01)(t s m e L ---=θθθ，mt s )(ˆ0=θ，． 无偏性： 估计量),,,(ˆ21nX X X θ的)ˆ(θE 存在且θθ=)ˆ(E ，则称θˆ是θ的无偏估计量． 有效性：),,,(ˆ211n X X X θ与),,,(ˆ212n X X X θ都是θ的无偏估计量，若)ˆ()ˆ(21θθD D ≤，则1ˆθ较2ˆθ有效． 相合性： 设),,,(ˆ21n X X X θθ的估计量，若对于任意0>ε有1}|ˆ{|lim =<-∞→εθθP n ，则称θˆ是θ的相合估计量． 置信区间：αθθθ-≥<<1)},,,(),,,({2121n n X X X X X X P ，θ和θ分别为置信下限和置信上限，则),(θθ是θ的一个置信水平为α-1置信区间，α-1称为置信水平，10<<α．正态样本置信区间： 设X 1，X 2，…，X n 是来自总体X ~N (μ，ζ2)的样本，则有μ的置信区间：枢轴量W W 分布 a ，b 不等式 置信水平 置信区间)1,0(~N n X σμ-⇒ασμα-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-12z n X P ⇒)(2ασz n X ± 其中z α/2为上α分位点θ置信区间的求解： 1．先求枢轴量：即函数W =W (X 1，X 2，…，X n ；θ)，且函数W 的分布不依赖未知参数． 如上讨论标注2．对于给定置信水平α-1，定出两常数a ，b 使P {a <W <b }=α-1，从而得到置信区间． (0－1)分布p 的区间估计：样本容量n >50时，⇒--∞→)1,0(~)1()(lim N p np np X n n {}⇒-≈<--αα1)1()(2z p np np X n P0)2()(222222<++-+X n p z X n p z n αα⇒若令22αz n a +=，)2(22αz X n b +-=，2X n c =，则有置信区间(a ac b b 2)4(2---，a ac b b 2)4(2-+-）．单侧置信区间：若αθθ-≥>1}{P 或αθθ-≥<1}{P ，称(θ，∞)或(∞-，θ)是θ的置信水平为α-1的单侧置信区间．正态总体均值、方差的置信区间与单侧置信限（置信水平为α-1）待估 其他 枢轴量W 的分布置信区间单侧置信限一个正态总体μζ2已知 )1,0(~N nX Z σμ-=)(2ασz nX ±ασμz nX +=，ασμz nX -=μζ2未知 )1(~--=n t nS X t μ⎪⎭⎫ ⎝⎛±2αt n S X αμt n S X +=，αμt nSX -= ζ2μ未知)1(~)1(2222--=n S n χσχ⎪⎪⎭⎫⎝⎛---2212222)1(,)1(ααχχS n S n 2122)1(αχσ--=S n ，222)1(αχσS n -=两个正态总体μ1－μ2ζ12，ζ22已知 )1,0(~)(22212121N n n Y X Z σσμμ+---=⎪⎪⎭⎫ ⎝⎛+±-2221212n n z Y X σσα2221212122212121n n z Y X n n z Y X σσμμσσμμαα+--=-++-=-μ1－μ2ζ12=ζ22=ζ2 未知)2(~)()(21121121-++---=--n n t n n S Y X t w μμ()12112--+±-n n S tY X w α2w w S S =121121121121----+--=-++-=-n n S t Y X n n S t Y X w w ααμμμμ2)1()1(2122 22112-+-+-=nnS nSnSwζ12/ζ22μ1，μ2未知)1,1(~2122212221--=nnFSSFσσ⎪⎪⎭⎫⎝⎛-212221222211,1ααFSSFSSασσ-=1222122211FSS，ασσFSS122212221=单个总体X~N(μ，ζ2)，两个总体X~N(μ1，ζ12)，Y~N(μ2，ζ22)．第八章假设实验定义：H0：原假设或零假设，为理想结果假设；H1：备择假设，原假设被拒绝后可供选择的假设．第Ⅰ类错误：H0实际为真时，却拒绝H0．第Ⅱ类错误：H0实际为假时，却接受H0．显著性检验：只对犯第第Ⅰ类错误的概率加以控制，而不考虑第Ⅱ类错误的概率的检验．P{当H0为真拒绝H0}≤α，α称为显著水平．拒绝域：取值拒绝H0．临界点：拒绝域边界．双边假设检验：H0：θ=θ0，H1：θ≠θ0．右边检验：H0：θ≤θ0，H1：θ>θ0．左边检验：H0：θ≥θ0，H1：θ<θ0．正态总体均值、方差的检验法(显著性水平为α)原假设H0备择假设H1检验统计量拒绝域1 ζ2已知μ≤μ0μ>μ0nXZσμ-=z≥zαμ≥μ0μ<μ0z≤－zαμ=μ0μ≠μ0|z|≥zα/22 ζ2未知μ≤μ0μ>μ0nSXt0μ-=t≥tα(n－1) μ≥μ0μ<μ0t≤－tα(n－1) μ=μ0μ≠μ0|t|≥tα/2(n－1)3 ζ1，ζ2已知μ1－μ2≤δμ1－μ2>δ222121nnYXZσσδ+--=z≥zαμ1－μ2≥δμ1－μ2<δz≤－zαμ1－μ2=δμ1－μ2≠δ|z|≥zα/24 ζ12=ζ22=ζ2未知μ1－μ2≤δμ1－μ2>δ1211--+--=nnSYXtwδ2)1()1(212222112-+-+-=nnSnSnSwt≥tα(n1+n2－2) μ1－μ2≥δμ1－μ2<δt≤－tα(n1+n2－2)μ1－μ2=δμ1－μ2≠δ|t|≥tα/2(n1+n2－2)5 μ未知ζ2≤ζ02ζ2>ζ02222)1(σχSn-=χ2≥χα2(n－1)ζ2≥ζ02ζ2<ζ02χ2≤χ21－α(n－1)ζ2=ζ02ζ2≠ζ02χ2≥χ2α/2(n－1)或χ2≤χ21－α/2(n－1)6 μ1，μ2未知ζ12≤ζ22ζ12>ζ222221SSF=F≥Fα(n1－1，n2－1) ζ12≥ζ22ζ12<ζ22F≤F1－α(n1－1，n2－1)ζ12=ζ22ζ12≠ζ22F≥Fα/2(n1－1，n2－1)或F≤F1－α/2(n1－1，n2－1)7 成对数据μD≤0 μD>0nSDtD-=t≥tα(n－1) μD≥0 μD<0 t≤－tα(n－1)μD=0 μD≠0 |t|≥tα－2(n－1)检验方法选择：主要是逐对比较法（成对数据）跟两个正态总体均值差的检验的区别，如上表即7跟3、4的区别，成对数据指两样本X和Y之间存在一一对应关系，而3和4一般指X和Y相互对立，但针对同一实体．关系：置信区间与假设检验之间的关系：未知参数的置信水平为1－α的置信区间与显著水平为α的接受域相同．定义：施行特征函数(OC函数)：β(θ)=Pθ(接受H0)．功效函数：1－β(θ)．功效：当θ*∈H1时，1－β(θ*)的值．。
概率论与数理统计知识总结之第一章
n
P(Bi|A)=P(A|BJP(Bi)/、P(A|Bj)P(Bj)
1
先验概率：
根据以往数据分析得到的概率
后验概率：
在得到信息之后再重新加以修正的概率
设代B,C为事件，则有
交换律：
A B=B A; A ' B=B * A.
结合律：
A （B C）= （A B） C;
A' （B ~C） =（A一B厂C.
分配律：
A （B一C） =（A B厂（A C）;
A一（B C）=（A一B） （A一C）.
德摩根律：
A一B = A「B;
A B = A _ B.
频率与概率
生、B不发生时事件A-B发生
5.若^8=,则称事件A与B是互不相容的,或互斥的。这指的是事件A与
事件B不能同时发生。基本事件是两两互不相容的。
6.若A一B=S且^8=，则称事件A与事件B互为逆事件。又称事件A与事件B互为对立事件。这指的是对每次试验而言，事件A,B中必有一个发性质：
1.非负性:P(B| A) M)
2.规范性：对于必然事件S,有P(S|A)=1
3.可列可加性：设B，B2,••是两两互不相容的事件,则有
P(UBiI 2、P(Bi|A)
i4
对于任意事件B,C,有
P(BUC|A)=P(B|A)+P(C|A)-P(BC|A)
乘法定理：
设P(A)>0,则有P(AB)=P(B|A)P(A)
P(A -A2-…一An)=P(A1) + P(A2)+…+P(An)
3.设A,B是两个事件，若A B，则有
P(B-A)=P(B)-P(A),P(B) >P(A)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
广 东 工 业 大 学
下页
返回
（8）加法公式的推广（三个的情形） ）加法公式的推广（三个的情形） 对三个事件 A, B , C ，有：
P ( A U B U C ) = P ( A) + P ( B ) + P (C ) − P ( AB ) − P ( AC ) − P ( BC ) + P ( ABC )
5、事件的包含 (Inclusion relation) 如果事件A发生时 事件B一定发生 发生时， 一定发生。 如果事件 发生时，事件 一定发生。 （即若 ω ∈ A, 则 ω ∈ B 。） 则称事件B包含事件 包含事件A, 则称事件 包含事件 ,记作
B பைடு நூலகம் A或 A ⊂ B.
即Ａ为Ｂ 的子集。 的子集。 S
(2) 若 P ( A1 A2 L An−1 ) > 0 ,则有 则有
广 东 工 大 学
上页
P( A A LA ) = P(A )P(A | A )P( A | A A )LP( A | A A LA −1) 业 1 2 n 1 2 1 3 1 2 n 1 2 n
下页
返回
七、全概率公式 的样本空间， 为 的事件 B 的事件， 设S为E的样本空间，A为E的事件， 1 , B2 ,L, Bn 为S的一个 为 的样本空间 的一个 划分， 划分，且 P ( Bi ) > 0( i = 1,2,L n), 则有 P ( A) = P ( B1 ) P ( A | B1 ) + P ( B2 ) P ( A | B2 ) + L + P ( Bn ) P ( A | Bn ) 八、贝叶斯公式 设B1 , B2 ,L, Bn满足下面条件 (1) Bi B j = φ , i ≠ j; i , j = 1,2,L, n (2) B1 + B2 + L + Bn = S 且 P ( Bk ) > 0 ( k = 1,2,L, n), 则对任一具有正概率的事件Ａ,有 有
广 东 工 业 大 学
返回
P(Bk | A) =
P(Bk )P( A| Bk )
n i=1
∑P(Bi )P(A| Bi )
贝叶斯公式
上页
下页
九、事件的独立性
、 1、定义 对事件 A、B，若 、 P(AB)=P(A)P(B)
是相互统计独立的 简称独立的。 统计独立的， 简称独立 独立的 则称事件 A与事件 B是相互统计独立的， 定理1 若 P ( A) > 0 ，则事件 A 与 B 独立的充分必要条件是 定理 P ( B | A) = P ( B ) 或( P ( B ) > 0) P ( A | B ) = P ( A) 定理2 独立，则下面三对事件均独立： 定理 若事件 A与事件 B 独立，则下面三对事件均独立：
A 与 B， A 与 B ， A 与 B
上页
广 东 工 业 大 学
下页
返回
2、三个事件的独立性 、 定义3 若事件A 定义 若事件 ，B，C 满足下面三个条件 P ( AB ) = P ( A) P ( B ) P ( BC ) = P ( B ) P (C ) P ( AC ) = P ( A) P (C ) 则称三个事件A，B，C 是两两独立的。 是两两独立的。 则称三个事件 若A，B，C 还满足 P ( ABC ) = P ( A) P ( B ) P (C ) 则称此三事件A 是相互独立的。 则称此三事件 ，B，C 是相互独立的。
广 东 工 业 大 学
上页
P( A U A ULU A UL = P( A ) + P( A ) +L+ P( A ) +L ) 1 2 k 1 2 k
下页
返回
2、概率的性质 、 （1） P (Φ ) = 0 ） 两两不相容， （2）有限可加性 若 A1 , A2 ,L , An两两不相容，则有 ）
A U B =｛Ａ发生或Ｂ发生｝= {ω | ω ∈ A, 或ω ∈ B } 发生｝
A B
AUB
互斥， 若Ａ与Ｂ互斥，常将 A U B 简记为 A + B .
广 东 工 业 大 学
上页
下页
返回
9、事件的差(Difference of events) 事件的差(Difference “事件A发生，但事件B不发生”为一事件，称为A与B的差， 事件A发生，但事件B不发生”为一事件，称为A 的差， 记为A − B . A − B = { A发生且 不发生} = {ω | ω ∈ A且ω ∉ B } 发生且B A− B A
广 东 工 业 大 学
上页
下页
返回
四、几何概型 如果一个试验具有以下两个特点： 如果一个试验具有以下两个特点： 样本空间S是一个大小可以计量的几何区域 如线段、 是一个大小可以计量的几何区域（ 1、样本空间 是一个大小可以计量的几何区域（如线段、 平面、立体）； 平面、立体）； 2、向区域内任意投一点，落在区域内任意点处都是“等可 、向区域内任意投一点，落在区域内任意点处都是“ 能的” 能的”。 那么，事件 的概率由下式计算 的概率由下式计算： 那么，事件A的概率由下式计算：
A
Ｂ为Ａ的对立事件，当且仅当 的对立事件，
(1)AB = φ (2)A+ B = S
上页
广 东 工 业 大 学
下页
返回
11、 11、事件间的运算法则 （1）交换律： A U B = B U A ）交换律：
AI B = B I A
（2）结合律： ( A U B ) U C = A U ( B U C ) ）结合律：
上页
广 东 工 业 大 学
B A
下页
返回
6、事件的积(Product of events) 事件的积(Product “二事件Ａ，Ｂ同时发生”也是一个事件，称为事件Ａ 同时发生”也是一个事件， 的积事件（交事件）。 A ）。记为 与事件Ｂ的积事件（交事件）。记为 I B .
A I B =｛Ａ发生且Ｂ发生｝= {ω | ω ∈ A, 且ω ∈ B } 发生｝
（9）加法公式的推广（任意 个的情形） 个的情形） ）加法公式的推广（任意n个的情形 对n 个事件 A1 , A2 ,L, An , 有 P ( A1 U A2 U L U An ) = ∑ P ( Ai ) −
i =1 n 1≤ i < j ≤ n
∑ P ( Ai A j )
广 东 工 业 大 学
AIB
A B
简记为AB 简记为
广 东 工 业 大 学
上页
下页
返回
7、互不相容（互斥）事件(Incompatible events) 互不相容（互斥）事件(Incompatible
如果A 如果 A 、 B 不能在同一次试验同时发生 ， 则称 A 、 B 为 不能在同一次试验同时发生， 则称A 互不相容事件(或称A 互斥） 互不相容事件(或称A、B互斥）。 互斥， 为不可能事件， 若事件Ａ与Ｂ互斥， AB为不可能事件，即AB = φ. 则 为不可能事件
B
S
广 东 工 业 大 学
上页
下页
返回
10、 对立事件(Opposite 10、 对立事件(Opposite events) “事件Ａ不发生”是一个事件，称为Ａ的对立事件（或 不发生”是一个事件， 对立事件（ 逆事件）， 逆事件）， A. 记为 A = { A 不发生 } = {ω | ω ∈ S且ω ∉ A} = S − A A
A与 互 ⇔ AB = φ B 斥
互不相容事 件的关系
广 东
A
B
两两互斥：若一些事件中任意两个都互斥， 两两互斥：若一些事件中任意两个都互斥，则称这些事件是 两两互斥的。 两两互斥的。
上页
工 业 大 学
下页
返回
8、事件的并（和）(Union of events) 事件的并（ “二事件Ａ，Ｂ至少发生一个”也是一个事件，称为 至少发生一个”也是一个事件， 的并事件（和事件）。 A ）。记为 事件Ａ与事件Ｂ的并事件（和事件）。记为 U B .
A的 测度 P ( A) = Ω的 测度
上页
广 东 工 业 大 学
下页
返回
五、条件概率 定义1 定义 对事件A, B,若 P ( A) > 0, 则称 若 A发生的条件 发生的条件 件下B发生的 件下 发生的 条件概率
P( AB) P(B| A) = P(A)
为事件B在条件 发生 下的条件概率 为事件 在条件A[发生 下的条件概率 在条件 发生]下的条件概率. 六、乘法定理 若P ( A) > 0, 则有 P( AB) = P( A)P(B| A) 若P ( B ) > 0, 则有 P( AB) = P(B)P( A| B)
P( A U A ULU A ) = P( A ) + P( A ) +L+ P( A ) 1 2 n 1 2 n
有 （3）若 ⊂ B,则 P(B− A) = P(B) − P( A), 且有P ( B ) ≥ P ( A). ） A
（4） 减法公式 对任意两事件A,B，有 对任意两事件A,B， P(B− A) = P(B) − P( AB) （5）对任意事件 ，有 0 ≤ P ( A) ≤ 1 ）对任意事件A， （6）对任意事件A, 有 P ( A) = 1 − P ( A) 对任意事件 , （7）加法公式 对任意两事件 、B有 对任意两事件A、 有 P( AUB) = P( A) + P(B) − P( AB).
广 东 工 业 大 学
上页
下页
返回
六、乘法定理 若P ( A) > 0, 则有 P( AB) = P( A)P(B| A) 若P ( B ) > 0, 则有 P( AB) = P(B)P( A| B) 乘法定理的推广: 乘法定理的推广 (1) 若P(AB)>0,则有 则有