第一章、概率论复习与补充
概率论与数理统计复习汇总
第二章:随机变量及其相关内容
基本概念:随机变量、分布律、概率密度、分布函数 随机变量:设随机试验的样本空间为 S = {e}, X = X (e) 是定义在样本空间 S 上的
实值单值函数,称 X = X (e) 为随机变量. ( 样本点到数的对应法则) 随机变量的分类:离散型随机变量和连续型随机变量(基于 r.v. 的取值类型) 离散型随机变量 取值为有限个或者无限可列个的随机变量 分布律 若 r.v. X 的取值为 x1, x2 , , xn , 对应概率值为 p1, p2 , , pn , ,即
(1) 任取一件产品为次品的概率是多少? (2) 已知取得的产品为次品,求此次品来自甲厂生产的概率是多少? 2. 人们为了了解一支股票未来一定时期内价格的变化,往往会去分析影响股票 价格的基本因素,比如利率的变化. 现假设人们经分析评估知利率下降的概率为 60%,利率不变的概率为 40%.根据经验,人们估计,在利率下调的情况下,该
一个划分.或者 B1, B2 , , Bn 为一个完备事件组.
全概率公式:设设 S 为随机试验 E 的样本空间, B1, B2, , Bn 为一个完备事件组,
则有 P( A) = P(B1)P( A B1) + P(B2 )P( A B2 ) + + P(Bn )P( A Bn )
Bi 称为原因, A 称为结果;全概率公式由原因找结果; 贝叶斯公式: 由结果找造成的原因
运算规律:德摩根律 AB = A ∪ B; A ∪ B = AB
加法原理: n1 + n2 + + nm (分类),乘法原理: n1 ⋅ n2 ⋅ ⋅ nm (分步)
概率论与数理统计数学第一章复习
概率论与数理统计数学第一章复习第一章概率论的基本概念一、随机试验概率论中将满足下列三个特点的实验称为随机试验,通常用E或E1,E2…来表示,这三个特点是:1.试验可在相同的条件下重复进行;2.每次试验的可能结果不止一个,但所有的结果是明确可知的;3.进行一次试验之前不能确定哪一个结果会出现。
二、样本空间随机试验E的所有可能结果组成的集合称为E的样本空间,记做S。
样本空间的元素,即E的每个结果,称为样本点。
三、随机事件1.试验E的样本空间S的子集,即试验满足某些条件的可能结果称为E的随机事件。
在每次试验中,当且仅当事件中的一个样本点出现时,称这个事件发生。
2.由一个样本点组成的单点集称为基本事件,由多于一个样本点组成的集合称复合事件。
3.E和空集?都是E的子集,它们分别称为必然事件和不可能事件。
四、事件间的关系1.若BA?,则称事件B包含事件A,这指的是事件A发生必导致事件B 发生。
若BB?,即A=B,则称事件A与事件B相等。
A?且A2.事件BA ={x | x∈A或x∈B}称为事件A与事件B的和事件。
当且仅当A,B中至少有一个发生时,事件BA 发生。
3.事件BA ={x | x∈A且x∈B}称为事件A与事件B的积事件。
当且仅当A,B同时发生时,事件BA 也记作AB。
A 发生。
B4.事件A—B=={x | x∈A且x?B}称为事件A与事件B的差事件。
当且仅当A发生,B不发生时事件A—B发生。
5.若BA =?,则称事件A与事件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BA =?,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A =S且B对立事件。
这指的是对每次试验而言,事件A、B中必有一个发生,且仅有一个发生。
A 的对立事件记作A,A=S-A。
五、事件的运算1.交换律:A∪B=B∪A,A∩B=B∩A2.结合律:(A∪B)∪C =A∪(B∪C),(A∩B)∩C =A∩(B∩C)=ABC3.分配律:A(B∪C)=AB∪AC, A∪(BC)=(A∪B)(A∪C)4.德摩根律:A B=A B, AB=A∪B5.吸收律:A∩(A∪B)=A, A∪(A∩B)=A6.双重否定律:A=A7.排中律:A∪A=Ω,A∩A=?8.差积转换律:A-B=A B六、频率1.在相同的条件下进行的n次试验中,事件A发生的次数n A称为事件A发生的频数,比值nA /n称为事件A 发生的频率,并记成fn(A)。
概率论与数理统计(经管类)复习要点 第1章 随机事件与概率
第一章随机事件与概率1. 从发生的必然性角度区分,现象分为确定性现象和随机现象。
随机现象:在一定条件下,可能出现这样的结果,也可能出现那样的结果,预先无法断言。
统计规律性:在大量重复试验或观察中所呈现的固有规律性。
概率论与数理统计就是研究和揭示随机现象统计规律的一门数学学科,随机现象是概率论与数理统计的主要对象。
(1)概率论:从数量上研究随机现象的统计规律性的科学。
(2)数理统计:从应用角度研究处理随机性数据,建立有效的统计方法,进行统计推理。
2. (1)试验的可重复性——可在相同条件下重复进行;(2)一次试验结果的随机性——一次试验之前无法确定具体是哪种结果出现,但能确定所有的可能结果;(3)全部试验结果的可知性——所有可能的结果是预先可知的。
在概率论中,将具有上述三个特点的试验成为随机试验,简称试验,记作E。
样本点:试验的每一个可能出现的结果称为一个样本点,记为ω。
样本空间:试验的所有可能结果所组成的集合称为试验E的样本空间,记为Ω。
3. 在一次试验中可能出现也可能不出现的事件,统称为随机事件,记作A,B,C或A1,A2,…随机事件:样本空间Ω的任意一个子集称, 简称“事件”,记作A、B、C等。
事件发生:在一次试验中,当这一子集中的一个样本点出现时。
基本事件:样本空间Ω仅包含一个样本点ω的单点子集{ω}。
两个特殊事件:必然事件Ω、不可能事件φ样本空间Ω包含所有的样本点,它是Ω自身的子集,在每次试验中它总是发生,称为必然事件。
空集φ不包含任何样本点,它也作为样本空间Ω的子集,在每次试验中都不发生,称为不可能事件。
4. 随机事件的关系与运算(1)事件的包含与相等设A,B为两个事件,若A发生必然导致B发生,则称事件B包含A,或称事件A包含在B中,记作B⊃A,A⊂B。
①φ⊂A⊂Ω②若A⊂B且B⊂A,则称A与B相等,记作A=B。
事实上,A和B在意义上表示同一事件,或者说A和B 是同一事件的不同表述。
(2)和事件称事件“A,B中至少有一个发生”为事件A与事件B的和事件,也称为A与B的并,记作A∪B或A+B。
(完整版)概率论与数理统计第一章补充题与答案
概率论与数理统计补充习题第一章 随机事件与概率一、思考题1、概率研究的对象是什么?2、随机现象是否就是没有规律的现象?随机现象的特点是什么?3、概率是刻画什么的指标?4、概率的公理化定义的意义是什么?5、第一章的主要内容是什么?二、填空题1、填出下列事件的关系(1)、“20件产品全是合格品”与“20件产品中恰有一件是废品”为 .(2)、“20件产品全是合格品”与“20件产品中至少有一件是废品” 为 .(3)、“20件产品全是合格品”与“20件产品中至多有一件是废品” 为 .2、某人用步枪射击目标5次,i A =(第i 次击中目标 ),i B =(5次射击中击中目标i 次)(i =0,1,2,3,4,5),用文字叙述下列事件,并指出各对事件之间的关系.(1)、 51=i iA 为 . 51=i i B为 . 51=i i A 与 51=i i B 的关系为 .(2)、 52=i iA 为 . 52=i i B为 . 52=i i A 与 52=i i B 的关系为 .(3)、 21=i i A 与 53=i iA 的关系为 .(4)、 21=i iB 与 53=i i B 的关系为 .三、选择题1、下列各式中正确的有( ).(A )、A ∪B =(A-AB )∪B (B )、若A ∪C=B ∪C 则A=B(C )、若P (A )≥P (B )则A ⊃B2、若事件A 和B 互斥,且P (A )≠0,P (B )≠0,则( ).(A )、A 和B 互斥(B )、A 和B 不互斥 (C )、P (A-B )=P (A )(D )、P (A-B )=P (A )-P (B ) 3、若当事件A 和B 同时发生时,事件C 必发生,则( ).(A )、P (C )≤P (A )+P (B )-1(B )、P (C )≥P (A )+P (B )-1 (C )、P (C )=P (AB ) (D )、P (C )=P (A +B )4、设0<P (A )<1,0<P (B )<1,P (A |B )=1-P (A |B ),则事件A 和B ( ).(A )、互斥 (B )、对立 (C )、独立 (D )、不独立5、设0<P (B )<1,P [(A 1∪A 2)|B ]=P (A 1|B )+P (A 2|B ),则( ).(A )、P [(A 1∪A 2)|B ]=P (A 1|B )+P (A 2|B ) (B )、P (A 1B ∪A 2B )=P (A 1B )+P (A 2B )(C )、P (A 1∪A 2)=P (A 1|B )+P (A 2|B ) (D )、P (B )=P (A 1)P (B |A 1)+P (A 2)P (B |A 2)6、设事件A 和B 满足P (B |A )=1,则( ).(A )、A ⊃B (B )、A ⊂B (C )、P (B |A )=0 (D )、P (AB )=P (A )7、对于任意二事件A 和B ,则( ).(A )、若Φ≠AB ,则A 、B 一定独立 (B )、若Φ≠AB ,则A 、B 有可能独立(C )、若Φ=AB ,则A 、B 一定独立 (D )、若Φ=AB ,则A 、B 一定不独立8、将一枚硬币独立的掷两次,引进事件如下:=1A {第一次出现正面} =2A {第二次出现正面}=3A {正反各出现一次} =4A {正面出现两次} 则事件( ).(A )、1A 、2A 、3A 相互独立 (B )、 2A 、3A 、4A 相互独立(C )、1A 、2A 、3A 两两独立 (D )、 2A 、3A 、4A 两两独立四、计算题1、P (A )=0.5,P (B )=0.3(1)、若B ⊂A ,求P (A ∪B )、P (A |A ∪B )(2)、若A、B互斥,求P(A B)(3)、若A与B互相独立,求P(A-B)、P(A-B|B)2、设事件A和B相互独立,P(A)=0.5,P(A∪B)=0.8,计算:(1)、P(A B) (2)、P(A∪B).3、P(A)=0.4,P(A∪B)=0.8,求P(B|A).4、设10件产品中有4件是次品,从中任取两件,已知所取两件产品中有一件是次品,求另一件是合格品的概率.5、甲乙两人独立地对同一目标射击一次,其命中率分别为0.6和0.65,现已知目标被命中,求甲命中目标的概率.6、把4个球随机放入4个盒子中,求空盒子数分别为0,1,2,3的概率.7、甲、乙、丙分别有球为甲:3白2红、乙:全红、丙:红白各半,三人各随意拿出一球,然后甲从取出的球中随意取回一个,求甲的红球数增加的概率.8、在所有五位随机整数中(含以0开头的数字),任取一个整数,求下列事件的概率.(1)、恰有一个数字出现两次;(2)、最大的数字为6;(3)、五个数字恰好严格单增.9、从1,2,…,9这9个数字中,有放回地取三次,每次取一个,求下列事件的概率:(1)、A1:3个数字全不同;(2)、A2:3个数字没有偶数;(3)、A3:3个数字中最大数字为6;(4)、A4:3个数字形成一个单调(严格)数列;(5)、A5:3个数字之乘积能被10整除.10、每箱产品有10件,其次品数从0到2是等可能的,开箱检验时,从中任取一件,如果检验是次品,则认为该箱产品不合格而拒收.假设由于检验有误,一件正品被误检为次品的概率为2%,而一件次品被误检为正品的概率为5%.求一箱产品通过验收的概率.11、一个枪室里有10支枪,其中6支经过校正,命中率可达0.8,另外4支尚未校正,命中率仅为0.5.(1)、从枪室里任取一支枪,独立射击三次.求三次均命中目标的概率;(2)、从枪室里任取一支枪,射击一次,然后放回,如此连续三次,结果三次均命中目标,求取出的三支枪中有二支是校正过的概率.12.、设有来自三个地区的各10名,15名和25名的报名表.其中女生的报名表分别为3份,7份和5份.随机的取一个地区的报名表,从中先后抽出两份, 抽到哪个地区的报名表的可能性相等.求:(1)、先抽到的一份是女生表的概率p .(2)、已知后抽到的一份是男生表,求先抽到的一份是女生表的概率q .第一章补充习题答案一、思考1、答:随机现象的统计规律性.2、答:不然.随机现象具有不确定性,即试验之前不能确定哪一个事件发生.随机现象也具有确定性,即在相同条件下,随着试验的次数增多,事件A发生的频率越来越接近一个常数p,随机现象的这一性质,称为频率稳定性,也称统计规律性. 正是随机现象这一确定性,说明了一次试验时随机事件A发生的可能性大小——概率,是一定值.因此才有《概率论》.3、答:概率是测度随机事件发生的可能性大小的指标.4、答:其给出了一个指标是否有资格作为概率的评价标准.5、答:第一章首先给出了描述随机现象结果的术语:随机事件,介绍随机事件的关系与运算,使得复杂事件可以通过简单事件来描述,并为概率计算提供方便.给出了概率定义以及概率的基本关系式(性质、条件概率、乘法公式、全概与逆概公式),为概率计算打下基础.介绍了古典概型.其本身具有应用价值,也为掌握事件关系与练习概率计算搭了舞台.二、填空1、(1)、“20件产品全是合格品”与“20件产品中恰有一件是废品”为 互斥 .(2)、“20件产品全是合格品”与“20件产品中至少有一件是废品” 为 对立 .(3)、“20件产品全是合格品”与“20件产品中至多有一件是废品” 为 后者包含前者 .2、(1)、51=i i A 为 至少击中一次 . 51=i i B 为至少击中一次 . 51=i i A 与 51=i i B 的关系为 相等 .(2)、 52=i iA 为 后四次中至少击中一次 . 52=i i B 为 至少击中两次 . 52=i i A 与 52=i i B的关系为 不相等 .(3)、21=i i A 与 53=i i A 的关系为 没有必然联系 . (4)、 21=i iB 与 53=i i B 的关系为 互斥 .三、选择题1、(A )2、(C )证明 ()()()()()P A B P A AB P A P AB P A -=-=-=反例:(B ) 即B =A A =B ,A 、B 互斥、A 与B 仍互斥.(A ) A 与B 非互斥(D )P (B )≠0,显然不成立.3、(B )证明 AB C ⊂, P (AB )≤P (C )P (A+B )=P (A )+P (B )-P (AB )≤1; P (AB )≥P (A )+P (B )-1,所以P (C )≥P (A )+P (B )-1。
概率论与数理统计第一章复习课
解:A: 收到信息为 1;B:发出信息为 1
196 P( AB) P( B ) P( A B ) P( B A ) P( A ) P(B) P( A B) P(B) P( A B) 197
例 一学生接连参加同一课程的两次考试,第一次及格的概率为 p,若第一次及格则第二次及格的概率也为p;若第一次不及格则 第二次及格的概率为p/2.若已知他第二次已经及格,求他第一次 及格的概率.
解: A, B, C 分别表示甲,乙,丙三人击中目标
0.2( P ( A BC ) P ( A BC ) P ( ABC ))
0.6( P ( ABC ) P ( A BC ) P ( ABC )) P ( ABC )
0.2(0.4 0.5 0.3 0.6 0.5 0.3 0.6 0.5 0.7) 0.6(0.4 0.5 0.3 0.4 0.5 0.7 0.6 0.5 0.7) 0.4 0.5 0.7
P( A1 | A2 ) P( A1 ) P( A2 | A1 ) 2p . P( A2 ) 1 p
练习 袋中装有m只正品硬币、n只次品硬币(次 品两面均印有国徽),在袋中任取一只, 将它投掷r次,已知每次都得到国徽,问这 只硬币是正品的概率是多少?
第一章复习课
本章基础知识
1. 样本空间、随机事件的概念.
2.事件的运算:和、差、积 ;互斥事件、对立事件 .
非负性 3.概率的概念和性质: 规范性 可列可加性
4.等可能概型.
P ( AB ) 5.条件概率: P ( B A) P ( A)
6.全概率公式和贝叶斯公式
n P ( A) P ( Bi ) P ( A Bi ) i 1 P(B j )P( A B j ) P ( B j A) n P ( Bi ) P ( A Bi ) 0.21) 0.6(0.06 0.14 0.21) 0.14
随机过程复习要点教案
随机过程复习要点第一章 概率论知识补充1.随机事件体有样本空间的全体子集总共2n个组成。
1.特征函数:随机变量X 的分布函数为F(x),称()()(),itX itxg t E e e dF x t ∞-∞==-∞<<∞⎰为X 的特征函数。
()()ln X X t g t ψ=,此为第二特征函数。
离散型:()1kitx k k g t ep ∞==∑;连续型:()()itx g t e f x dx ∞-∞=⎰2特征函数的性质:注:特征函数为虚函数。
()()()()()()()()()()()()()()()()()()()()()()()()()()2'"'12n 12n 12101,1,.2-30=-0.-0;00.4....5n k k kk k k n g g t g t g t g t X g t n k n g i EX EX i g EX i g DX g g X g t g t g t g t =≤-=∞∞≤===-+==第二项为取模,第三项为取共轭。
在,一致连续;若随机变量X 的n 阶矩EX 存在,则的特征函数阶可导,且当时,有;若X X ...X 相互独立,则X +X +...+X 的特征函数为随机变量的分布函数由其特征函数唯一确定。
两者是一一对应的。
3随机变量的分布函数()F x 与特征函数g(t)是一一对应的且相互唯一确定。
如果X为连续型且特征函数g(t)j绝对可积则有:()()()()()()()()1;2.itx X itx X X X f x e g t dt g t e f x dx g t f x f x g t π∞--∞∞-∞==⎰⎰是的相差一个负号的傅氏变换;是的相差一个负号的傅氏逆变换。
4n 维正态分布:()()()1212,,..,...n n i ijij n nn XN a B X X X a a a a a B b b ⨯==维正态分布:其中 X=为均值,为正定矩阵,为协方差。
第一章概率论复习与补充
(1) pi 0 i 1,2
(2)
pi 1
i1
分布函数为
F(x) P(X x) pi
xi x
3.连续型随机变量的概念与性质
定义3: 如果对于随机变量X 的分布函数 F(x) ,存在
非负实函数 f (x) ,使得对于任意 实数 x ,
有
x
F ( x) f (t)dt,
则称 X 为连续型随机变量,其中函数 f (x) 称为X 的概率密度函数,简称密度函数.
连续型随机变量 X 由其密度函数唯一确定.
密度函数的性质:
(1) f (x) 0
(2) f (x)dx 1
(3) 对于x轴上任意区间S,有P( X S) f ( x)dx
S
(4) 对于f ( x)的连续点x,有 f ( x) F'( x)
4. 一些常用的概率分布 离散型
(1) 二项分布B(n, p)
加法公式的推广
对 任 意n 个 事 件A1 , A2 , , An , 有
P
n i 1
Ai
nห้องสมุดไป่ตู้
P
i 1
Ai
P Ai Aj P Ai Aj Ak
1 i jn
1 i jk n
1 P n1 A1 A2 An
三、条件概率与事件的独立性
1. 条件概率
定义3:设A、B是某随机试验中的两个事件,且
第一章 概率论复习与补充
概率空间 随机变量及其分布 随机变量的函数及其分布 随机变量的数字特征 大数定律与中心极限定理 特征函数
§1.1 概率空间
一、样本空间与事件域
设 E 是一个随机试验
基本事件 : E 的每一个不能再分或无需再分的可
T218概率论与数理统计复习资料ch1-11大数定律及中心极限定理
或
~ n np
近似地
N (0,1)
np(1 p
B(16,0.36)和N(5.76,3.6864)的对比:
0.25
b(16,0.36)和 N(5.76,3.6864)
0.2
0.15
0.1
0.05
0
0
2
4
6
8
10
12
14
16
B(25,0.36)和N(9,5.76)的对比:
B(300,0.25)和N(75,56.25)的对比:
P{a n b}
(b np ) (a np )
(120 120) (100 120)
npq
npq
48
48
(0) (2.887) 0.5 1 0.9981 0.4981
(2) 设至少要供给这个车间 r 千瓦电才能以99.9%的概
率保证这个车间正常生产。由题意有 P{ X r} 0.999
t2
e 2 dt
2
(以下的注解是拉普拉斯定理的实质,要领会)
定理表明:正态分布是二项分布的极限分布,即:
若 n ~ B(n, p) 当n很大,0<p<1是一个定值时 (或者说,np(1-p)也不太小时),二项变量 n
的分布近似正态分布 N(np,np(1-p)).也就是:
近似地
n ~ N (np, np(1 p))
n
定理条件,随即变量之和 X k,当n很大时,就近 k 1
似服从正态分布,这就是为什么正态分布在概率论
中所占的重要地位的一个基本原因.
德莫佛-拉普拉斯定理
ห้องสมุดไป่ตู้
(De Moivre--Laplace)
第一章 概率论的基本理论
第一章 概率论的基本理论前苏联数学家柯尔莫哥洛夫,1933年创立概率公理化体系。
⎧⎨⎩确定现象随机现象§1. 随机试验例:1E :抛一枚硬币,观察正反面出现情况; {}1,H T Ω=2E :将一枚硬币抛三次,观察正反面出现情况;{}2,,,,,,,HHH HHT HTH THH HTT THT TTH TTT Ω=3E :抛两颗色子,观察出现点数和; {}32,3,4,,12Ω=4E :在一批灯管中任取一只,测试它的寿命; {}40t t Ω=≥ 5E :将一尺之棰折成三段,观察各段长度;(){}5,,0,0,0,1x y z x y z x y z Ω=>>>++=特点:()()()123⎧⎪⎨⎪⎩试验可以在相同条件下重复进行;试验结果具有多种可能性,但能事先知道所有可能结果;进行试验前不能确定哪一结果出现。
满足上述特点的试验称之为随机试验,通过随机试验来研究随机现象。
§2. 样本空间 随机事件一、 样本空间随机试验E 的所有可能结果组成的集合,称为E 的样本空间。
样本空间通常用S 或Ω来表示。
(见上节)样本空间的元素——样本点。
二、 随机事件样本空间S 的子集——随机事件(事件),用,,A B C 表示;基本事件,必然事件,不可能事件。
事件A 发生⇔A 中有一样本点出现。
例1、 2E 2S1A :第一次出现H {}1,,,A H H H H H T H T H HT T = 2A :三个均出现T {}2A T T T =三、 事件间关系与事件的运算E S ,A B k A S ⊂1. A B ⊂ 事件B 包含事件A A 发生导致B 发生 A B =⇔A ⊂B 且B A ⊂。
2. A B ⋃1nk k A =1k k A ∞=3. A B A B ⋂1nk k A =1k k A ∞=4. A B A B -=5. A B ⋂=∅ ,A B 不相容,互斥6. A B S ⋃=且A B ⋂=∅——,A B 互逆,或对立事件 A B = A S A =- 算律同集合论例 设,,A B C 表示三个随机事件:○1 A 出现,,B C 都不出现 ABC ○2 ,A B 都出现,C 不出现 ABC ○3 三个事件均出现 ABC ○4 三个事件至少有一个出现 A B C ⋃⋃ ○5 三个事件均不出现 A B C ○6 不多于一个事件出现 ABC ABC ABC ABC 或AB BC AC○7 不多于两个事件出现 ABC ABC ABC ABC ABC ABC ABC or ABC ○8 三个事件至少有两个出现 ABC ABCABCABC○9 ,A B 至少有一个出现,C 不出现 ()A B C +⋅ ○10 ,,A B C 中恰好有两个出现 ABC ABC ABC§3. 频率与概率一、 排列、组合复习1. 不可重复排列(不放回) ()()()()!121!rn n A n n n n r n r =---+=-2. 可重复排列 (放回)n 个不同元素取r 个(未必不同)组成的排列种数 rn 3. 不可重复组合rnC n r ⎛⎫ ⎪⎝⎭4. 乘法原理、加法原理二、 频率1、E, n 次,A, A n()An n f A n=2、性质11121.0()12()13()()()()n n k n k n n n k f A f S A A f A A f A f A f A ≤≤⎧⎪=⎨⎪⎩=++……、、均不相容………… 例1, P8 例2, P9可见,n 逐渐增大-------()n f A 逐渐趋于一个常数-------------------频率稳定性-------- 统计规律性------- 概率(事件发生可能性的) -----------------概率定义三、 概率 Probability1. 定义: E S A E ⊂ 实数()P A 满足:()()()()()()()1210213,,,,,n i j P A P S A A A i j A A ⎧≥⎪⎪=⎨⎪≠⋅=∅⎪⎩非负性规范性设两两互不相容,即:时则()()()()1212nn P A A A P A P A P A =++++(可列可加性)则称P 为概率,()P A 为事件A 的概率。
概率论与数理统计第一章期末复习
概率论与数理统计第一章期末复习(一)随机事件1.随机现象定义1在一定的条件下,并不总是出现相同结果的现象称为随机现象.定义2只有一个结果的现象称为确定性现象.2.样本空间定义3一个试验如果满足下述条件:(1)试验可以在相同的情形下重复进行;(2)试验的所有可能结果是明确可知的,并且不止一个;(3)每次试验总是恰好出现这些可能结果中的一个,但在一次试验之前却不能肯定这次试验会出现哪一个结果.就称这样的试验是一个随机试验,记作E.定义4随机试验E的所有可能结果组成的集合称为E的样本空间,记作Ω.样本空间的元素,即E的每个结果,称为样本点,记作ω.3.随机事件定义5随机试验的某些样本点的集合称为随机事件,简称事件,常用大写英文字母A,B,C,…表示.定义6由样本空间Ω中的单个元素组成的子集称为基本事件.而样本空间Ω的最大子集(即Ω本身)称为必然事件,样本空间Ω的最小子集(即空集∅)称为不可能事件.4.事件的关系与运算下面的讨论总是假设在同一个样本空间Ω中进行.1)包含关系⊂如果属于A的样本点必属于B,则称A包含于B或称B包含A,记作A B ⊃.用概率的语言说:事件A发生必然导致事件B发生.或B A对任一事件A,必有∅Ω⊂A.⊂2)相等关系如果属于A的样本点必属于B,且属于B的样本点必属于A,即BA⊂且=.AB⊂,则称事件A与B相等,记作A B3)互不相容(互斥)如果A 与B 没有相同的样本点,则称A 与B 互不相容(互斥).即事件A 与事件B 不可能同时发生.4)两事件的和事件“事件A 与B 中至少有一个发生”,这样的一个事件称作事件A 与B 的和(或并),记作B A .5)两事件的积事件“事件A 与B 同时发生”,这样的一个事件称作事件A 与B 的积(或交),记作B A (或AB ).6)两事件的差事件“事件A 发生而B 不发生”,这样的事件称为事件A 对B 的差,记作A B -.7)对立事件或逆事件若=AB ∅且Ω=B A ,则称A 与B 为对立事件或互为逆事件,事件A 的对立事件记作A .【例1】设A 、B 、C 是Ω中的随机事件,则(1)事件{A 发生且B 与C 至少有一个发生}可表示为:)(C B A ;(2)事件{A 与B 发生而C 不发生}可表示为:C AB ;(3)事件{A 、B 、C 中至少有两个发生}可表示为:BC AC AB ;(4)事件{A 、B 、C 中至多有两个发生}可表示为:ABC ;(5)事件{A 、B 、C 中不多于一个发生}可表示为:AB BC AC ;(6)事件{A 、B 、C 中恰有一个发生}可表示为:ABC ABC ABC .【例2】关系()成立,则事件A 与B 为对立事件.A .=AB ∅B .Ω=B AC .=AB ∅,Ω=B AD .=AB ∅,Ω≠B A 【解析】由对立事件的概念可知选项C 正确.【例3】甲、乙两人谈判,设事件A ,B 分别表示甲、乙无诚意,则B A 表示()A .两人都无诚意B .两人都有诚意C .两人至少有一人无诚意D .两人至少有一人有诚意【解析】由题可知A 与B 分别表示甲、乙有诚意,则B A 表示甲、乙两人至少有一人有诚意,故选项D 正确.5.事件的运算性质(1)交换律:A B B A =,BA AB =;(2)结合律:C B A C B A )()(=,)()(BC A C AB =;(3)分配律:()()()A B C AB AC = ,()()()A B C A C B C = ;(4)对偶律:B A B A = ,B A AB =.一些有用的等式:A A A = ,A Ω=Ω ,A A ∅= AA A =,A A Ω=,A ∅=∅A B A AB AB -=-=,A B A B A =【例4】化简下列各式:(1)))((B A B A ;(2)))((C B B A ;(3)))((B A B A B A .【解】(1) A B B A B A B A ==)())((ØA =;(2)AC B C A B C B B A ==)())((;(3)))(())((B A B B A B A B A B A =AB AB A A B A A === )(.(二)随机事件的概率1.概率的公理化定义定义1设E 是随机试验,Ω是它的样本空间.对于E 的每一事件A 赋予一个实数,记为)(A P ,称为事件A 的概率,如果集合函数)(⋅P 满足下列条件:(1)非负性0)(≥A P ,对Ω∈A ;(2)规范性()1P Ω=;(3)可列可加性若=j i A A ∅,j i ≠, ,2,1,=j i ,有∑+∞=+∞==11)()(i i i i A P A P .2.概率的性质性质1不可能事件的概率为0,即()0P ∅=.性质2概率具有有限可加性,即若=j i A A ∅(n j i ≤<≤1),则∑===ni i n i i A P A P 11)()( .性质3对任一随机事件A ,有()1()P A P A =-.性质4若A B ⊂,则)()()(B P A P B A P -=-.推论若A B ⊂,则)()(B P A P ≥.性质5对任意的两个事件A ,B ,有)()()(AB P A P B A P -=-.性质6对任意的两个事件A ,B ,有()()()()P A B P A P B P AB =+- .对任意三个事件A ,B ,C ,有)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++= .推论对任意的两个事件A ,B ,有)()()(B P A P B A P +≤ .【例1】设A 与B 互不相容,且0)(>A P ,0)(>B P ,则下列结论正确的是()A .A 与B 为对立事件B .A 与B 互不相容C .)()()(B P A P B A P -=-D .)()(A P B A P =-【解析】因为A 与B 互不相容,所以AB =∅,0)(=AB P ,故选项A :互不相容不一定对立,故选项A 错误;选项B :互不相容不一定对立,故B A 不一定等于Ω,所以B A B A =不一定等于∅,即A 与B 不一定互不相容,故选项B 错误;选项C :)()()()(A P AB P A P B A P =-=-,故选项C 错误,进而选项D 正确.【例2】已知B A ⊂,3.0)(=A P ,5.0)(=B P ,求(A P ,)(AB P ,)(B A P 和)(B A P .【解】(1)7.0)(1)(=-=A P A P ;(2)∵B A ⊂,∴A AB =,则3.0)()(==A P AB P ;(3)2.0)()()()(=-=-=AB P B P A B P B A P ;(4))(1()(B A P B A P B A P -==5.0)]()()([1=-+-=AB P B P A P .【注】事件的概率的计算常常需要结合对偶律,应用性质3.【例3】已知事件A ,B ,B A 的概率分别是0.4,0.3,0.6,求(B A P .【解】)()()()(AB P B P A P B A P -+= )(3.04.06.0AB P -+=所以1.0)(=AB P ,则3.0)()()((=-=-=AB P A P B A P B A P .【例4】已知41)()()(===C P B P A P ,0)(=AB P ,161)()(==BC P AC P .求:(1)A ,B ,C 中至少发生一个的概率;(2)A ,B ,C 都不发生的概率.【解】(1)因为0)(=AB P ,且AB ABC ⊂,所以由概率的单调性知0)(=ABC P ;再由加法公式,得A ,B ,C 中至少发生一个的概率为)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++= 8516243=-=.(2)因为{A ,B ,C 都不发生}的对立事件为{A ,B ,C 中至少发生一个},所以A ,B ,C 都不发生的概率为83851(=-=C B A P .3.古典概型定义2若随机试验E 具有下述特征:(1)样本空间的元素(即样本点)只有有限个,不妨设为n 个,并记它们为12,,,n ωωω .(2)每个样本点出现的可能性相等(等可能性),即有12()()()n P P P ωωω=== .则称这种等可能性的概率模型为古典概型.对任意一个随机事件Ω∈A ,有nk A A P =Ω=中所有样本点的个数所含有样本点的个数事件)(.【例5】袋中有大小相同的4个白球,3个黑球,从中任取3个至少有2个白球的概率为.【解析】袋中共有7个球,从中任取3个,共有37C 中取法,即样本空间Ω中共有37C 个样本点.取出的3个球中至少有2个白球,分为2个白球1个黑球和3个白球两种情况.当取出的3个球中有2个白球1个黑球时,共有1324C C 中取法;当取出的3个球中有3个白球时,共有0334C C 中取法.记=A {从中任取3个至少有2个白球},则事件A 中共有03341324C C C C +个样本点.因此3522)(3703341324=+=C C C C C A P .(三)条件概率1.条件概率定义1设A 与B 是样本空间Ω中的两个事件,若0)(>B P ,则称)()()(B P AB P B A P =为“在事件B 发生条件下事件A 发生的条件概率”,简称条件概率.【例1】已知31)()(==B P A P ,61)(=B A P ,求(B A P .【解】∵61)()()(==B P AB P B A P ,∴181)(=AB P ,)(1)()()()(B P B A P B P B A P B A P -== )(1)]()()([1B P AB P B P A P --+-=127=.【注】条件概率的计算通常与概率的性质结合使用.【技巧】在计算过程中,只要有概率的性质可以用,就一直用概率的性质计算,直到没有概率的性质可用时,对得到的式子进行化简整理,代入已知数据计算.2.乘法公式定理1(乘法公式)(1)若0)(>B P ,则)()()(B A P B P AB P =.(2)若0)(121>-n A A A P ,则)()()()()(12121312121-=n n n A A A A P A A A P A A P A P A A A P .【例2】一批零件共100个,次品率为10%,每次从其中任取一个零件,取出的零件不再放回,求第三次才取得合格品的概率.【解】设=i A {第i 次取得合格品},3,2,1=i .由题意知,所求概率为)(321A A A P ,易知10010)(1=A P ,999)(12=A A P ,9890)(213=A A A P .由此得)()()()(213121321A A A P A A P A P A A A P =0083.0989099910010≈⋅⋅=.3.全概率公式定义2设Ω为试验E 的样本空间,1B ,2B ,…,n B 为E 的一组事件.如果=j i B B ∅,j i ≠,n j i ,,2,1, =且Ω=n B B B 21,则称1B ,2B ,…,n B 为样本空间Ω的一个划分.定理2(全概率公式)设1B ,2B ,…,n B 为样本空间Ω的一个划分,若0)(>i B P ,n i ,,2,1 =,则对任一事件A 有)()()(1i ni i B A P B P A P ∑==.4.贝叶斯公式定理3(贝叶斯公式)设1B ,2B ,…,n B 为样本空间Ω的一个划分,若0)(>A P ,0)(>i B P ,n i ,,2,1 =,则∑==n i j j i i i B A P B P B A P B P A B P 1)()()()()(,n i ,,2,1 =.【例3】一批同型号的零件由编号为Ⅰ、Ⅱ、Ⅲ的三台机器共同生产,各台机器生产的零件占这批零件的比例分别为35%、40%和25%,各台机器生产的零件的次品率分别为3%、2%和1%.(1)求该批零件的次品率;(2)现从该批零件中抽到一颗次品,试问这颗零件由Ⅰ号机器生产的概率是多少?【解】设=A {零件是次品},=1B {零件由Ⅰ号机器生产},=2B {零件由Ⅱ号机器生产},=3B {零件由Ⅲ号机器生产},则由题设知35.0)(1=B P ,4.0)(2=B P ,25.0)(3=B P ,03.0)(1=B A P ,02.0)(2=B A P ,01.0)(3=B A P .(1)题目要求的是)(A P ,由全概率公式,得∑==31)()()(i i i B A P B P A P 021.0=.(2)题目要求的是)(1A B P ,由贝叶斯公式,得21)|()()|()()(31111==∑=i i i B A P B P B A P B P A B P .【例4】有甲、乙、丙三厂同时生产某种产品.甲、乙、丙三厂的产量之比为1:1:3,次品率分别为4%,3%,2%.(1)若从一批产品中随机抽出一件,求这件产品为次品的概率.(2)若产品的售后部门接到一名顾客投诉,说其购买的产品为次品,请问哪个厂最该为此事负责,为什么?【解】设=A {产品为次品},=1B {产品由甲厂生产},=2B {产品由乙厂生产},=3B {产品由丙厂生产},则由题设知,2.0)(1=B P ,2.0)(2=B P ,6.0)(3=B P ,04.0)(1=B A P ,03.0)(2=B A P ,02.0)(3=B A P .(1)题目要求的是)(A P ,由全概率公式,得∑==31)()()(i i i B A P B P A P 026.0=.(2)由贝叶斯公式,得134)|()()|()()(31111==∑=i i i B A P B P B A P B P A B P ,133)|()()|()()(31222==∑=i i i B A P B P B A P B P A B P ,136)|()()|()()(31333==∑=i i i B A P B P B A P B P A B P .所以在产品为次品的情况下,产品来自丙厂的可能性最大,丙厂最该负责.【注】全概率公式与贝叶斯公式通常一起考试.(四)独立性1.两个事件的独立性定义1若)()()(B P A P AB P =成立,则称事件A 与事件B 相互独立,简称A 与B 独立.否则称A 与B 不独立或相依.定理1若事件A 与B 独立,则A 与B 独立;A 与B 独立;A 与B 独立.【例1】甲、乙两人彼此独立的向同一个目标射击,甲击中目标的概率为0.9,乙击中目标的概率为0.8,求目标被击中的概率.【解】设=A {甲击中目标},=B {乙击中目标},则=B A {目标被击中}.则)()()()(AB P B P A P B A P -+= )()()()(B P A P B P A P -+=98.0=.【例2】若事件A 与B 相互独立,8.0)(=A P ,6.0)(=B P ,求:)(B A P 和)|(B A A P .【解】∵A 与B 相互独立,∴)()()()(AB P B P A P B A P -+= )()()()(B P A P B P A P -+=92.0=.)())(()|(B A P B A A P B A A P =)()()()()(B A P B P A P B A P B A P ==13.0=.【例3】设)()(B A P B A P =,证明:A 与B 相互独立.【证】因为)()(B A P B A P =,所以有)(1)()()(1)()()()()(B P AB P A P B P B A P B P B A P B P AB P --=--==,即有)]()()[()](1)[(AB P A P B P B P AB P -=-,整理得)()()(B P A P AB P =,所以A 与B 相互独立.2.多个事件的相互独立性定义2设A ,B ,C 是三个事件,若有⎪⎩⎪⎨⎧===)()()()()()()()()(C P B P BC P C P A P AC P B P A P AB P (1)第11页共11页则称A ,B ,C 两两独立.若还有)()()()(C P B P A P ABC P =,(2)则称A ,B ,C 相互独立.注意:只有(1)式与(2)式同时成立,事件A ,B ,C 才相互独立.(1)式成立不能保证(2)式成立;反过来,(2)式成立也不能保证(1)式成立.定义3设有n 个事件1A ,2A ,…,n A ,对任意的n k j i ≤<<<≤ 1,若以下等式均成立⎪⎪⎩⎪⎪⎨⎧===)()()()()()()()()()()(2121n n k j i k j i j i j i A P A P A P A A A P A P A P A P A A A P A P A P A A P 则称此n 个事件1A ,2A ,…,n A 相互独立.定理2如果n (2≥n )个事件1A ,2A ,…,n A 相互独立,则其中任何m (n m ≤≤1)个事件换成相应的对立事件,形成的n 个新的事件仍相互独立.【例4】三人独立地去破译一份密码,已知各人能译出的概率分别为51,31,41,问三人中至少有一人能将此密码译出的概率是多少?【解】设A ,B ,C 分别表示三人独立译出密码,则51)(=A P ,31)(=B P ,41)(=C P ,且A ,B ,C 相互独立,有方法1:)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++= )()()()()()()()()()()()(C P B P A P C P B P C P A P B P A P C P B P A P +---++=6.0=.方法2:)(1)(C B A P C B A P -=(1C B A P -=()()(1C P B P A P -=53411)(311)(511(1=----=.。
概率论与数理统计第1-3章复习资料
其中λ = n P 例2:在例1的试验中,求: (1)A=“点数和为奇数的概率”; (2)B=“点数不同的概率” 例3:某产品40件,其中有次品3件。现从其中任取3件, 求下列事件的概率: (1)A=“3件中恰有2件次品”;(111/9880) (2)B=“ 3件中至少有1件次品”(633/2964)
xi R , i 1 , , n , n 元函数
F ( x1 ,, xn ) P( X 1 x1 ,, X n xn ) ( 是 X 1 ,, X n ) 的分布函数。
(1)’
注:r, v 取值的规律称 r, v 的分布,分布函数是描 述 r, v 的概分布的主要方法之一。 (二)分布函数的性质: 一维:1、有界性:0 F ( X ) 1
m 4、由公式 P( A) 进行计算 n
(二)几何概型 所求概率为: P(A)=[A所包含的区域度量] / [样本空间的度量] (三)条件概率及其全概率公式 1、条件概率:若P(B) >0,则
P( A B) P( AB) P( B)
2、全概率公式 如果B1,…,Bn为一完备事件组,即满足: (1) B1,…,Bn两两不相容i=1, …,n;
例4:一盒装有10只晶体管,其中有4只次品,6只正品,随 机地抽取 1只测试,直到4只次品晶体管都找到。求最后 一只次品晶体管在下列情况发现的概率: (1)A=“在第 5 次测试发现”。(2/105) (2)B=“在第10次测试发现”。(2/5) 例5:将编号1,2,3的三本书任意地排列在书架上,求事件 A=“至少有一本书自左到右的排列顺序号与它的编号相同” 的概率。 例6:五个乒乓球,其中三个旧球,二个新球,每次取一个, 共取两次,以有放回和无放回两种方式求下列事件的概率: (1)A=“两次都取到新球”; (2)B=“第一次取到新球,第二次取到旧球”; (3)C=“至少有一次取到新球”。
复习 第1章
(5) P( AB) = P( A) P(B).
(6) P ( AB ) = P ( A)P (B )
P (BC ) = P (B )P (C ) A ,B,C 相互独立 P ( AC ) = P ( A)P (C ) P( ABC) = P( A)P(B)P(C)
(7)若随机事件 A 与 B 相互独立,则 相互独立, ) 也相互独立. A 与B、 与B、 与B 也相互独立 A A 是相互独立的事件, (8)若 A 1 , A 2 ,L A n是相互独立的事件,则 )
《概率论与数理统计》课程总结 概率论与数理统计》 第一章主要内容及要求: 第一章主要内容及要求:
1)熟练掌握事件的关系与运算法则:包含、交、 )熟练掌握事件的关系与运算法则:包含、 互不相容、对立等关系和德摩根定律。 并、差、互不相容、对立等关系和德摩根定律。会 用事件的关系表示随机事件。 用事件的关系表示随机事件。
P(A U A ULU A ) = 1 2 n
= 1− P(A A LA )= 1− P(A )P(A )LP(A ) 1 2 n 1 2 n
第一章 概率论的基本概念
为三个随机事件, 例1 设 A, B, C 为三个随机事件,用A, B, C 的运 算关系表示下列各事件. 算关系表示下列各事件 (1)A 发生 ) 发生.
P ( A) = P (BC ) = 1 − P BC = 1 − P (B U C )
5n 8n 4n = 1− − + 9n 9n 9n
( ) = 1 − [P (B ) + P (C ) − P (B C )]
第一章 概率论的基本概念
袋中有10个黑球 个黑球, 个白球 个白球. 例 4 袋中有 个黑球,5个白球.现掷一枚均匀的 骰子,掷出几点就从袋中取出几个球. 骰子,掷出几点就从袋中取出几个球.若已知取 出的球全是白球,求掷出3点的概率 点的概率. 出的球全是白球,求掷出 点的概率. 解 设B={ 取出的球全是白球 }
《概率论与数理统计》复习-知识归纳整理
《概率论与数理统计》复习大纲第一章 随机事件与概率基本概念随机试验E----指试验可在相同条件下重复举行,试验的结果具有多种可能性(每次试验有且仅有一个结果闪现,且事先知道试验可能闪现的一切结果,但不能预知每次试验确实切结果。
样本点ω ---随机试验E的每一具可能闪现的结果样本空间Ω----随机试验E的样本点的全体随机事件-----由样本空间中的若干个样本点组成的集合,即随机事件是样本空间的一具子集。
必然事件---每次试验中必然发生的事件。
不可能事件∅--每次试验中一定不发生的事件。
事件之间的关系包含A⊂B相等A=B对立事件,也称A的逆事件互斥事件AB=∅也称不相容事件A,B相互独立P(AB)=P(A)P(B)例1事件A,B互为对立事件等价于( D )A、A,B互不相容B、A,B相互独立C、A∪B=ΩD、A,B构成对样本空间的一具剖分例2设P(A)=0,B为任一事件,则(C )A、A=∅B、A⊂BC、A与B相互独立D、A与B互不相容事件之间的运算事件的交AB或A ∩B 例1设事件A、B满足A B¯=∅,由此推导不出(D)A、A⊂BB、A¯⊃B¯C、A B=BD、A B=B例2若事件B与A满足B – A=B,则一定有(B)A、A=∅B、AB=∅C、AB¯=∅D、B=A¯事件的并A∪B事件的差A-B 注意:A-B= A B= A-AB = (A∪B)-BA1,A2,…,An构成Ω的一具完备事件组(或分斥)−−指A1,A2,…,An两两互不相容,且∪i=1nAi=Ω运算法则交换律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=(AC)∪(BC) (A∩B)∪C=(A∪C)∩(B∪C) 对偶律A∪B=A∩B A∩B=A∪B文氏图事件与集合论的对应关系表记号概率论集合论Ω样本空间,必然事件全集∅不可能事件空集ω基本事件元素A 事件全集中的一具子集A A的对立事件A的补集A⊂B 事件A发生导致事件B发生A是B的子集A=B 事件A与事件B相等A与B相等A∪B 事件A与事件B至少有一具发生A与B的并集AB 事件A与事件B并且发生A与B的交集知识归纳整理A-B事件A 发生但事件B 不发生A 与B 的差集 AB=∅ 事件A 与事件B 互不相容(互斥) A 与B 没有相同的元素古典概型 古典概型的前提是Ω={ω1,ω2, ω3,…, ωn ,}, n 为有限正整数,且每个样本点ωi 出现的可能性相等。
第一章概率论的补充知识
第一章概率论的补充知识第一章概率论的补充知识本章扼要地复习概率论中某些基本概念,并补充条件期望和n 维正态分布等内容,为学习随机过程作准备.§1 概率空间设Ω是某随机试验的所有可能结果组成的集合. Ω称为样本空间或基本事件空间,Ω中的元素ω称为样本点或基本事件,Ω的子集A 称为事件,样本空间Ω也是一个事件,称为必然事件,空集φ称为不可能事件.因为事件是集合,所以集合的运算(并、交、差、上极限、下极限. 极限等)都适用于事件.在实际问题中,我们不是对所有的事件(样本空间Ω的所有子集)都感兴趣,而是关心某些事件(Ω的某些子集)及其发生的可能性大小(概率). 这样,便导致波雷尔(Borel )域F 和F 上的概率的概念.定义1 设Ω是一个集合,F 是由Ω的某些子集组成的集合族. 如果 1)Ω∈F2)若A ∈F ,则\cA A Ω∈ F 3)若,1,2,n A n ∈= F ,则1n n A ∞=∈ F则称F 为Borel 域或σ-代数. (,)ΩF 称为可测空间. F 中的集合称为随机事件,简称事件.由定义易知:4)φ∈F5)若,A B ∈F ,则\A B ∈F 6)若,1,2,i A i ∈= F ,则111niiii i i A A A ∞===∈ F定义2 设(,)ΩF 是可测空间,()P ?是定义在F 上的实值函数. 如果1),()0,()1A P A P ?∈≥Ω=F2),,,1,2,i i j A A A i j j φ?∈=≠= F ,则11()i i i i P A P A ∞∞==??= ∑ 则称P 是(,)ΩF 上的概率,(,,)P ΩF 称为概率空间,()P A 为A 的概率. ()P A 的直观意义表示事件A 发生的可能性大小. 为方便起见,今后总假设()P ?是完全的,即对任意,()0A B P B ?∈=F ,则A ∈F . 由定义易知: 3)()0P φ=4)若,,A B A B ∈?F ,则(\)()()P B A P B P A =-从而,概率具有单调性和零概集的子集是零概集.5)设,1,2,n A n ∈= F ,则121121lim ,lim lim ,nn n k n n n n n k A A A A A A A →∞=→∞→∞=?=定义3 设(,,)P ΩF 是概率空间,?G F ,如果对任意12,,,,1,2,n A A A n ∈= G ,有1()()i i i i P A P A ∞∞===∏则称G 是独立事件族.例1.1 将一枚硬币依次掷无穷多次,这时,样本空间Ω由“正面”和“反面”组成的所有可能序列. 若以1表示出现正面,0表示出现反面,那么12{(,,,):01,1,2,}n n n ωωωωωΩ==== 或F 可取Ω的一切子集组成的集合族. 151570{:1,0,0,1}A ωωωωω=====表示第一次出现正面,第5次出现反面,第15次出现反面,第70次出现正面这一事件. 如果投掷是独立进行的,那么151570()(:1,0,0,1)P A P ωωωωω=====151570(:1)(:0)(:0)(:1)P P P P ωωωωωωωω=====411()216==§2 随机变量和概率分布随机变量是概率论的主要研究对象. 随机变量是依赖于试验结果或样本点ω的函数()X X ω=. 每次试验之后,随时机变量取一个值或在直线上取定一个点,描述随机变量的概率分布函数.定义4 设(,,)P ΩF 是概率空间. ()X X ω=是定义在Ω上的实函数,如果对于任意函数x 、{:()}X x ωω≤∈F ,则称X 是F —随机变量. 而称(){:()},F x P X x x ωω=≤-∞<<∞为()X X ω=的分布函数.根据概率的性质,不难证明随机变量的分布函数()F x 具有下列性质. 1)()F x 是单调不减函数. 2)()F x 是右连续函数. 3)lim ()0,lim ()1x x F x F x →-∞→∞可以证明,定义在(,)R =-∞∞上的实值函数()F x ,若具有上述性质1)~3),必存在概率空间(,,)P ΩF 及其上的随机变量()X X ω=,其分布函数是()F x . 在应用中,常见的随机变量有两种类型:离散型随机变量和连续型随机变量. 离散型随机变量()X X ω=的概率分布可用分布列描述:(:())1,2,k k p P X x k ωω===这时,()X X ω=的分布函数()k k x xF x p ≤=∑常见的离散型随机变量有二项分布,泊松分布,几何分布等(见表1.1)连续型随机变量()X X ω=的概率分布用分布密度()f x 描述,这时,()X X ω=的分布函数()()d x F x f t t -∞=?常见的连续型随机变量有均匀分布、指数分布、正态分布等(见表1.1)表1.1下面考虑n 维随机变量及其概率分布. n 维随机变量是依赖于试验结果或样本点ω的向量随函数1()(()())n X X X X ωωω== . 每次试验之后,X 取n 维向量1()n x x x = 或n 维空间n R 中一点. n 维向量1()(()())n X X X X ωωω== 可以看成n R 中的随机点. 描述n 维随机变量的概率分布用联合分布函数.定义5 设(,,)P ΩF 是概率空间,1()[()()]n X X X X ωωω== 是定义在Ω上在n 维空间n R 中取值的向量函数. 如果对于任意1()n n x x x R =∈ ,11{:(),,X x ωω≤ ()}n n X x ω≤∈F ,则称1()(()())n X X X X ωωω== 为n 维随机变量或n 维随机向量,而称111()(,,){:(),,()}n n n F x F x x P X x X x ωωω==≤≤1()n n x x x R =∈为X 的联合分布函数.根据概率的性质,不难证明n 维随机变量1()[()()]n X X X X ωωω== 的联合分布函数1()(,,)n F x F x x = 具有下列性质.1)对于每个变元1(1,,),()(,,)i n x i n F x F x x == 是单调不减函数, 2)对于每个变元1(1,,),()(,,)i n x i n F x F x x == 是右连续的. 3)对于nR 中任意区间11(,](,;;,]n n a b a b a b =11111(,,)(,,,,,,)nn i i i n i F b b F b b a b b -+=-∑1111,1(,,,,,,,,,,)ni i i j j j n i j i ja b b a b b -+-=<+∑1(1)(,,)0n n F a a +-≥ 4)111,,lim (,,)0,1,2,,lim (,,)1n n x n x x F x x i n F x x →-∞→∞===可以证明,对于定义在nR 上有上述性质1)~4)的实函数1()(,,)n F x F x x = ,必存在概率空间(,,)P ΩF 及其上的n 维随机变量1()[()()]n X X X X ωωω== ,其联合分布函数为1()(,,)n F x F x x = .对于n 维随机变量,在应用中常见的也是有两种类型:离散型和连续型.若随机向量1()(()())n X X X X ωωω== 的每个分量()(1,,)i X i n ω= 都是离散型随机变量,则称X 是离散型随机向量.对于离散型随机向量1()(()())n X X X X ωωω== 也是用分布列描述它的概率分布.1,,11{:(),,()}n x x n n p P X x X x ωωω===其中i i x I ∈,i I 是离散集,1,2,,i n = . 这时,1()[()()]n X X X X ωωω== 的联合分布函数11,,11,,(,,),()n i i n n x x n x y i nF y y p y y R ≤==∈∑若存在定义在nR 上的非负函数1()(,,)n f x f x x = ,对于任意1()n n y y y R =∈ ,随机向量1()(()())n X X X X ωωω== 的联合分布函数 1111()(,,) (,,)n y y n n n F y F y y f x x dx dx -∞-∞则称X 是连续型随机向量,1()(,,)n f x f x x = 称为X 的联合分布密度.若将随机变量的概率分布看成总质量为1的质量分布,那么,随机变量的分布函数就是质量分布函数,分布密度就是质量分布密度,分布列就是质点系的质量分布. 在这种看法下,随机点落在任一区域的概率就是该区域的质量.设随机点12()(()())X X X X ωωω==的联合分布函数12()(,)F x F x x =,那么X 落在微分区间111222(,](,;,]x x dx x x dx x x dx +=++的概率11112222{:(),()}P x X x dx x X x dx ωωω<≤+<<+112212211212(,)(,)(,)(,)F x dx x dx F x x dx F x dx x F x x =++-+-++12(,)dF x x于是,12(()())X X X ωω=落在平面上的区域D 的概率1212{:(()())}(,)P X X dF x x ωωω∈=??DD若12(()())X X X ωω=有联合分布密度12()(,)f x f x x =,那么,121212(,)(,)dF x x f x x dx dx =,所以121212{:(()())}(,)P X X f x x dx dx ωωω∈=??DD一般地,若1()(()())n X X X X ωωω== 的联合分布函数1()(,,)n F x F x x = . 记11111(,,){:(),,()}n n n n n dF x x P x X x dx x X x dx ωωω<≤+<≤+那么,1(()())n X X X ωω= X 落在nR 中的区域V 的概率11{:(()())}(,,)n V n P X X V dF x x ωωω∈=??若1()(()())n X X X X ωωω== 有联合分布密度1()(,,)n f x f x x = ,那么111(,,)(,,)n n nd F x x f x x d x d x=. 所以111{:(()())}(,,)n V n n P X X V f x x dx dx ωωω∈=??例1.2 设二维随机变量1(()())X X X ωω=度合分布布密度 2212121211()(,)exp{()},,22f x f x x x x x x π==-+-∞<<∞求随机变量 1)1Y =2)212arg()Y X X = 3)12()YY =Y 的分布密度.解 1)设1Y 的分布密度为11()p y . 显然,当10y ≤时,11()0p y =. 当10y >时1111111111(){:}{:}p y dy P y Y y dy P y y dy ωω=<≤+=<+2211221111122y y e y dy y edy ππ--==所以21211111,0()0,0y y e y p y y -??>=??≤?2)设2Y 的分布密度为22()p y . 当202y π≤≤时,22222(){:p y dy P y Y ω=<≤22}y dy +=21222{:arg(,)}P y X X y dy ω<≤+222201122r e rdrdy dy ππ-∞==?当20y <或22y π>时,显然22(0)p y =,所以222102,()20,y p y ππ≤≤?=其他3)设12()YY =Y 的联合分布密度为12(,)p y y ,那么,当120,02y y π>≤≤时,121211112222(,){:}p y y dy dy P y Y y dy y Y y dy ω=<≤+<≤+ 1121222{:,arg(,)}P y y dy y X X y dy ω=<+<≤+21211212yy e dy dy π-=当10y ≤或2[0,2]y π∈时,显然,12(,)0p y y =. 所以212112121,0,02(,)20,y y e y y p y y ππ-??>≤≤=其他定义6 设(){(),}i X X X t T ωω==∈是一族随机变量,如果对于任意2n ≥和11,,,,,n n t t T x x R ∈∈ ,有111{:(),()}{:()}n i ni i n i i i P X x x x P X x ωωωωω=≤≤=≤∏ (1.1)则称{(),}i X t T ω∈是独立的.若1{(),}X X t T ω=∈是一族离散型随机变量,式(1.1)等价于111{:,,}{:}n i n ni i n i i i P X x x x P X x ωω=====∏式中,i x 是i i X 的任意可能值,1,2,,i n = .若{(),}i X X t T ω=∈是一族连续型随机变量,式(1.1)等价于111(,,)()n i ni i n i i i f x x f x ==∏其中11,,,n n i i i i f f f 分别是11(,),,,n n i i i i X X X X 的分布密度.独立性是概率论中的重要概念,可以说概率论或随机过程中任何重要的结果都是在这种或那种独立性假设中得到的. 在实际问题中,判断一族随机变量或一族随机事件是否独立,通常是根据直观的想法. 若它们之间有什么关系,就可以认为它们是独立的. 例1.3 在例1.1中的1Y 、2Y 是独立的.例1.4 设i X 表示某电话交换台在[0,]t 时间段接到的呼唤次数,则随机变量族{,0}t X X t =≥不是独立的. 若k T 表示第1k -次呼唤与第k 次呼唤的时间隔,那么可以认为随机变量族{,1,2,}k T k = 是独立的.§3 随机变量的数字表征分布函数是随机变量概率分布的完整描述,但是找出随机变量的分布函数不是容易的事. 另一方面,在实际问题中描述随机变量的概率特征,不一定需要找出它的分布函数,往往只需要找出描述随机变量概率特征的几个表征值就够了. 定义7 设随机变量X 的分布函数为()F x ,||()x dF x ∞-∞<∞?,则称()EX xdF x ∞-∞为X 的数学期望或均值.若X 是离散型随机变量,分布列{}0,1,2,k k p P X x k ===这时k k k EX x p ∞==∑若X 是连续型随机变量,分布密度()f x ,这时()EX xf x dx ∞-∞=?若将随机变量的概率分布量看成总质量为1的质量分布,那么随机变量的数学期望正好是质量分布中心. 下面给出的随机变量的方差,在力学中相当于惯性矩. 定义8 设X 是随机变量,若2EX <∞,则称2()x D E X EX - 为X 的方差. 方差表示随机变量取值的疏散程度.定义9 设X 、Y 是随机变量,22,EX EY <∞<∞,则称[()()]XY B E X EX Y EY -- 为X 、Y 的协方差,而XY ρ为X 、Y 的相关系数.若0XY ρ=,则称、X Y 是不相关的.相关系数XY ρ表示X 、Y 之间的线性相关程度的大小.两个随机变量不相关与独立,在数学上是不同的,但在实际问题中很难区别.定理 1 设1()[()()]n X X X X ωωω== 是n 维随机变量,联合分布函数,1()(,,)n F x F x x = . 1()(,,)n g x g x x = 是n 元连续函数,则111(,,)(,,)(,,)n n n Eg X X g x x dF x x ∞∞-∞-∞=?证记1()n Y g X X = ,那么12(,,)()Eg X X EY yP y Y y dy ∞-∞==<≤+?1((,,))n yP y g X X y dy ∞-∞=<≤+?记11{(,,):(,,)}n n V x x y g x x y dy =<≤+ ,那么1111(,,)(,,)(,,)(,,)n n n n V VEg X X y dF x x g x x dF x x ∞∞-∞-∞==?111(,,)(,,)(,,)n n n g x x yd g x x dF x x ∞-∞≤=??111(,,)(,,)(,,)n n n g x x g x x dF x x ≤∞=?11(,,)(,,)n n g x x dF x x ∞∞-∞-∞=根据定理1,若X 的分布函数为()F x ,那么22()()()x D E X EX x EX dF x ∞-∞=-=-?当X 是离散型随机变量,分布列(),0,1,k k p P X x k ===则20()x k k k D x EX p ∞==-∑当X 是连续型随机变量,分布密度为()f x ,则2()()x D x EX f x dx ∞-∞=-?若X 、Y 的联合分布函数为(,)F x y ,那么()()(,)XY B x EX y EY dF x y ∞∞-∞-∞=--?当X 、Y 是离散型随机变量,分布列(,),,0,1,2,ij i j p P X x Y y i j ====那么,()()XY i j ij i jB x EX y EY p =--∑当X 、Y 是连续型随机变量,联合分布密度为(,)f x y ,那么()()(,)XY B x EX y EY f x y dxdy ∞∞-∞-∞=--?随机变量的数学期望和方差有如下的性质.1)()E aX bY aEX bEY +=+,其中a 、b 是常数. 2)若X 、Y 独立,则()E XY EXEY =3)若X 、Y 独立,则22()D aX bY a DX b DY +=+,其中a 、b 是常数. 4)(Schwarz 不等式)若22,EX EY <∞<∞,则222()EXY EX EY ≤ 5)(单调收敛定理)若0n X X ≤↑,则lim n n EX EX →∞=6)(Fatou 引理)或0n X ≥,则(lim )lim ()lim (lim )n n n n n n n n E X E X EX E X →∞→∞→∞→∞≤≤≤1)、2)、3)由定理1易得,5)、6)的证明需要测度论的知识. 我们只证4). 对于任意t ,令2222()()2()u t E tX Y t EX tE XY EY =-=-+ 因()0u t ≥,所以,()0u t =的判别式小于或等于0. 故222()EXY EX EY ≤§4 特征函数、母函数和拉氏变换随机变量的分布函数是其概率分布的完整描述. 但分布函数一般来说不具有连续性、可微性等良好的分析性质. 这给利用分布函数研究随机变量带来困难. 本节引入随机变量的特征函数、母函数、拉氏变换,它们既能完整地描述随机变量的概率分布,又有良好的分析性质.定义10 设随机变量X 的分布函数为()F x ,则称()()(),iiXiix g t E e e dF x t ∞-∞=-∞<<∞?为X 的特征函数.特征函数()g t 是实变量t 的复值函数. 由于||1iixe =,所以,随机变量的特征函数永远存在.当X 是离散型随机变量,分布列(),0,1,2,k k p p X x k ===则()iix k k g t e p ∞==∑当X 是连续型随机变量,分布密度为()f x ,则()()iix g t e f x dx ∞-∞=?随机变量的特征函数()g t 具有下列性质. 1)(0)1;|()|1;()()g g t g t g t =≤-=. 2)()g t 在(,)-∞∞上一致连续.3)若随机变量X 的n 阶矩nEX 存在,那么X 的特征函数()g t 可微分n 次,且当k n ≤时,有()(0)k k k g i EX =.4)()g t 是非负定的. 即对任意正整数n 及任意实数1,,n t t 及复数1,,n z z ,有,1()0nl kl k k l g tt z z =-≥∑5)设12,,,n X X X 是独立随机变量,则1n X X X =+ 的特征函数1()()()n g t g t g t =式中,()k g t 是k X 的特征函数,1,2,,k n = .6)随机变量的分布函数由其特征函数唯一确定.7)令X 的特征函数为()g t ,b aX Y +=,则Y 的特征函数为)()(at g e t g ibtY =我们只证4)和5).(),1,1()()k l nni t t x e l k e k k k l k l g t t z z e dF x z z ∞--∞==-=∑∑?(),1()xk l ni t t l k k l e dF x z z ∞--∞==∑?21||()0xk nit k k e z dF x ∞-∞==≥∑?所以,()g t 是非负定的.因1,,n X X 相互独立,那么1,,n itX itX ee 也相互独立,所以11()()()n n it X X itX itX itX g t Ee Ee E e e ++===11()()n itX itXn Ee Ee g t g t ==对于n 维随机变量亦可以定义特征函数.定义11 设1()n X X X = 是n 维随机变量,则称()g t 1(,,)itX n g t t Ee '===1,nk kk it X Ee =∑1()n n t t t R =∈为X 的特征函数.若1()n X X X = 的联合分布函数为1()(,,)n F x F x x = ,那么X 的特征函数11()(,,)nk kk it X n g t g t t Ee =∑==11()1(,,)n n i t x t x n e dF x x ∞∞++-∞-∞=特别,若1(,)n X X X = 是连续型n 维随机变量,随着合分布密度1()(,,)n f x f x x = ,那么x 的特征函数11()111()(,,)(,,)n n i t x t x n n n g t g t t e f x x dx dx ∞∞++-∞-∞==?n 维随机变量的特征函数有类似于一维随机变量的特征函数的性质. 特别,n 维随机变量的联合分布函数与其特征函数是一一对应的. 若1()n X X X = 的n 个分量独立,那么111(,,)()()n n n g t t g t g t = ,其中()k k g t 是k X 的特征函数,1,2,,k n = . 因为特征函数有良好的分析性质,今后,n 维随机变量(特别是连续型的n 维随机变量)的概率特征,我们通常用特征函数描述. 常见的随机变量的特征函数见表1.1.研究非负整数值随机变量,母函数是有力工具. 定义12 设X 是非负整数值随机变量,分别列(),0,1,2,k p P X k k ===则称()()kk k k P s E s p s ∞==∑为X 的母函数.由于1kk p∞==∑,所以()P s 在||1s ≤绝对收敛.母函数具有下列性质.1)非负整数值随机变量X 的分布列由其母函数唯一确定. 2)设()P s 是X 的母函数,若EX 存在,则(1)E X P '= (1.2)若DX 存在,则2(1)(1)[(1)]D X P P P ''''=+-(1.3) 3)独立随机变量之和的母函数等于和的母函数之积.4)随机个独立同分布随机变量之和的母函数等于原来两个母函数的复合. 即若12,,,N X X 是独立非负整数值随机变量,且12,,X X 同分布,则1 Nk k Y X ==∑的母函数()(())H s G P s = (1.4)式中的()G s 、()P s 分别是N 、1X 的母函数. 证 1)01(),0,1,nkk kk k k n P s p sp s n ∞==+=+=∑∑于是()1()!(1)()n kn kk n P s n p k k k n p s ∞=+=+--∑令0s =,有()(0)!n n P n p =,故()(0) !n n P p n =,0,1,2,n = . 2)由0()kk k P s p s∞==∑,所以11()k kk P s kp s∞-='=∑,令10s →→,得1(1)kk EX kpP ∞='==∑.同理可证2(1)(1)[(1)]DX P P P ''''=+- 3)易证. 4)0 ()()(,{})kkk k l H s P Y k s P Y k N l s∞∞∞========∑∑00()(|)kk l P N l P Y k N l s∞∞======∑∑001()()lk jl k j P N l P xk s ∞∞======∑∑∑()[()][()]ll P N l P s G P s ∞====∑由公式(1.2)和式(1.4)易得1EY ENEX = (1.5)式(1.5)在应用中是很重要的. 例如N 表示某棵果树的花朵数,k X 表示第k 朵花结果数,1,2,k = ,则1Nkk Y X==∑为该果树结果数. 由式(1.5),该果树平均结果数1EY ENEX =. 又如N 表示某段时间商店的顾客人数,k X 表示第k 个顾客购买商品的金额,1,2,k = ,则1Nkk Y X==∑为这段时间商店的营业额,由公式(1.5),该商店在这段时间平均营业额1EY ENEX =.常见的非负整数值随机变量的母函数见表1.1.研究非负值随机变量的概率分布,利用拉低变换较方便. 定义13 设非负值随机变量X 的分布函数为()F x ,则称()(),Re 0sX xs L s Ee e dF x s ∞--==>?为X 的拉普拉斯-斯梯尔吉斯(Laplace-Stieltjes )变换,简记L-S 变换。
《概率论与数理统计》第一章知识点
第一章随机事件及概率1.1随机事件1.1.1随机试验一、人在实际生活中会遇到两类现象:1.确定性现象:在一定条件下实现与之其结果。
2.随机现象(偶然现象):在一定条件下事先无法预知其结果的现象。
二、随机试验满足条件:1.实验可以在相同条件写可以重复进行;(可重复性)2.事先的所有可能结果是事先明确可知的;(可观察性)3.每次实验之前不能确定哪一个结果一定会出现。
(不确定性)1.1.2样本空间1.样本点:每次随机试验E 的每一个可能的结果,称为随机试验的一个样本点,用w 表示。
2.样本空间:随机试验E 的所有样本点组成的集合成为试验E 的样本空间。
1.1.3随机事件1.随机事件:一随机事件中可能发生也可能不发生的事件称为试验的随机事件。
2.基本事件:试验的每一可能的结果称为基本事件。
一个样本点w 组成的单点集{w}就是随机试验的基本事件。
3.必然事件:每次实验中必然发生的事件称为必然事件。
用Ω表示。
样本空间是必然事件。
4.不可能事件:每次试验中不可能发生的事件称为不可能事件,用空集符号表示。
1.1.4事件之间的关系和运算1.事件的包含及相等“如果事件A 发生必然导致事件B 发生”,则称事件B 包含事件A ,也称事件A 是B 的子事件,记作A B B A ⊃⊂或。
2.事件的和(并⋃)“事件A 与B 中至少有一个事件发生”,这样的事件称为事件A 与B 的和事件,记作B A 。
3.事件的积(交⋂)“事件A 与B 同时发生”,这样的事件称作事件A 与B 的积(或交)事件,记作AB B A 或 。
4.事件的差“事件A 发生而事件B 不发生”,这样的事件称为事件A 与B 的差事件,记作A-B 。
5.事件互不相容(互斥事件)“事件A 与事件B 不能同时发生”,也就是说,AB 是一个不可能事件,即=AB 空集,即此时称事件A 与事件B 是互不相容的(或互斥的)6.对立事件“若A 是一个事件,令A A -Ω=,称A 是A 的对立事件,或称为事件A 的逆事件”事件A 与事件A 满足关系:=A A 空集,Ω=A A 对立事件一定是互斥事件;互斥事件不一定是对立事件。
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1.A ⊂B(事件B 包含事件A )事件A 发生必然导致事件B 发生.2.A∪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 I Y = B A B A Y I = 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P(A),称为事件A 的概率. (1)非负性 P(A)≥0 ; (2)归一性或规范性 P(S)=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,…),P(A 1∪A 2∪…)=P( A 1)+P(A 2)+… 2.性质(1) P(?) = 0 , 注意: A 为不可能事件 P(A)=0 . (2)有限可加性 对于n 个两两互不相容的事件A 1,A 2,…,A n ,P(A 1∪A 2∪…∪A n )=P(A 1)+P(A 2)+…+P(A n ) (有限可加性与可列可加性合称加法定理) (3)若A ⊂B, 则P(A)≤P(B), P(B-A)=P(B)-P(A) . (4)对于任一事件A, P(A)≤1, P(A)=1-P(A) .(5)广义加法定理 对于任意二事件A,B ,P(A ∪B)=P(A)+P(B)-P(AB) . 对于任意n 个事件A 1,A 2,…,A n…+(-1)n-1P(A 1A 2…A n )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={e 1,e 2,…,e n };(2)每一个基本事件的概率相等,即P(e 1)=P(e 2)=…= P(e n ).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 P(A)=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P(B|A)=P(AB) / P(A) ( P(A)>0).2.乘法定理 P(AB)=P(A) P (B|A) (P(A)>0); P(AB)=P(B) P (A|B) (P(B)>0). P(A 1A 2…A n )=P(A 1)P(A 2|A 1)P(A 3|A 1A 2)…P(A n |A 1A 2…A n-1) (n ≥2, P(A 1A 2…A n-1) > 0)3. 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P(B i )>0时,有全概率公式 P(A)=()()i ni i B A P B P ∑=1当P(A)>0, P(B 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P(AB) = P(A) P(B)时,称A,B 为相互独立的事件. (1)两个事件A,B 相互独立? P(B)= 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P(AB) =P(A) P(B), P(AC)= P(A) P(C), P(BC)= P(B) P(C),称A,B,C 三事件两两相互独立. 若再满足P(ABC) =P(A) P(B) P(C),则称A,B,C 三事件相互独立.3.n 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 ΛΛ2121=,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F(x)=P{X ≤x} , x 是任意实数. 其性质为:(1)0≤F(x)≤1 ,F(-∞)=0,F(∞)=1. (2)F(x)单调不减,即若x 1<x 2 ,则 F(x 1)≤F(x 2). (3)F(x)右连续,即F(x+0)=F(x). (4)P{x 1<X≤x 2}=F(x 2)-F(x 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 F(x)=∑≤xX k k P 为阶梯函数,它在x=x k (k=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(1)X~(0-1)分布 P{X=1}= p ,P{X=0}=1–p (0<p<1) .(2)X~b(n,p)参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1(k=0,1,2,…,n) (0<p<1) (3))X~?(?)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F(x)可以表示成某一非负函数f(x)的积分F(x)=()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 f(x)≥0 ; (2)归一性 ⎰∞∞-dx x f )(=1 ;(3) P{x 1<X ≤x 2}=⎰21)(x x 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(1)X ~U (a,b) 区间(a,b)上的均匀分布 ⎩⎨⎧=-0)(1a b x f 其它b x a << .(2)X 服从参数为?的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 (?>0).(3)X~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-Φ(x) .若X ~N ((?,?2), 则Z=σμ-X ~N (0,1), P{x 1<X ≤x 2}=Φ(σμ-2x )-Φ(σμ-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g(x k ) (k=1,2,…)的值全不相等,则由上表立得Y=g(X)的分布律.若g(x 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=g(X)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=g(X)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{g(X)≤y}=()()dx x f ky X k∑⎰∆其中Δk (y)是与g(X)≤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,其概率密度为 ()()()()⎩⎨⎧'=0y h y h f y f X Y 其它βα<<y其中h(y)是g(x)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F(x,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(1)F(x,y)分别关于x 和y 单调不减.(2)0≤F(x,y)≤1 , F(x,- ?)=0, F(-?,y)=0, F(-?,-?)=0, F(?,?)=1 .(3) F(x,y)关于每个变量都是右连续的,即 F(x+0,y)= F(x,y), F(x,y+0)= F(x,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}= F(x 2,y 2)- F(x 2,y 1)- F(x 1,y 2)+ F(x 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 jij p 1 . 3. (X,Y)的(X 和Y 的联合)分布函数F(x,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F(x,y)=⎰⎰∞-∞-yxdudv v u f ),( 则称(X,Y)为二维连续型随机变量,称f(x,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 (?,y)2.二维离散型随机变量(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 ·j ( j =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F(x,y)= F X (x) F Y (y) ,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 (x)f 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=y j }>0,则称,}{},{jj i j j i p p y Y P y Y x X P •=====P{X=x i |Y=y j }为在Y= y j 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=x i }>0,则称P{Y=y j |X=x i } 为在X=x i 条件下随机变量Y 的条件分布律.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)E(X) ∑∞=1i i i p x (级数绝对收敛) ⎰∞∞-dx x xf )((积分绝对收敛)方差D(X)=E{[X-E(X)]2} []∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=E(X 2)-[E(X)]2 (级数绝对收敛) (积分绝对收敛) 函数数学期望E(Y)=E[g(X)] i 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)=√D(X) . 二.数学期望与方差的性质1. c 为为任意常数时, E(c) = c , E(cX) = cE(X) , D(c) = 0 , D (cX) = c 2 D(X) .2.X,Y 为任意随机变量时, E (X ±Y)=E(X)±E(Y) .3. X 与Y 相互独立时, E(XY)=E(X)E(Y) , D(X ±Y)=D(X)+D(Y) .4. D(X) = 0 ⇔ P{X = C}=1 ,C 为常数.三.六种重要分布的数学期望和方差 E(X) D(X) 1.X~ (0-1)分布P{X=1}= p (0<p<1) p p (1- p) 2.X~ b (n,p) (0<p<1) n p n p (1- p) 3.X~ ?(?) ? ?,}{},{•=====i ji i j i p p x X P y Y x X P4.X~ U(a,b) (a+b)/2 (b-a) 2/125.X 服从参数为?的指数分布 ? ?26.X~ N (?,?2) ? ?2 四.矩的概念随机变量X 的k 阶(原点)矩E(X k ) k=1,2,… 随机变量X 的k 阶中心矩E{[X-E(X)] k }随机变量X 和Y 的k+l 阶混合矩E(X k Y l ) l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{[X-E(X)] k [Y-E(Y)] 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 iX 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∑-==ni k i k X X n B 1)(1( k=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 ) = E(X) , D (X ) = D(X) / n . 特别,若X~ N (?,?2 ) ,则 X ~ N (?, ?2 /n) .2.?2分布 (1)定义 若X ~N (0,1) ,则Y =∑=ni i X 12~ ?2(n)自由度为n 的?2分布.(2)性质 ①若Y~ ?2(n),则E(Y) = n , D(Y) = 2n .②若Y 1~ ?2(n 1) Y 2~ ?2(n 2) ,则Y 1+Y 2~ ?2(n 1 + n 2). ③若X~ N (?,?2 ), 则22)1(σS n -~ ?2(n-1),且X 与S 2相互独立.(3)分位点 若Y~ ?2(n),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 ~t(n)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 12 Y~ 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 w (3)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).4.F 分布 (1)定义 若U~?2(n 1), V~ ?2(n 2), 且U,V 相互独立,则F =21n V n U ~F(n 1,n 2)自由度为(n 1,n 2)的F 分布.(2)性质(条件同3.(2)③)22212221σσS S ~F(n 1-1,n 2-1)(3)分位点 若F~ F(n 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 θθθμμθθθμμθθθμμΛΛΛ解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k μμμθθμμμθθμμμθθΛΛΛ,以样本矩A l 取代总体矩? l ( l=1,2,…,k)得到矩估计量⎪⎪⎩⎪⎪⎨⎧===∧∧∧),,,(),,,(),,,(2121222111k k k k k A A A A A A A A A ΛΛΛθθθθθθ,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p(x, ?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),,,,(),,,(θθθθθθΛΛ为似然函数.取使似然函数达到最大值的∧∧∧k θθθ,,,21Λ,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 )= E(X) , E(S 2)=D(X), E(A k )=?k =E(X 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E(X),方差D(X),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=W(X 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 n X σμ-~N (0,1) (2/ασz n X ±) ? ?2未知n S X μ-~ t (n-1) )1((2/-±n t n S X α ?2 ?未知22)1(σS n -~ ?2(n-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,σσ 22212121)(n n Y X σσμμ+--- ~ N(0,1) )(2221212n n z Y X σσα+±- 未知22221σσσ== 212111)(n n S Y X w +---μμ~t(n 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 (2)③. (2) ? 1,? 2未知, W=22212221σσS S ~ F(n 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.。
考研数学(三)概率论与数理统计第一章复习重点总结
2018考研数学(三):概率论与数理统计第一章复习重点总结一、第一章随机事件与概率1.重点:概率的定义与性质,条件概率与概率的乘法公式,事件之间的关系与运算,全概率公式与贝叶斯公式。
2.难点:随机事件的概率,乘法公式、全概率公式、Bayes公式以及对贝努利概型的事件的概率的计算。
3.常考题型事件、概率与独立性是本章给出的概率论中最基本、最重要的三个概念。
事件关系及其运算是本章的重点和难点,概率计算是本章的重点。
注意事件与概率之间的关系。
本章主要考查随机事件的关系和运算,概率的性质、条件概率和五大公式,注意事件的独立性。
近几年单独考查本章的试题相对较少,但是大多数考题中将本章的内容作为基本知识点来考查。
相当一部分考生对本章中的古典概型感到困难。
大纲只要求对古典概率和几何概率会计算一般难度的题型就可以。
考生不必可以去做这方面的难题,因为古典型概率和几何型概率毕竟不是重点。
应该将本章重点中的有关基本概念、基本理论和基本方法彻底理解和熟练掌握。
【评注】本题是典型的根据全概率公式及条件概率的解题的题型,这类题型一直都是考查的重点。
三、注意事项与线性代数一样,概率也比高数容易,花同样的时间复习概率也更为划算。
但与线代一样,概率也常常被忽视,有时甚至被忽略。
一般的数学考研参考书是按高数、线代、概率的顺序安排的,概率被放在最后,复习完高数和线代以后有可能时间所剩无多;而且因为前两部分分别占60%和20的分值,复习完以后多少会有点满足心理;这些因素都可能影响到概率的复习。
概率这门课如果有难点就应该是“记忆量大”。
在高数部分,公式、定理和性质虽然有很多,但其中相当大一部分都比较简单,还有很多可以借助理解来记忆;在线代部分,需要记忆的公式定理少,而需要通过推导相互联系来理解记忆的多,所以记忆量也不构成难点;但是在概率中,由大量的概念、公式、性质和定理需要记清楚,而且若靠推导来记这些点的话,不但难度大耗时多而且没有更多的用处(因为概率部分考试时对公式定理的内在推导过程及联系并没有什么要求,一般不会在更深的层次上出题)。
- 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)。
F x1 , y2 F x1 , y1
y y2 y1
(x1 , y2) (X, Y ) (x1 , y1) x1
(x2 , y2)
(x2 , y1) x2 x
一
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第12页共49页
随机过程(西电版)
一、概率论复习
§1 概率论复习与补充
x1 , x2 , , xn ,
并设 P X xn pn 则称上式或
n 1,
x2
p2
2,
X
P
x1
, xn , pn
p1
为离散型随机变量 X 的分布律.
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第6页共49页
随机过程(西电版)
一、概率论复习
随机过程(西电版)
§1 概率论复习与补充
§1、概率论复习与补充
一、概率论复习
二、斯蒂阶积分 三、随机变量的特征函数 四、条件数学期望 五、n维正态随机向量 54所教育学院
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第1页共49页
随机过程(西电版)
一、概率论复习
§1 概率论复习与补充
(x, y) (X, Y )
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第11页共49页
随机过程(西电版)
一、概率论复习
y1 Y y2
§1 概率论复习与补充
设:x1 x2 ,y1 y2 , 则
Px1 X x2 ,
F x2 , y2 F x2 , y1
机动 目录 上页 下页 返回 结束
第19页共49页
随机过程(西电版)
一、概率论复习
§1 概率论复习与补充
13、边缘概率密度
FX ( x) P( X x) F ( x,) x f (u , v) dv du 可以看出为连续型随机变量 相应概率密度为 ,
一
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第14页共49页
随机过程(西电版)
一、概率论复习
§1 概率论复习与补充
10、边缘分布函数 设( X , Y )的联合分布函数为 ( x, y),则X和Y的分布 F
函数为
FX ( x) P( X x) P( X x, Y ) lim F ( x, y ) F ( x, )
f X ( x) F ( x) f ( x, y)dy
' X
同理fY ( y) f ( x, y)dx
称f X ( x)、fY ( y)为关于X、Y的边缘概率密度 .
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第20页共49页
随机过程(西电版)
(3) F (x , y )=F(x+0,y), F (x , y )=F(x ,y+0), 即 F (x , y )关于 x 右连续,关于 y 也右连续.
(4) F ( x2 , y2 ) F ( x2 , y1 ) F ( x1 , y1 ) F ( x1 , y2 ) 0.
y y2 y1 (x1 , y2) (X, Y ) (x1 , y1) x1 (x2 , y1) x2 x (x2 , y2)
同理FY ( y ) lim F ( x, y ) F ( , y )
x
y
称FX ( x)、FY ( y)为( X , Y )关于X、Y的边缘分布函数 .
若( X , Y )为离散型随机变量 其分布律为 ,
Pij P X xi , Y y j
2013年7月14日星期日
9、分布函数具有以下的基本性质:
(1)F(x,y)是变量 x , y 的不减函数,即 F 对于任意固定的 y , 当 x1< x2时, ( x1 , y) F ( x2 , y); F 对于任意固定的 x , 当 y1< y2时, ( x1 , y) F ( x2 , y); (2) 0 F ( x, y ) 1, 且
P{x1 X x2 } P{ X x2 } P{ X x1} F ( x2 ) F ( x1 ).
x2 x
第8页共49页
机动 目录 上页 下页 返回 结束
一 x1
随机过程(西电版)
一、概率论复习
x
§1 概率论复习与补充
6.连续型随机变量的概率密度
则称随机变量X为连续型随机变量。
i
j
P j P y j P( X xi , Y y j ) pij Y .
i
( j 1,2, , n)为二维随机变量( X , Y )关于Y的边缘 分布律.
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第16页共49页
随机过程(西电版)
Z g ( x, y)
§1 概率论复习与补充
若 ( X , Y ) 是二维随机变量, g ( x, y ) 是二元连续函数,
若 ( X , Y ) 的概率密度为 f ( x, y) ,
且
g(x, y) f (x, y)dxdy绝对收敛,
则:EZ=
g ( x, y) f ( x, y)dxdy 。
机动 目录 上页 下页 返回 结束
d 若x为f ( x)的连续点, 则 F ( x) f ( x) 0 dx
2013年7月14日星期日
随机过程(西电版)
一、概率论复习
§1 概率论复习与补充
7、多维随机变量的定义
设X()X 2 (), , X n ()是定义同一样本空间 上 , S 1
若x R ,有F ( x) f (t )dt, 其中f ( x) 0
1
由定义知道,概率密度 f(x) 具有以下性质:
(1)
(2)
f ( x) 0.
(3) P( x1 X x2 ) f ( x)dx
x1
f (x)
x2
f ( x)dx 1.
1 x
第9页共49页
机动 目录 上页 下页 返回 结束
i,j 1, 2,
第15页共49页
随机过程(西电版)
一、概率论复习
j
§1 概率论复习与补充
则Pi. PX xi PX xi , Y y j pij
则称Pi (i 1,2, , n)为二维随机变量( X , Y )关于X的 边缘分布律,同样地称
第2页共49页
随机过程(西电版)
一、概率论复习
§1 概率论复习与补充
(2)设连续型随机变量 X 的概率密度为 f (x) , 若积分 xf ( x)dx 绝对收敛,则称积分 xf ( x)dx
的值为 X 的数学期望。记为 EX= xf ( x)dx ,
数学期望也称为均值。
的随机变量, 则称( X 1 ( ), X 2 ( ), , X n ( ))为样本空间S 上的n维随机变量或n维随机向量.
8、多维随机变量的联合分布函数 称n元函数
F ( x1 , x2 , , xn ) P( X() x1 , X 2 ( ) x2 , , X n ( ) xn ) 1 是n元随机变量的联合分布 函数.
二、斯蒂阶积分
§1 概率论复习与补充
1 、Stieltjes积分的定义
定义1 、设f ( x), g ( x)是定义在[a, b]上的两个有界函数,
a x0 x1 xn b, 是对区间的任意划分, xk xk xk 1 , max xk , k [ xk 1 , xk ], 作和式
(3)设 Y=g(X), g(x) 是连续函数,
若 X 的概率密度为 f (x) ,且
则 EY= g ( x) f ( x)dx 。
g ( x) f ( x)dx 绝对收敛,
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第3页共49页
随机过程(西电版)
一、概率论复习
§1 概率论复习与补充
离散型随机变量可完全由其分布律来刻划. 即离散型随机变量可完全由其的可能取值以及取这 些值的概率唯二确定. 4.离散型随机变量分布律的性质:
⑴.对任意的自然数 n,有 pn 0
⑵. pn 1
n
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
第7页共49页
(3) 若f ( x, y )在点( x, y )连续,则有 2 F ( x, y ) f ( x, y ). xy
(4) 设 G 是平面上的二个区域,点 ( X,Y ) 落在G 内 的概率为: P{( X , Y ) G} f ( x, y )dxdy.
G
2013年7月14日星期日
1.随机变量的数学期望
(1) 设X是离散型随机变量,它的概率函数是: P(X=xk)=pk , k=1,2,…
如果
| xk 1Fra bibliotekk| pk 有限,定义X的数学期望
E ( X ) xk pk
k 1
也就是说,离散型随机变量的数学期望是二个绝对 收敛的级数的和.
2013年7月14日星期日
机动 目录 上页 下页 返回 结束
E(
a X ) a EX