2017考研数学概率论重要知识点梳理
2017考研数学：概率论与数理统计考点解析
2017考研数学：概率论与数理统计考点解析2017考研数学概率论与数理统计复习部分相对比较简单，尤其是数理统计部分，考点比较单一，但是得分率并不十分理想，2017考研的考生要反思，引起重视，多研究一下2016考研真题，从而更好地把握考研数学方向。
对于知识点基础要打牢，下面本文对数理统计部分的重点内容及常考的题型做一总结，供大家参考。
本章考试要求包括：1、理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念;2、了解三大抽样分布的概念及性质，了解上侧分位数的概念;3、了解正态总体的常用抽样分布;4、理解参数的点估计、估计量与估计值的概念;5、掌握矩估计法(一阶矩、二阶矩)和最大似然估计法;6、(数一)了解估计量的无偏性、有效性(最小方差性)和一致性(相合性)的概念，并会验证估计量的无偏性;7、(数一)理解区间估计的概念，会求单个正态总体的均值和方差的置信区间，会求两个正态总体的均值差和方差比的置信区间。
本章常见考点：(1)总体和简单随机样本的概念，即样本与总体同分布，且相互独立;(2)常用统计量样本均值，样本方差和样本矩的概念、性质和数字特征;(3)三大抽样分布的定义、性质及分位数，正态总体下的常用抽样分布;(4)求参数的矩估计和最大似然估计;(5)计算估计量的数学期望和方差，进而验证估计量的无偏性;(6)(数一)单个正态总体的均值和方差，两个正态总体的均值差和方差比的置信区间。
根据以上考点分析，同学们必须掌握以下能力：(1)能够推导和判断某些统计量的分布，能够计算其数字特征和计算的有关的概率。
(2)要准确的理解矩估计和最大似然估计的原理，这样才能在不同条件下计算参数的估计量。
(3)要能够利用期望和方差的性质综合计算统计量的期望和方差。
2017考研数学 概率论必考考点大全
2017考研已经拉开序幕，很多考生不知道如何选择适合自己的考研复习资料。
中公考研辅导老师为考生准备了考研数学方面的建议，希望可以助考生一臂之力。
同时中公考研特为广大学子推出考研集训营、专业课辅导、精品网课、vip1对1等课程，针对每一个科目要点进行深入的指导分析，欢迎各位考生了解咨询。
中公考研小编建议2017考研的同学，在复习备考的初期阶段总结整理考研数学概率论部分的重要知识点，这样将有助于考生快速提高复习效率，下面就是小编整理的相关内容，供考生参考。
1、随机事件和概率它的重点内容主要是事件的关系和运算，古典概型和几何概型，加法公式、减法公式、乘法公式、全概公式和贝叶斯公式。
主要是以客观题的形式考查。
今年的考研数学中，数一和数三的一个选择题就考到了事件的关系和概率的问题。
2、一维随机变量及其分布这是每年必考的，有单独直接考查，也经常与二维随机变量相结合去考查。
重点内容是常见分布，主要是以客观题的形式考查。
而今年数一和数三都是以大题的形式考到了常见分布——二项分布和n 重伯努利试验的问题。
3、二维随机变量重点内容是二维随机变量的概率分布(概率密度)、边缘概率、条件概率和独立性及二维正态分布的性质。
二维离散型随机变量的概率分布的建立，主要是结合古典概率进行考查。
二维连续型随机变量的边缘概率密度和条件概率密度的计算，很多考生计算存在误区，一定要注意。
而今年数一和数三只考到了二维正态分布的一个性质，还是一个填空题。
4、随机变量的数字特征每年必考，主要和其他知识点相结合来考查，一般是一道客观题和一道解答题中的一问，所以要重点复习。
我们要掌握相应的公式进行计算即可，今年数一和数三的一个大题的第二小问考到了随机变量的数字特征，而且还是结合高等数学的无穷级数求和函数来考的，难度稍大。
5、数理统计的基本概念此部分主要考两个题型，第一个是判定统计量的分布，第二个常考题型是求统计量的数字特征。
常以客观题的形式进行考查。
考研数学概率论知识点总结
考研数学概率论知识点总结考研数学中的概率论是一个重要的组成部分，对于考生来说，掌握好概率论的知识点是取得高分的关键之一。
下面就为大家详细总结一下概率论的重要知识点。
一、随机事件与概率1、随机事件随机事件是指在一定条件下，可能出现也可能不出现的事件。
例如，抛一枚硬币，正面朝上就是一个随机事件。
2、样本空间样本空间是指随机试验的所有可能结果组成的集合。
3、事件的关系与运算包括事件的包含、相等、和、积、差、互斥、对立等关系和运算。
4、概率的定义概率是对随机事件发生可能性大小的度量。
5、古典概型具有有限个等可能结果的概率模型。
6、几何概型如果每个事件发生的概率只与构成该事件区域的长度（面积或体积）成比例，则称这样的概率模型为几何概型。
7、条件概率在已知某事件发生的条件下，另一事件发生的概率。
8、乘法公式用于计算两个事件同时发生的概率。
9、全概率公式和贝叶斯公式全概率公式用于计算复杂事件的概率，贝叶斯公式用于在已知结果的情况下，反推原因发生的概率。
二、随机变量及其分布1、随机变量用来表示随机试验结果的变量。
2、离散型随机变量取值可以一一列出的随机变量。
3、离散型随机变量的概率分布包括分布律、分布函数等。
4、常见的离散型随机变量分布如 0-1 分布、二项分布、泊松分布等。
5、连续型随机变量取值充满某个区间的随机变量。
6、连续型随机变量的概率密度函数其性质包括非负性和规范性。
7、常见的连续型随机变量分布如均匀分布、正态分布、指数分布等。
8、随机变量的函数的分布已知随机变量的分布，求其函数的分布。
三、多维随机变量及其分布1、二维随机变量由两个随机变量组成的向量。
2、二维随机变量的分布函数其性质与一维类似。
3、二维离散型随机变量联合分布律、边缘分布律等。
4、二维连续型随机变量联合概率密度函数、边缘概率密度函数等。
5、条件分布在已知某一变量取值的条件下，另一变量的分布。
6、相互独立的随机变量如果两个随机变量的联合分布等于各自边缘分布的乘积，则称它们相互独立。
概率论重要知识点总结
概率论重要知识点总结概率论重要知识点总结概率论是研究随机现象数量规律的数学分支。
随机现象是相对于决定性现象而言的。
在一定条件下必然发生某一结果的现象称为决定性现象。
下面为帮助同学们更好地理解概率论，小编汇总了关于概率论的重要知识点总结，希望对同学们学习上有所帮助。
第一章随机事件及其概率第一节基本概念随机实验：将一切具有下面三个特点：（1）可重复性（2）多结果性（3）不确定性的试验或观察称为随机试验，简称为试验，常用表示。
随机事件：在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事不可能事件：在试验中不可能出现的事情，记为。
必然事件：在试验中必然出现的事情，记为Ω。
样本点：随机试验的每个基本结果称为样本点，记作ω. 样本空间：所有样本点组成的集合称为样本空间. 样本空间用Ω 表示. 一个随机事件就是样本空间的一个子集。
基本事件—单点集，复合事件—多点集一个随机事件发生，当且仅当该事件所包含的一个样本点出现。
事件的关系与运算（就是集合的关系和运算）包含关系：若事件发生必然导致事件B发生，则称B 包含A，记为，则称事件A与事件B 相等，记为A＝B。
事件的和：“事件A 与事件B 至少有一个发生”是一事件，称此事件为事件A 与事件B 事件的积：称事件“事件A与事件B 都发生”为A 或AB。
事件的差：称事件“事件A 发生而事件B 不发生”为事件A 与事件B 的差事件,记为 A－B。
用交并补可以表示为互斥事件：如果A，B两事件不能同时发生，即AB＝Φ，则称事件A 与事件B 是互不相容事件或互斥事件。
互斥时可记为A＋B。
对立事件：称事件“A不发生”为事件A 的对立事件（逆事件），记为A 。
对立事件的性质：事件运算律：设A，B，C为事件，则有：（1）交换律：AB=BA，AB=BA A(BC)=(AB)C=ABC（3）分配律：A(BC)＝(AB)(AC) ABAC（4）对偶律（摩根律）：第二节事件的概率概率的公理化体系：第三节古典概率模型1、设试验E 是古典概型, 其样本空间Ω 个样本点组成.则定义事件A 的概率为的某个区域，它的面积为μ(A)，则向区域上随机投掷一点，该点落在区域假如样本空间Ω可用一线段，或空间中某个区域表示，则事件A 的概率仍可用上式确定，只不过把μ 理解为长度或体积即可. 第四节条件概率条件概率：在事件B 发生的条件下，事件A 发生的概率称为条件概率，记作乘法公式：P(AB)=P(B)P(A|B)＝P(A)P(B|A)全概率公式：设第五节事件的独立性两个事件的`相互独立：若两事件A、B 满足P(AB)= 相互独立.三个事件的相互独立：对于三个事件A、B、C，若P(AB)= 相互独立三个事件的两两独立：对于三个事件A、B、C，若P(AB)= 两两独立独立的性质：若A 均相互独立总结：1.条件概率是概率论中的重要概念，其与独立性有密切的关系，在不具有独立性的场合，它将扮演主要的角色。
考研数学概率论复习重要知识点
考研数学概率论复习重要知识点一、基本概念概率是指某个事件发生的可能性大小，用于量化不确定性。
而随机事件是指在一次试验中，不能事先确定出现的结果。
概率的数学定义：对于任意事件A，P(A)表示事件A发生的可能性大小，0 ≤P(A)≤ 1。
同时，P(Ω) = 1，其中Ω是样本空间。
二、加法公式概率公式若A1和A2是两个互不相容的事件，则有：$P(A_1 \\cup A_2) = P(A_1) + P(A_2)$容斥原理当两个事件不互不相容时，可以用容斥原理求出其概率：$P(A_1 \\cup A_2) = P(A_1) + P(A_2) - P(A_1 \\cap A_2)$其中，$P(A_1 \\cap A_2)$ 表示事件A1和A2同时发生的概率。
三、条件概率条件概率是指已知事件B发生的情况下，事件A发生的概率。
条件概率的公式：$P(A|B) = \\frac{P(A \\cap B)}{P(B)}$其中，$P(A \\cap B)$ 表示事件A和B同时发生的概率。
四、乘法公式用乘法公式计算两个事件的概率，即：$P(A \\cap B) = P(A|B)P(B)$五、独立事件若事件A和事件B满足以下条件，则称它们是独立的：$P(A \\cap B) = P(A)P(B)$六、全概率公式与贝叶斯公式全概率公式如果在样本空间Ω中，有一个有限或无限个互不相交的事件序列B1,B2,…,B n，且对Ω的任意一个子集A有：$A = (A \\cap B_1) \\cup (A \\cap B_2) \\cup \\cdots \\cup (A \\cap B_n)$则称事件序列B1,B2,…,B n是一组划分，其全概率公式为：$P(A) = P(A \\cap B_1) + P(A \\cap B_2) + \\cdots + P(A \\cap B_n)$贝叶斯公式如果事件B1,B2,…,B n是一组划分，并对每个$i=1,2,\\cdots,n$，有P(B i)>0，则贝叶斯公式为：$P(B_i|A) = \\frac{P(B_i)P(A|B_i)}{P(A)}$其中，P(B i|A)表示在事件A发生的条件下，事件B i发生的概率。
考研数学备考：概率论各章节知识点梳理
考研数学备考：概率论各章节知识点梳理1500字概率论作为考研数学中的一部分，是考生备考的重点之一。
下面将对概率论的各章节知识点进行梳理，帮助考生进行复习备考。
1. 随机事件与概率概率论的基本概念是随机事件和概率。
随机事件是随机现象的结果，概率是事件发生的可能性大小。
在这一章节中，主要涉及到随机事件的定义、事件的性质、事件间的关系等内容。
2. 随机变量及其分布随机变量是随机现象的数值描述，它分为离散随机变量和连续随机变量。
这一章节主要涉及随机变量的定义、分布函数、概率密度函数等内容。
同时还包括常见的离散随机变量和连续随机变量的概率分布，如二项分布、泊松分布、正态分布等。
3. 随机事件的数学描述随机事件可以用随机变量的取值区间来表示，也可以用事件的概率来描述。
这一章节主要包括随机事件的和、差、积等概念，以及离散随机变量和连续随机变量的概率函数之间的关系。
4. 多维随机变量及其分布多维随机变量是指由多个随机变量组成的向量。
这一章节主要包括多维随机变量的定义、联合分布、边缘分布等内容。
同时还包括多维随机变量的独立性、相关性等概念。
5. 随机变量的数字特征随机变量的数字特征包括数学期望、方差、协方差等。
这一章节主要涉及到随机变量的数学期望、方差和协方差的定义、性质以及计算方法。
6. 大数定律和中心极限定理大数定律是指随着试验次数的增加，随机事件的频率趋向于事件的概率。
中心极限定理是指当随机事件的样本量足够大时，其均值的分布接近于正态分布。
这一章节主要涉及到大数定律和中心极限定理的数学表达和推导。
7. 参数估计与假设检验参数估计是根据样本数据对总体参数进行估计，假设检验是根据样本数据对总体参数是否符合某个假设进行检验。
这一章节主要包括点估计、区间估计和假设检验的概念、方法和步骤。
8. 有序与无序排列的计数问题有序排列是指考虑元素的排列顺序，无序排列是指不考虑元素的排列顺序。
这一章节主要涉及到有序与无序排列的计数问题，如排列、组合、多重集合等。
考研数学概率论重要考点总结
考研数学概率论重要考点总结考研数学-概率论重要考点总结考研数学-概率论是考研数学中非常重要的一门课程，一部分选手往往会因为概率论考试不好而导致总分降低。
随着考研的竞争日益激烈，对于概率论重要考点的掌握也变得越来越关键。
本文将重点介绍考研数学概率论中的重要知识点和应试技巧，相信会对您的考研有所帮助。
第一部分：概率论基础知识点1.随机事件和概率特定的事件在具有一定条件的过程中发生的可能性称为其概率。
随机事件是某个试验中的可能结果，这些结果之一会被称为随机事件。
随机事件有可达成的（必然事件）和不可达成的（不可能事件）之分，而概率是在数学上给出事件发生可能性的量化值。
2.条件概率条件概率指在另一个事件发生的条件下，某个事件发生的概率。
条件概率的计算需要利用贝叶斯公式，即P(A|B)= P(A∩B)/P(B)。
其中P(A|B)表示在事件B发生的条件下，事件A发生的概率，P(A∩B)表示事件A和事件B同时发生的概率，P(B)表示事件B发生的概率。
在日常生活中，常见的例子是医学诊断和安全检查。
3.全概率公式和贝叶斯公式全概率公式是指当一个事件是由许多个事件的情况复合而成时，利用每个事件的概率来计算出总体情况的概率。
贝叶斯公式是通过已知的先验概率和新的数据来推断后验概率的。
这两个公式是概率论中非常重要的基础。
4.独立事件独立事件指两个或多个事件之间不受其他事件影响的情况，即事件A和事件B之间满足P(A|B)=P(A)或者P(B|A)=P(B)。
独立事件还有一些性质，如互不影响性和乘法公式。
第二部分：概率论常见且易错的考点1.排列组合排列组合是概率论中的重要知识点，也是很多考生不太熟悉的概率论题型。
在排列组合问题中，考生一般都需要利用排列和组合的公式进行计算，以确保答案的准确性。
此外，需要注意的是，在计算排列和组合时，一定要先确定放置顺序或者不考虑顺序的问题，否则会导致答案错误。
2.抽样分布抽样分布是概率论中比较常用的知识点，也是考研数学中的重要考点之一。
数学考研复习资料概率论重点公式整理
数学考研复习资料概率论重点公式整理概率论是数学考研中的重要考点之一，掌握概率论的基本概念和公式对于考生来说至关重要。
在本文中，将对数学考研概率论部分的重点公式进行整理，以便考生能够更好地复习和应对考试。
请注意，以下公式仅供参考，考生在复习过程中应结合教材和习题进行深入理解和练习。
一、基本概念在进一步讨论公式之前，首先了解一些概率论中的基本概念是必要的。
1. 事件与样本空间事件是指随机试验中可以观察到的结果，样本空间是指随机试验中所有可能结果的集合。
2. 概率的定义概率是对一个事件发生的可能性的度量，通常用一个介于0和1之间的实数表示。
3. 事件的互斥与独立互斥事件是指两个事件不能同时发生，独立事件是指两个事件的发生与否互不影响。
二、概率公式了解了基本概念后，我们来看一些重要的概率公式。
1. 加法定理加法定理用于计算两个事件的并的概率。
如果事件A和事件B是两个事件，那么它们的并的概率可以表示为：P(A∪B) = P(A) + P(B) -P(A∩B)2. 乘法定理乘法定理用于计算两个事件的交的概率。
如果事件A和事件B是两个事件，那么它们的交的概率可以表示为：P(A∩B) = P(A) × P(B|A)3. 全概率公式全概率公式用于计算一个事件的概率。
如果事件A可以被划分为有限个互斥事件B₁、B₂、...，那么事件A的概率可以表示为：P(A) =P(A∩B₁) + P(A∩B₂) + ...4. 贝叶斯定理贝叶斯定理用于计算已知某个事件发生的条件下，另一个事件发生的概率。
如果事件A和事件B是两个事件，那么在已知事件B发生的条件下，事件A发生的概率可以表示为：P(A|B) = (P(B|A)×P(A)) / P(B)三、重要概率分布公式除了上述基本的概率公式外，还需要掌握一些重要的概率分布公式，以便解决具体的问题。
1. 二项分布二项分布用于描述重复进行n次伯努利试验，且每次试验的结果只有两种可能的情况下，成功的次数的概率分布。
考研数学概率论重要考点总结
考研数学概率论重要考点总结概率论是考研数学中的重要考点之一。
下面是概率论中的一些重要考点总结。
一、概率基本概念1. 随机试验与样本空间2. 事件与事件的关系3. 概率的定义、性质和运算法则4. 条件概率及其性质二、随机变量与概率分布1. 随机变量的概念及其分类2. 离散型随机变量与连续型随机变量3. 随机变量的分布函数和密度函数4. 两个随机变量的独立性5. 随机变量的函数及其分布三、数学期望与方差1. 数学期望的概念及其性质2. 数学期望的计算3. 方差的概念及其性质4. 方差的计算5. 协方差和相关系数四、大数定律与中心极限定理1. 大数定律的概念及其性质2. 切比雪夫不等式3. 中心极限定理的概念及其性质4. 泊松定理5. 极限定理的应用五、随机变量的常见分布1. 二项分布、泊松分布2. 均匀分布、指数分布3. 正态分布4. 伽马分布、贝塔分布5. t分布、F分布、卡方分布六、矩母函数与特征函数1. 矩母函数的概念及性质2. 矩母函数的计算3. 特征函数的概念及性质4. 特征函数的计算5. 中心极限定理的特征函数证明七、样本与抽样分布1. 随机样本的概念及其性质2. 样本统计量的概念及其性质3. 样本均值和样本方差4. 正态总体抽样分布5. t分布，x^2分布，F分布的定义及其应用八、参数估计与假设检验1. 点估计的概念及性质2. 极大似然估计3. 置信区间的概念及计算4. 参数假设检验的概念及流程5. 正态总体均值的假设检验九、回归与方差分析1. 回归分析的概念及方法2. 多元回归模型、回归模型的检验3. 方差分析的概念及方法4. 单因素方差分析、双因素方差分析以上是概率论中的一些重要考点总结。
在备考过程中，需要对这些知识点有一定的掌握，并进行大量的练习和习题训练，只有充分理解和掌握这些知识，并能运用到实际问题中，才能在考试中取得好成绩。
概率论必备知识点
概率论必备知识点概率论是一门研究随机现象数量规律的数学分支，它在各个领域都有着广泛的应用，从物理学、生物学、经济学到计算机科学等。
以下是一些概率论中的必备知识点。
一、随机事件与概率随机事件是指在一定条件下，可能出现也可能不出现的事件。
例如，抛一枚硬币，正面朝上就是一个随机事件。
概率则是用来衡量随机事件发生可能性大小的数值。
概率的取值范围在 0 到 1 之间，0 表示不可能发生，1 表示必然发生。
计算概率的方法有多种。
对于等可能事件，概率等于事件所包含的基本结果数除以总的基本结果数。
例如，掷一个骰子，出现点数为 3的概率就是 1/6，因为骰子共有 6 个面，每个面出现的可能性相等，而点数为 3 的只有 1 种情况。
二、古典概型古典概型是一种最简单的概率模型。
在古典概型中，试验的结果是有限的，并且每个结果出现的可能性相等。
例如，从装有 5 个红球和 3 个白球的袋子中随机取出一个球，求取出红球的概率，这就是一个古典概型问题。
计算古典概型的概率，可以使用公式：P(A) ＝ n(A) ／n(Ω)，其中P(A)表示事件 A 发生的概率，n(A)表示事件 A 包含的基本结果数，n(Ω)表示总的基本结果数。
三、几何概型几何概型是古典概型的推广，当试验的结果是无限的，且每个结果出现的可能性相等时，就可以使用几何概型来计算概率。
例如，在一个时间段内等待公交车，求等待时间不超过 5 分钟的概率。
在几何概型中，概率等于事件对应的区域长度（面积或体积）除以总的区域长度（面积或体积）。
四、条件概率条件概率是指在已知某个事件发生的条件下，另一个事件发生的概率。
例如，已知今天下雨，明天晴天的概率就是一个条件概率。
条件概率的计算公式为：P(B|A) ＝ P(AB) ／ P(A)，其中 P(B|A)表示在事件 A 发生的条件下事件 B 发生的概率，P(AB)表示事件 A 和事件 B 同时发生的概率，P(A)表示事件 A 发生的概率。
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二章随机变量及其分布第三章多维随机变量及其分布第四章随机变量的数字特征第五章大数定律及中心极限定理定理三：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：外轮接近于总体的率密度曲线．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．第七章参数估计单个总体X~N(μ，σ)，两个总体X~N(μ1，σ1)，Y~N(μ2，σ2)．第八章假设实验。
考研数学概率论重点公式速记
考研数学概率论重点公式速记概率论是数学中的一个重要分支，广泛应用于各个领域。
对于考研数学概率论的学习来说，熟悉并掌握相关的重点公式是非常必要的。
本文将为大家提供一些概率论中的重点公式，帮助大家更好地进行复习和备考。
一、基本概念1. 概率的加法定理：对于任意两个事件A和B，有P(A∪B) = P(A) + P(B) - P(A∩B)2. 概率的乘法定理：对于任意两个事件A和B，有P(A∩B) = P(A)P(B|A) = P(B)P(A|B)，其中P(B|A)表示在事件A已经发生的条件下，事件B发生的概率。
3. 全概率公式：若{B1, B2, ..., Bn}为样本空间的一个划分，即满足Bi与Bj互不相容且它们的并集为样本空间，同时假设P(Bi) > 0，那么对于任意一个事件A，有：P(A) = P(A∩B1) + P(A∩B2) + ... + P(A∩Bn) = P(B1)P(A|B1) +P(B2)P(A|B2) + ... + P(Bn)P(A|Bn)二、常用概率分布1. 二项分布：设试验成功的概率为p，则n次试验中成功次数的概率为：P(X=k) = C(n,k) * p^k * (1-p)^(n-k)其中C(n,k)为组合数，表示从n个元素中取出k个元素的组合数。
2. 泊松分布：设单位时间（或单位面积）内某事件发生的次数的平均值为λ，则单位时间（或单位面积）内某事件发生k次的概率为：P(X=k) = (e^(-λ) * λ^k) / k!其中e为自然对数的底数（约等于2.71828）。
3. 正态分布：对于服从正态分布N(μ,σ^2)的随机变量X，其概率密度函数为：f(x) = (1 / (σ * √(2π))) * e^(-((x-μ)^2 / (2σ^2)))三、常用性质1. 期望：对于离散随机变量X，其期望值E(X)为：E(X) = Σ(x * P(X=x))对于连续随机变量X，其期望值E(X)为：E(X) = ∫(x * f(x)) dx，其中f(x)为概率密度函数。
考研数学《概率论与数理统计》知识点总结
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 Y B和事件，A，B至少一个发生，A Y B发生．3．A I 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 I 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 Y B=S且A I 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=ASA-=．事件运算：交换律、结合律、分配率略．德摩根律：BABA IY=，BABA YI=．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(A1Y A2Y…Y A n)=P(A1)+P(A2)+…+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(PP-=．5．P(A Y B)=P(A)+P(B)－P(AB)．泊松分布：记X~π（λ），!}{kekXPkλλ-==，Λ,2,1,0=k．泊松定理：!)1(limkeppCkknkknnλλ--∞→=-，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：}{)(xXPxF≤=，+∞<<∞-x．)()(}{1221xFxFxXxP-=≤<．连续型随机变量：⎰∞-=x ttfxF 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)(≥xf；2．1d)(=⎰+∞∞-xxf；3．⎰=-=≤<21d)()()(}{1221xxxxfxFxFxXxP；4．)()(xfxF='，f(x)在x点连续；5．P{X=a}=0．均匀分布：记X~U(a，b)；⎪⎩⎪⎨⎧<<-=其它，，1)(bxaabxf；⎪⎩⎪⎨⎧≥<≤--<=bxbxaabaxaxxF，，，1)(．性质：对a≤c<c+l≤b，有abllcXcP-=+≤<}{指数分布：⎪⎩⎪⎨⎧>=-其它，，1)(xexfxθθ；⎩⎨⎧>-=-其它，，1)(xexFxθ．无记忆性：}{}{tXPsXtsXP>=>+>．正态分布：记),(~2σμNX；]2)(ex p[21)(22σμσπ--=xxf；ttxF x d]2)(ex p[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)(2xx-=πϕ；⎰∞--=Φx ttx d]2ex p[21)(2π．即μ=0，σ=1时的正态分布X~N(0，1)性质：)(1)(xxΦ-=-Φ．正态分布的线性转化：对),(~2σμNX有)1,0(~NXZσμ-=；且有)(}{}{)(σμσμσμ-Φ=-≤-=≤=xxXPxXPxF．正态分布概率转化：)()(}{1221σμσμ-Φ--Φ=≤<xxxXxP；1)(2)()(}{-Φ=-Φ-Φ=+<<-ttttXtPσμσμ．3σ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-3σ，μ+3σ)内．上ɑ分位点：对X~N(0，1)，若zα满足条件P{X>zα}=α，0<α<1，则称点zα为标准正态分布的上α分位点．常用0.001 0.005 0.01 0.025 0.05 0.10上ɑ分位点：3.090 2.576 2.326 1.960 1.645 1.282Y服从自由度为1的χ2分布：设X密度函数f X(x)，+∞<<∞-x，若Y=X2，则⎪⎩⎪⎨⎧≤>-+=)]()([21)(yyyfyfyyf XXY，，若设X~N(0，1)，则有⎪⎩⎪⎨⎧≤>=--21)(221yyeyyfyY，，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，，)()]([)(βαyyhyhfyf XYh(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(aμ+b，(|a|σ)2)．第二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)：)}(){(),(yYxXPyxF≤≤=I，记作：},{yYxXP≤≤．),(),(),(),(},{112112222121yxFyxFyxFyxFyYyxXxP+--=≤<≤<．F（x，y）性质：1．F（x，y）是x和y的不减函数，即x2>x1时，F（x2，y）≥F（x1，y）；y2>y1时，F（x，y2）≥F（x，y1）．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(x1，y1)，(x2，y2)，x2>x1，y2>y1，有P{x1<X≤x2，y1<Y≤y2}≥0．离散型（X，Y）：≥ijp，111=∑∑∞=∞=ijjip，ijyyxxpyxFii∑∑=≤≤),(．连续型（X，Y）：vuvufyxF y x dd),(),(⎰⎰∞-∞-=．f(x，y)性质：1．f(x，y)≥0．2．1),(dd),(=∞∞=⎰⎰∞∞-∞∞-Fyxyxf．3．yxyxfGYXPG⎰⎰=∈dd),(}),{(．4．若f(x，y)在点(x，y)连续，则有),(),(2yxfyxyxF=∂∂∂．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：*ip和j p*分别为（X，Y）关于X和Y的边缘分布律，记}{1iijjixXPpp==∑=∞=*，}{1jijijyYPpp==∑=∞=*．连续)(xfX ，)(yfY为（X，Y）关于X和Y的边缘密度函数，记型：⎰∞∞-=yy x f x f X d ),()(，⎰∞∞-=xy x f y fYd ),()(．二维正态分布：]})())((2)([)1(21exp{121),(2222212121212221σμσσμμρσμρρσπσ-+-------=y y x x y x f ．记(X ，Y )~N (μ1，μ2，σ12，σ22，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．义：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（X1，X2，…，X m）和（Y1，Y2，…，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（X1，X2，…，X m）和g（Y1，Y2，…，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⎰∞∞-+-=yyyzfzfYXd),()(或⎰∞∞-+-=xxzxfzfYXd),()(．f X和f Y的卷积公式：记⎰∞∞-+-==yyfyzfzfffYXYXYXd)()()(*⎰∞∞--=xxzfxfYXd)()(，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，σ12)，记Y~N(μ2，σ22)，则对Z=X+Y有Z~N(μ1+μ2，σ12+σ22)．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 )(te t t αα．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 =：⎰∞∞-=xxz x f x z f X Y d ),()(，若X 和Y 相互独立，则有⎰∞∞-=xxz f x f x z f Y X X Y d )()()(．XYZ =分布： ⎰∞∞-=x xzx f x z f XY d ),(1)(，若X 和Y 相互独立，则有⎰∞∞-=x xz 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：kkk p x X E ∑=∞=1)(．连续型：⎰∞∞-=xx 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kk k p x g Y E )()(1∑=∞=． 2．若X 是连续型，概率密度为⎰∞∞-=xx f x g Y E d )()()(．P{X=x k}=p k，则：f(x)，则：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：ijjiijpyxgZE),()(11∑∑=∞=∞=．2．连续型：⎰⎰∞∞-∞∞-=yxyxfyxgZE dd),(),()(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)=Var(X)=E{[X－E(X)]2}．标准差(均方差)：记为σ(X)，σ(X)= ．通式：22)]([)()(XEXEXD-=．kkkpXExXD21)]([)(-∑=∞=，⎰∞∞--=xxfxExXD d)()]([)(2．标准化变量：记σμ-=xX*，其中μ=)(XE，2)(σ=XD，*X称为X的标准化变量．)(*=XE，1)(*=XD．方差性质：设C是常数，X和Y1．D(C)=0．2．D(CX)=C2D(X)，D(X+C)=D(X)．3．D(X+Y)=D(X)+D(Y)+2E{(X－E(X))(Y－)(xD是随机变量，则：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),(~2iiiNXσμ，i C是不全为0的常数，则),(~22112211iiniiininnCCNXCXCXCσμ∑∑+++==Λ．切比雪夫不等式：22}{εσεμ≤≥-XP或221}{εσεμ-≥<-XP，其中)(X E=μ，)(2XD=σ，ε为任意正数．协方差：记)]}()][({[),Cov(YEYXEXEYX--=．X与Y的相关系数：)()(),Cov(YDXDYXXY=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(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)．系数性质：令e=E[(Y－(a+bX))2]，则e取最小值时有)()1(]))([(22minYDXbaYEeXYρ-=+-=，其中)()(XEbYEa-=，)(),Cov(0XDYXb=．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：⎪⎪⎪⎪⎪⎭⎫⎝⎛=nnnnnncccccccccΛMMMΛΛ212222111211C，),Cov(jiijXXc==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：)}()(21ex p{det)2(1),,,(1T221μXCμXC---=-nnxxxfπΛ，T21T21),,,(),,,(nnxxxμμμΛΛ==μX．性质：1．n维正态随机变量(X1，X2，…，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(X1，X2，…，X n)服从n维正态分布的充要条件是X1，X2，…，X n的任意线性组合l1X1+l2X2+…+l n X n服从一维正态分布(其中l1，l2，…，l n不全为零)．3．若(X1，X2，…，X n)服从n维正态分布，且Y1，Y2，…，Y k是X j (j=1，2，…，n)的线性函数，则(Y1，Y2，…，Y k)也服从多维正态分布．4．若(X1，X2，…，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．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(Xk)=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，…，Y n ，…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．中心定理设X1,X2,…,Xn,…相互独立σμnnXknk)(1-∑=N(0，1)或nXσμ-~N(0，1)或X~N(μ，n2σ)．~近似的极限定理一：并服从同一分布，且E(Xk)=μ，D(Xk)=σ2 >0，则n→∞时有定理二：设X1,X2,…,Xn,…相互独立且E(X k)=μ k，D(X k)=σk2 >0，若存在δ>0使n→∞时，}|{|1212→-∑+=+δδμkknknXEB，则nknkknkBX)(11μ==∑-∑~N(0，1)，记212knknBσ=∑=．定理三：设),(~p n bnη，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，组图形特点：外轮廓接近宽，纵坐标为高的跨越横轴的几个小矩形．距Δ=大区间/小区间个数；小区间界限：精度比数据高一位）．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2SS=样本k阶kinikXnA11=∑=，k≥1样本k阶kinikXXnB)(11-∑==，k≥2min Q1 M Q3 max差： (原点)矩：中心矩：经验分布函数： )(1)(x S nx F n =，∞<<∞-x ．)(x S 表示F 的一个样本X 1,X 2,…,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 ），222212nX X X +++=Λχ，其中X 1,X 2,…,X n 是来自总体N (0，1)的样本．E (χ2 )=n ，D (χ2 )=2n ． χ12+χ22~χ2（n 1+n 2）． ⎪⎩⎪⎨⎧>Γ=--其他，，00)2(21)(2122y e x n y f y n n ．χ2分布的分位点： 对于0<α<1，满足αχχαχα==>⎰∞y y f n P n )(222d )()}({，则称)(2n αχ为)(2n χ的上α分位点．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 )，n Y 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 分布对于0<α<1，满足ααα==>⎰∞t t h n t t P n t )(d )()}({，则称)(n tα为)(n t 的上α的分位点：分位点．由h(t)对称性可知t1－α(n)=－tα(n)．当n>45时，tα(n)≈zα，zα是标准正态分布的上α分位点．自由度为(n1，n2)的F分布：记F~F(n1，n2)，21nVnUF=，其中U~χ2(n1)，V~χ2(n2)，X，Y相互独立．1/F~F(n2，n1)⎪⎩⎪⎨⎧>+ΓΓ+Γ=+-其他，，]1)[2()2()](2)([)(2)(21211)2(221212111xnynnnynnnny nnnnψF分布的分位点：对于0<α<1，满足αψαα==>⎰∞yynnFFPnnF),(2121d)()},({，则称),(21n nFα为),(21nnF的上α分位点．重要性质：F1－α(n1，n2)=1/Fα(n1，n2)．定理一：设X1,X2,…,X n 是来自N(μ，σ2)的样本，则有),(~2nNXσμ，其中X是样本均值．定理二：设X1,X2,…,X n 是来自N(μ，σ2)的样本，样本均值和样本方差分别记为X，2S，则有1．)1(~)1(222--nSnχσ；2．X与2S相互独立．定理三：设X1,X2,…,X n 是来自N(μ，σ2)的样本，样本均值和样本方差分别记为X，2S，则有)1(~--ntnSXμ．定理设X1,X2,…,X n1与X，Y，21S，22S，则有四： Y 1,Y 2,…,Y n 2分别是来自N (μ1，σ12)和N (μ2，σ22)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 1．)1,1(~2122212221--n n F S Sσσ．2．当σ12=σ22=σ2时，)2(~)()(21121121-++-----n n t nn S Y X w μμ，其中2)1()1(212222112-+-+-=n n S n S n S w，2wwS S=．第七章 参数估计定义：估计量：),,,(ˆ21nX X X Λθ，估计值：),,,(ˆ21nx x x Λθ，统称为估计．矩估计法： 令)(llX E =μ=li n i l X n A 11=∑=(kl ,,2,1Λ=)(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σ2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：);()(1θθini x p L =∏=或连续：);()(1θθini 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 iθ或0ln d d=L iθ（k i ,,2,1Λ=）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(ˆθuu=，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t0内记录产品个体失效时间(0≤t1≤t2≤…≤t m≤t0)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≤t1≤t2≤…≤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 tmettF-=>}{，则)(}){()(1imimnmmntPttFCL=-∏>=θ，化简得)(1)(m t sm eL---=θθθ，由0)(lndd=θθL得：m t s m)(ˆ=θ，其中s(t m)=t1+t2+…+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(t0)=t1+t2+…+t m+(n－m)t0，)(01)(t sm eL---=θθθ，m t s)(ˆ0=θ，．无偏性：估计量),,,(ˆ21nXXXΛθ的)ˆ(θE存在且θθ=)ˆ(E，则称θˆ是θ的无偏估计量．有效性：),,,(ˆ211nXXXΛθ与),,,(ˆ212nXXXΛθ都是θ的无偏估计量，若)ˆ()ˆ(21θθDD≤，则1ˆθ较2ˆθ有效．相合性：设),,,(ˆ21nXXXΛθθ的估计量，若对于任意0>ε有1}|ˆ{|lim=<-∞→εθθPn，则称θˆ是θ的相合估计量．置信区间：αθθθ-≥<<1)},,,(),,,({2121nnXXXXXXPΛΛ，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．正态设X1，枢轴量W W分布a，b不等其中样本置信区间：X2，…，X n是来自总体X~N(μ，σ2)的样本，则有μ的置信区间：式置信水平置信区间)1,0(~NnXσμ-⇒ασμα-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-12znXP⇒)(2ασznX±zα/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(X1，X2，…，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 NpnpnpXnn{}⇒-≈<--αα1)1()(2zpnpnpXnP)2()(222222<++-+XnpzXnpznαα⇒若令22αzna+=，)2(22αzXnb+-=，2X nc=，则有置信区间(aacbb2)4(2---，aacbb2)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μσ2已知)1,0(~NnXZσμ-=)(2ασznX±ασμznX+=，ασμznX-=μσ2未知)1(~--=ntnSXtμ⎪⎭⎫⎝⎛±2αtnSXαμtnSX+=，αμtnSX-=σ2μ未知)1(~)1(2222--=nSnχσχ⎪⎪⎭⎫⎝⎛---2212222)1(,)1(ααχχSnSn2122)1(αχσ--=Sn，222)1(αχσSn-=两个正态总体μ1－μ2σ12，σ22已知)1,0(~)(22212121NnnYXZσσμμ+---=⎪⎪⎭⎫⎝⎛+±-2221212nnzYXσσα2221212122212121nnzYXnnzYXσσμμσσμμαα+--=-++-=-μ1－μ2σ12=σ22=σ2未知)2(~)()(21121121-++---=--nntnnSYXtwμμ2)1()1(212222112-+-+-=nnSnSnSw()12112--+±-nnStYXwα2wwSS=121121121121----+--=-++-=-nnStYXnnStYXwwααμμμμσ12/σ22μ1，μ2未知)1,1(~2122212221--=nnFSSFσσ⎪⎪⎭⎫⎝⎛-212221222211,1ααFSSFSSασσ-=1222122211FSS，ασσFSS122212221=单个总体X ~N (μ，σ2)，两个总体X ~N (μ1，σ12)，Y ~N (μ2，σ22)．第八章 假设实验定义： H 0：原假设或零假设，为理想结果假设；H 1：备择假设，原假设被拒绝后可供选择的假设．第Ⅰ类错误：H 0实际为真时，却拒绝H 0．第Ⅱ类错误：H 0实际为假时，却接受H 0．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H 0为真拒绝H 0}≤α，α称为显著水平．拒绝域：取值拒绝H 0．临界点：拒绝域边界．双边假设检验：H 0：θ=θ0，H 1：θ≠θ0．右边检验：H 0：θ≤θ0，H 1：θ>θ0．左边检验：H 0：θ≥θ0，H 1：θ<θ0． 正态总体均值、方差的检验法(显著性水平为α)原假设H 0 备择假设H 1 检验统计量 拒绝域 1 σ2已知 μ≤μ0 μ>μ0 nX Z σμ0-=z ≥z αμ≥μ0 μ<μ0 z ≤－z α μ=μ0μ≠μ0 |z |≥z α/2 2 σ2未知 μ≤μ0 μ>μ0 nS X t 0μ-=t ≥t α(n －1)μ≥μ0μ<μ0 t ≤－t α(n －1) μ=μ0 μ≠μ0 |t |≥t α/2(n －1) 3σ1，σ2 已μ1－μ1－222121n n Y X Z σσδ+--=z ≥z α μ1－μ1－z ≤－z α μ1－μ1－|z |≥z α/2 4 σ12μ1－μ1－1211--+--=nn S Y X t w δt ≥t α(n 1+n 2－2)=σ22μ1－μ1－2)1()1(212222112-+-+-=n n S n S n S wt ≤－t α(n 1+n 2－2) μ1－μ1－|t |≥t α/2(n 1+n 2－2) 5 μ未知 σ2≤σ02 σ2>σ02 2022)1(σχSn -=χ2≥χα2(n －1) σ2≥σ02 σ2<σ02χ2≤χ21－α(n －1) σ2=σ02 σ2≠σ02χ2≥χ2α/2(n －1)或χ2≤χ21－α/2(n －1) 6 μ1，μ2 未知 σ12≤σ22σ12>σ22 2221S S F =F ≥F α(n 1－1，n 2－1) σ12≥σ22σ12<σ22F ≤F 1－α(n 1－1，n 2－1)σ12=σ22σ12≠σ22F ≥F α/2(n 1－1，n 2－1)或F ≤F 1－α/2(n 1－1，n 2－1) 7 成对 数据μD ≤0 μD >0 nS D t D 0-=t ≥t α(n －1)μD ≥0μD <0 t ≤－t α(n －1) μD =0μD ≠0|t |≥t α－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．。
考研数学三概率论与数理统计知识点
2017考研数学三之概率论与数理统计知识点
来源：文都图书
在数学三的三门科目中，概率论与数理统计不仅是考研数学中的难点，而且考生得分率普遍较低。
与微积分和线性代数不同的是，概率论与数理统计并不强调解题方法，也很少涉及解题技巧，而非常强调对基本概念、定理、公式的深入理解。
其主要知识点有以下几点：
1.随机事件和概率：包括样本空间与随机事件;概率的定义与性质(含古典概型、几何概型、加法公式);条件概率与概率的乘法公式;事件之间的关系与运算(含事件的独立性);全概公式与贝叶斯公式;伯努利概型。
2.随机变量及其概率分布：包括随机变量的概念及分类;离散型随机变量概率分布及其性质;连续型随机变量概率密度及其性质;随机变量分布函数及其性质;常见分布;随机变量函数的分布。
3.二维随机变量及其概率分布：包括多维随机变量的概念及分类;二维离散型随机变量联合概率分布及其性质;二维连续型随机变量联合概率密度及其性质;二维随机变量联合分布函数及其性质;二维随机变量的边缘分布和条件分布;随机变量的独立性;两个随机变量的简单函数的分布。
4.随机变量的数字特征：随机变量的数字期望的概念与性质;随机变量的方差的概念与性质;常见分布的数字期望与方差;随机变量矩、协方差和相关系数。
了解了主要知识点后，我们再通过汤家凤老师的2017《考研数学接力题典1800》（数学三）来适量做题，巩固我们对知识点的认识和掌握。
考研数学概率论重点整理
考研数学概率论重点整理概率论是数学中的一个重要分支，它研究随机事件的规律性。
考研数学中的概率论是一个重要的考点，在准备考试时需要重点整理和复习。
本文将从概率的基本概念、常见的概率分布以及概率计算方法等方面进行重点整理，帮助考生更好地复习概率论知识。
一、概率的基本概念1.随机试验和样本空间随机试验是指在相同的条件下可以重复进行的实验，其结果不确定。
样本空间是随机试验的所有可能结果构成的集合。
2.随机事件和事件的概率随机事件是样本空间的一个子集，表示随机试验的某种结果。
事件的概率是指事件发生的可能性大小，用P(A)表示。
3.频率与概率的关系频率是指随机事件在大量重复试验中出现的次数与总试验次数的比值。
当试验次数趋于无穷时，频率趋近于概率。
二、常见的概率分布1.离散型随机变量离散型随机变量是只取有限或可列无限个数值的随机变量，其概率分布可以用概率函数或概率分布列表示。
常见的离散型随机变量包括二项分布、泊松分布等。
2.连续型随机变量连续型随机变量是取值范围为一段连续区间的随机变量，其概率分布可以用概率密度函数表示。
常见的连续型随机变量包括正态分布、指数分布等。
三、概率计算方法1.加法定理与乘法定理加法定理适用于求两个事件的并、或概率。
乘法定理适用于求两个事件的交概率。
2.条件概率与贝叶斯定理条件概率是指在已知某一事件发生的条件下，另一事件发生的概率。
贝叶斯定理是由条件概率推导出来的计算公式，用于计算两个事件之间的概率关系。
3.独立性和互斥性独立事件是指两个事件之间相互不影响的事件，其概率计算有简化的特点。
互斥事件是指两个事件不能同时发生的事件。
四、重点题型解析1.题型一：概率计算题概率计算题是考试中的常见题型，主要涉及到加法定理、乘法定理、条件概率等知识点的应用。
解答此类题目时，需要准确理解题目要求，运用相应的概率计算方法进行计算。
2.题型二：随机变量的分布函数与密度函数求解此类题目主要考察对于离散型随机变量和连续型随机变量的概率密度函数和分布函数的求解能力。
考研数学概率部分的核心知识点和易错知识点总结
考研数学概率部分的核心知识点和易错知识点总结一、核心知识随机事件和概率、随机变量及其分布、二维随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理、数理统计的基本概念、参数估计、假设检验。
涉及到的概率论与数理统计的所有知识啦。
1、交换律、结合律、分配率、的摩根律；（解题的基础）2、古典概型——有限等可能、几何模型——无限等可能；3、抽签原理——跟先后顺序无关；4、小概率原理——小概率事件在一次试验不可能发生，一旦发生就怀疑实现规律的正确性；5、条件概率：注意当条件的概率必须大于0；6、全概：原因>结果贝叶斯：结果>原因；7、相容通过事件定义，独立通过概率定义。
第二章1、0——1分布，二项分布，泊松分布X的取值都是从0开始；2、分布函数是右连续的，在求分布函数也尽量写成右连续的；3、分布函数的性质、概率密度的性质；4、连续性随机变量任一指定值的概率为0；5、概率为0不一定是不可能事件，概率为1不一定是必然事件；6、正态分布的图形性质；7、求函数的分布尽量按定义法，按定义写出基本公式；8、分段单调时应该分段使用公式再相加。
二、易错知识点1、“非等可能”与“等可能”的区别如果一次随机实验中可能出现的结果有N个，而且所有结果出现的可能性都相等，那么每一个基本事件的概率都是1/N；如果其中某个事件A包含的结果有M个，则事件A的概率为M/N。
2、互斥与对立对立一定互斥，但是互斥不一定对立。
不可能同时发生的两个事件叫做互斥事件，如果A，B互斥则P（A+B）=P（A）+P（B），必有一个发生的互斥事件叫做对立事件，如果A，B对立则满足两个条件（1）P（AB）=空集；（2）P（A+B）=1。
3、互斥与独立不可能同时发生的两个事件叫做互斥事件，如果A，B互斥则P （A+B）=P（A）+P（B），事件A（或者B）是否发生不影响事件B（或者A）发生的概率，则A和B独立。
此时P（AB）=P（A）p（B）；概率为0或者1的事件与任何事件都独立，如果两个事件存在包含关系，则两个事件不独立；如果0〈P（A）〈1，0〈P（B）〈1，如果A，B互斥则不独立，如果A，B独立则不互斥（注意条件）。
2017考研数学概率的考察要点总结
2017考研数学概率的考察要点总结来源:智阅网考研数一和数三需要考概率论与数理统计，这是一门需要掌握复习方法并灵活运用的科目。
下面为大家整理了2017年考研数学概率考查要点综述，希望大家能仔细阅读参考，对暑期的复习做好详尽的计划，抓住重点，一一攻克。
1、随机事件和概率"随机事件"与"概率"是概率论中两个最基本的概念。
"独立性"与"条件概率"是概率论中特有的概念。
条件概率在不具有独立性的场合扮演了一个重要角色，它是一种概率。
正确地理解并会应用这4个概念是学好概率论的基础。
对于公式，家要熟练掌握并能准确运算。
而大家比较头疼的古典概型与几何概型的计算问题，考纲只要求掌握一些简单的概率计算。
所以在复习的过程中，不要陷入古典概型的计算中。
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。
本章主要考查条件概率、事件的独立性和五大公式，特别需要关注全概率公式.对于事件的独立性，一定要和互斥事件、互逆事件区分开来。
2、随机变量及其分布将随机事件给以数量标识，即用随机变量描述随机现象是近代概率论中最重要的方法。
一维离散型随机变量需要掌握住概率分布，一维连续型随机变量是通过概率密度进行描述。
本章的重点是常见随机变量的分布，经常以客观题的形式考查。
例如2013年数一的解答题中考查了一维连续型随机变量函数的分布函数，考试结果并不是很理想。
求随机变量的分布函数紧扣定义即可。
一维随机变量是二维随机变量的基础。
复习二维随机变量时，可以类比于一维随机变量进行复习。
3、多维随机变量的分布二维随机变量及其分布是考试的重点内容，基本上都是以解答题的形式考查。
(1) 二维离散型随机变量的考查主要是建立概率分布，相对来说比较简单;(2) 二维连续型随机变量是考试的重点，同时是考试的难点。
考研数学《概率论与数理统计》知识点总结
考研数学《概率论与数理统计》知识点总结引言《概率论与数理统计》是考研数学中的一个重要分支，它不仅要求学生掌握理论知识，还要求能够运用这些知识解决实际问题。
本文档旨在对《概率论与数理统计》的核心知识点进行总结，帮助考生系统复习。
第一部分：概率论基础1. 随机事件与样本空间随机事件：在一定条件下可能发生也可能不发生的事件。
样本空间：所有可能结果的集合。
2. 概率的定义古典定义：适用于有限样本空间，每个样本点等可能发生。
频率定义：长期频率的极限。
主观定义：基于个人信念或偏好。
3. 概率的性质非负性：概率值非负。
归一性：所有事件的概率之和为1。
加法定理：互斥事件概率的和。
4. 条件概率与独立性条件概率：已知一个事件发生的情况下，另一个事件发生的概率。
独立性：两个事件同时发生的概率等于各自概率的乘积。
5. 随机变量及其分布离散型随机变量：可能取有限个或可数无限个值。
连续型随机变量：可能取无限连续区间内的任何值。
分布函数：随机变量取值小于或等于某个值的概率。
第二部分：随机变量及其分布1. 离散型随机变量的分布概率质量函数：描述离散型随机变量取特定值的概率。
常见分布：二项分布、泊松分布、几何分布等。
2. 连续型随机变量的分布概率密度函数：描述连续型随机变量在某区间的概率密度。
常见分布：均匀分布、正态分布、指数分布等。
3. 多维随机变量及其分布联合分布：描述多个随机变量联合取值的概率。
边缘分布：从联合分布中得到的单一随机变量的分布。
条件分布：给定一个随机变量的条件下，另一个随机变量的分布。
第三部分：数理统计基础1. 数理统计的基本概念总体与样本：总体是研究对象的全体，样本是总体中所抽取的一部分。
统计量：根据样本数据计算得到的量。
2. 参数估计点估计：用样本统计量估计总体参数的单个值。
区间估计：在一定概率下，总体参数落在某个区间的估计。
3. 假设检验原假设与备择假设：研究问题中的两个对立假设。
检验统计量：用于决定是否拒绝原假设的量。
考研数学概率论与数理统计考试重点
2017考研数学概率论与数理统计考试重点2017考研数学概率论与数理统计考试重点当下已经是11月末了，从现在到考研前我们一定要看一遍概率论与数理统计的基本内容，并且达到熟悉重要概念的程度。
十一月下旬及考研前，大家要把主要的时间、精力投入到历年的真题中，而且要达到熟练掌握的程度，并且大家要通过马不停蹄地做模拟试题对概率统计的知识进行查漏补缺，同时复习基础阶段的内容，突出重点，反复看易出现问题的内容，真正的做到温故而知新。
下面我们来看下概率统计的考试重点内容：第一章事件与概率，三大概率公式是需要大家完全理解和掌握的! 第二章一维随机变量及其分布，这章的重点分为两个部分，一是一维随机变量的分布：分布函数、分布律、密度函数;二是八个重要分布，其中五个离散型、三个连续型。
大家注意，这章容易出小题，。
第三章二维随机变量及其分布，重点内容主要包含两个部分，一是二维随机变量的分布：联合分布、边缘分布、条件分布;二是二维随机变量函数的分布。
2011年二维离散型随机变量的分布律就是以解答题的形式出现的，2010年二维连续型随机变量的联合分布、边缘分布、条件分布也是以解答题的形式考查大家的。
因此同学们必须重点关注这一章解答题!第四章随机变量的数字特征，这章主要掌握随机变量的期望、方差、协方差、相关系数的定义和性质。
注意三、四章是概率统计的重中之重，需要大家特别关照!另外比较重要的是部分是第六、七章。
第六章数理统计，这部分掌握正态总体的三个抽样分布及八大统计量即可。
第七章参数估计，重点是矩估计与最大似然估计。
本章一般以解答题的形式出现，尤其是数学一的试卷上，这类题目的解答题出现的概率非常大。
2009年矩估计与最大似然估计同时以解答题的形式出现，2010年考过估计的无偏性。
因此参加数学一考试的同学需要注意下估计的无偏性、有效性和一致性，但是参加数学三考试的同学就不需要理会这部分的内容了。
现在是考研复习冲刺的最后阶段，希望考生可以有目的的去复习，争取在最后的时间里取得最大的效果。
概率论笔记整理
概率论笔记整理
概率论是研究随机现象的数学学科，它为各种随机事件、随机变量和随机过程提供了数学模型和理论框架。
以下是概率论的一些重要概念和笔记整理：
1. 概率空间：概率空间是一个三元组（Ω, F, P），其中Ω是样本空间，F是事件域，P是概率函数。
2. 随机事件：随机事件是样本空间Ω的一个子集，它包含样本点。
3. 概率：概率是一个实数，表示随机事件发生的可能性。
概率函数P定义在事件域F上，满足P(A) ≥ 0且P(Ω) = 1。
4. 条件概率：条件概率是在给定某个事件B发生的情况下，另一个事件A发生的概率。
条件概率记作P(A|B)，它满足P(A|B) ≥ 0，P(Ω|B) = 1，且P(A|B) = P(A∩B)/P(B)。
5. 独立性：如果两个事件A和B相互独立，则P(A∩B) = P(A)P(B)。
6. 随机变量：随机变量是从样本空间到实数的映射。
常见的随
机变量包括离散型和连续型。
7. 期望值：期望值是随机变量所有可能取值的概率加权和。
期望值的计算公式为E(X) = Σ xP(X=x)。
8. 方差：方差是随机变量与其期望值的差的平方的期望值，即D(X) = E[(X-E(X))^2]。
9. 协方差：协方差是两个随机变量的线性相关程度的度量。
协方差的计算公式为Cov(X,Y) = E[(X-E(X))(Y-E(Y))]。
10. 随机过程：随机过程是一个时间序列或空间序列的随机变量的集合。
常见的随机过程包括马尔科夫链和泊松过程。
以上是概率论的一些基本概念和笔记整理，当然还有很多深入的内容和细节需要进一步学习和掌握。
- 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)。
2017考研数学：概率论重要知识点梳理
来源：文都图书
概率论在历年考研数学真题中特点比较明显。
概率论与数理统计对计算技巧的要求低一些，一些题目，尤其是文字叙述题要求考生有比较强的分析问题的能力。
所以考生应在这门中尽量做到那全分，这样才能保证数学的分数，下面我们整理了一些概率论的重要知识点：
第一部分：随机事件和概率
(1)样本空间与随机事件
(2)概率的定义与性质(含古典概型、几何概型、加法公式)
(3)条件概率与概率的乘法公式
(4)事件之间的关系与运算(含事件的独立性)
(5)全概公式与贝叶斯公式
(6)伯努利概型
其中：条件概率和独立为本章的重点，这也是后续章节的难点之一，考生务必引起重视，
第二部分：随机变量及其概率分布
(1)随机变量的概念及分类
(2)离散型随机变量概率分布及其性质
(3)连续型随机变量概率密度及其性质
(4)随机变量分布函数及其性质
(5)常见分布
(6)随机变量函数的分布
其中：要理解分布函数的定义，还有就是常见分布的分布律抑或密度函数必须记好且熟练。
第三部分：二维随机变量及其概率分布
(1)多维随机变量的概念及分类
(2)二维离散型随机变量联合概率分布及其性质
(3)二维连续型随机变量联合概率密度及其性质
(4)二维随机变量联合分布函数及其性质
(5)二维随机变量的边缘分布和条件分布
(6)随机变量的独立性
(7)两个随机变量的简单函数的分布
其中：本章是概率的重中之重，每年的解答题定会有一道与此知识点有关，每个知识点都是重点，务必重视!
第四部分：随机变量的数字特征
(1)随机变量的数字期望的概念与性质
(2)随机变量的方差的概念与性质
(3)常见分布的数字期望与方差
(4)随机变量矩、协方差和相关系数
其中：本章只要清楚概念和运算性质，其实就会显得很简单，关键在于计算
第五部分：大数定律和中心极限定理
(1)切比雪夫不等式
(2)大数定律
(3)中心极限定理
其中：其实本章考试的可能性不大，最多以选择填空的形式，但那也是十年前的事情了。
第六部分：数理统计的基本概念
(1)总体与样本
(2)样本函数与统计量
(3)样本分布函数和样本矩
其中：本章还是以概念为主，清楚概念后灵活运用解决此类问题不在话下
第七部分：参数估计
(1)点估计
(2)估计量的优良性
(3)区间估计
其中：本章点估计是重点，是解答题的重灾区，一定要掌握点估计的两种解题步骤，至于(2)(3)两个可以了解下即可。
概率论中的这些重要知识点，是考试中的高频考点，对这些知识点，我们不仅要了解其基本内容，还要学会灵活运用这些知识点，汤家凤编写的2017《考研数学15年真题解析与方法指导》对考研真题，进行了详细的分类与解答，考生们要好好利用哦，加油。