概率论与数理统计经管类__公式[1]

合集下载

概率论与数理统计公式大全

概率论与数理统计公式大全一、概率基本公式1.事件的概率：对于事件A，在随机试验中发生的次数记为n(A)，则事件A的概率为P(A)=n(A)/n，其中n为试验总次数。

2.互斥事件的概率：对于互斥事件A和B，有P(A∪B)=P(A)+P(B)。

3.事件的余事件概率：设事件A为必然事件，全集的概率为P(S)=1，事件A的余事件为A'，则有P(A')=1-P(A)。

4.条件概率：对于两个事件A和B，假设事件B已经发生，事件A发生的概率记为P(A，B)，则P(A，B)=P(A∩B)/P(B)。

二、随机变量及其概率分布1.离散型随机变量：设X是一个离散型随机变量，其概率函数为P(X=k)，其中k为X的取值，概率函数满足P(X=k)≥0，且∑P(X=k)=12. 连续型随机变量：设X是一个连续型随机变量，其概率密度函数为f(x)，概率密度函数满足f(x)≥0，且∫f(x)dx = 13. 随机变量的数学期望：对于离散型随机变量X，其数学期望为E(X) = ∑k*P(X=k)；对于连续型随机变量X，其数学期望为E(X)=∫xf(x)dx。

4. 随机变量的方差：对于离散型随机变量X，其方差为Var(X) =E(X^2) - [E(X)]^2；对于连续型随机变量X，其方差为Var(X) = E(X^2) - [E(X)]^2三、常见的概率分布1.伯努利分布：表示一次实验成败的概率分布，概率函数为P(X=k)=p^k(1-p)^(1-k)，其中0≤p≤12.二项分布：表示n次独立重复的伯努利试验中成功次数的概率分布，概率函数为P(X=k)=C(n,k)*p^k(1-p)^(n-k)，其中C(n,k)为组合数。

3. 泊松分布：表示单位时间或单位面积内发生事件次数的概率分布，概率函数为P(X=k) = (lambda^k)/(k!)*e^(-lambda)，其中lambda为平均发生率。

4.均匀分布：表示在一个区间内取值相等的概率分布，概率密度函数为f(x)=1/(b-a)，其中[a,b]为区间。

04183概率论与数理统计(经管类)基础知识

D(aX b) a2 D( X )
,
D(Y ) [ x j E(Y )]2 p j
j
D( X ) [ x E( X )]2 f X ( x)dx

协方差与相关系数
3、二维随机变量关系特征协方差 cov(x,y) 相关系数 cov(X,Y)=E((X-E(X))(Y-E(Y)))=E(XY)-E(X)E(Y)

p j , i 1,2,
，
5、分布函数 F(x,y)的基本性质： ⑴ 0 F ( x, y) 1; 其中 x=h(y)为 y=g(x)的反函数 ⑵F(x,y)分别对 x 和 y 是非减的，即当 x2>x1，F（x2,y）≥F(x1,y);当 y2>y1，有 F(x,y2) ≥F(x,y1); ⑶F(x,y)分别对 x 和 y 右连续，即 F ( x, y) F ( x 0, y), F ( x, y) F ( x, y 0); ⑷ F (,) F (, y) F ( x,) 0, F (,) 1. ⑸当 x
i 1 i i
k
n
f ( x) 0 ；
②

f ( x)dx 1。
xk x
③ P(a ；
X b) F (b) F (a) =
F ( x)
Pn(k ) Cn p k q nk
二、随机变量及其分布
④对于离散型随机变量，
F ( x)
p
⑤对于连续型随机变量，
2 2 N (, 2 ) ，则①aX+b～N(aµ+b,a σ ), ②(X-µ)/σ～N(0,1)
X X
b(n, p) P( )

概率论与数理统计公式大全

概率论与数理统计公式概率公式整理1．随机事件及其概率吸收律：AAB A AA A =∪=∅∪Ω=Ω∪)(A B A A A A A =∪∩∅=∅∩=Ω∩)()(AB A B A B A −==−反演律：B A B A =∪BA AB ∪=∩∪n i i n i iA A 11===∪∩n i i n i i A A 11===2．概率的定义及其计算)(1)(A P A P −=若B A ⊂)()()(A P B P A B P −=−⇒对任意两个事件A ,B ,有)()()(AB P B P A B P −=−加法公式：对任意两个事件A ,B ,有)()()()(AB P B P A P B A P −+=∪)()()(B P A P B A P +≤∪)()1()()()()(2111111n n n n k j i k j i n j i j i n i i n i i A A A P A A A P A A P A P A P ⋯⋯∪−≤<<≤≤<≤==−+++−=∑∑∑3．条件概率()=A B P )()(A P AB P 乘法公式())0)(()()(>=A P A B P A P AB P ()())0)(()()(12112112121>=−−n n n n A A A P A A A A P A A P A P A A A P ⋯⋯⋯⋯w w w .k h d a w .c o m 课后答案网全概率公式∑==n i i AB P A P 1)()()()(1i ni i B A P B P ⋅=∑=Bayes 公式)(A B P k )()(A P AB P k =∑==n i i i k k B A P B P B A P B P 1)()()()(4．随机变量及其分布分布函数计算)()()()()(a F b F a X P b X P b X a P −=≤−≤=≤<5．离散型随机变量(1)0–1分布1,0,)1()(1=−==−k p p k X P k k (2)二项分布),(p n B 若P (A )=pnk p p C k X P k n k k n ,,1,0,)1()(⋯=−==−*Possion 定理0lim >=∞→λn n np 有⋯,2,1,0!)1(lim ==−−−∞→k k e p p C k k n n k n k n n λλ(3)Poisson 分布)(λP ⋯,2,1,0,!)(===−k k e k X P kλλw w w .k h d a w .c o m 课后答案网6．连续型随机变量(1)均匀分布),(b a U ⎪⎩⎪⎨⎧<<−=其他,0,1)(b x a ab x f ⎪⎪⎩⎪⎪⎨⎧−−=1,,0)(ab a x x F (2)指数分布)(λE ⎪⎩⎪⎨⎧>=−其他,00,)(x e x f x λλ⎩⎨⎧≥−<=−0,10,0)(x e x x F x λ(3)正态分布N (µ,σ2)+∞<<∞−=−−x e x f x 222)(21)(σµσπ∫∞−−−=x t t e x F d 21)(222)(σµσπ*N (0,1)—标准正态分布+∞<<∞−=−x e x x 2221)(πϕ+∞<<∞−=Φ∫∞−−x t e x x t d 21)(22π7.多维随机变量及其分布二维随机变量(X ,Y )的分布函数∫∫∞−∞−=xy dvdu v u f y x F ),(),(w w w .k h d a w .c o m 课后答案网边缘分布函数与边缘密度函数∫∫∞−+∞∞−=xX dvdu v u f x F ),()(∫+∞∞−=dv v x f x f X ),()(∫∫∞−+∞∞−=yY dudv v u f y F ),()(∫+∞∞−=du y u f y f Y ),()(8.连续型二维随机变量(1)区域G 上的均匀分布，U (G )⎪⎩⎪⎨⎧∈=其他,0),(,1),(G y x A y x f (2)二维正态分布+∞<<−∞+∞<<∞−×−=⎥⎥⎦⎤⎢⎢⎣⎡−+−−−−−−y x e y x f y y x x ,121),(2222212121212)())((2)()1(21221σµσσµµρσµρρσπσ9.二维随机变量的条件分布0)()()(),(>=x f x y f x f y x f X X Y X 0)()()(>=y f y x f y f Y Y X Y ∫∫+∞∞−+∞∞−==dy y f y x f dy y x f x f Y Y X X )()(),()(∫∫+∞∞−+∞∞−==dxx f x y f dx y x f y f X X Y Y )()(),()()(y x f Y X )(),(y f y x f Y =)()()(y f x f x y f Y X X Y =)(x y f X Y )(),(x f y x f X =)()()(x f y f y x f X Y Y X =w w w .k h d a w .c o m 课后答案网10.随机变量的数字特征数学期望∑+∞==1)(k kk p x X E ∫+∞∞−=dx x xf X E )()(随机变量函数的数学期望X 的k 阶原点矩)(k X E X 的k 阶绝对原点矩)|(|k X E X 的k 阶中心矩)))(((k X E X E −X 的方差)()))(((2X D X E X E =−X ,Y 的k +l 阶混合原点矩)(l k Y X E X ,Y 的k +l 阶混合中心矩()l k Y E Y X E X E ))(())((−−X ,Y 的二阶混合原点矩)(XY E X ,Y 的二阶混合中心矩X ,Y 的协方差()))())(((Y E Y X E X E −−w ww .k h d a w .c o m 课后答案网X ,Y 的相关系数XY Y D X D Y E Y X E X E ρ=⎟⎟⎠⎞⎜⎜⎝⎛−−)()())())(((X 的方差D (X )=E ((X -E (X ))2))()()(22X E X E X D −=协方差()))())(((),cov(Y E Y X E X E Y X −−=)()()(Y E X E XY E −=())()()(21Y D X D Y X D −−±±=相关系数)()(),cov(Y D X D Y X XY =ρw w w .k h d a w .c o m 课后答案网。

概率论与数理统计公式

概率论与数理统计公式概率论是一门研究随机现象规律的数学学科，是现代数学的基础之一、而数理统计则是利用概率论的工具和方法，分析和处理统计数据，从而得出推断、估计、决策等信息的科学。

在概率论与数理统计的学习过程中，掌握一些重要的公式是非常关键的。

下面是一些概率论与数理统计中常用的公式：1.概率公式：-加法公式：P(A∪B)=P(A)+P(B)-P(A∩B)-乘法公式：P(A∩B)=P(A)*P(B，A)-条件概率公式：P(A，B)=P(A∩B)/P(B)2.期望与方差公式：-期望：E(X)=∑(x*P(X=x))- 方差：Var(X) = E((X-μ)^2) = ∑((x-μ)^2 * P(X=x))3.常用概率分布及其特征：-二项分布：P(X=k)=C(n,k)*p^k*(1-p)^(n-k)-泊松分布：P(X=k)=(λ^k*e^(-λ))/k!-正态分布：f(x)=(1/(σ*√(2π)))*e^(-((x-μ)^2)/(2*σ^2))4.样本与总体统计量公式：-样本均值：x̄=(∑x)/n-样本方差：s^2=(∑(x-x̄)^2)/(n-1)-样本标准差：s=√(s^2)5.参数估计公式：-点估计：-总体均值估计：μ的点估计为x̄-总体方差估计：σ^2的点估计为s^2-区间估计：-总体均值的置信区间：x̄±Z*(σ/√n)-总体比例的置信区间：p±Z*√((p*(1-p))/n)6.假设检验公式：-均值检验：-单样本均值检验：t=(x̄-μ0)/(s/√n)-双样本均值检验：t=(x̄1-x̄2)/√((s1^2/n1)+(s2^2/n2))-比例检验：-单样本比例检验：z=(p-p0)/√((p0*(1-p0))/n)-双样本比例检验：z=(p1-p2)/√((p*(1-p))*((1/n1)+(1/n2)))以上是概率论与数理统计中一些常用的公式，这些公式为解决问题提供了有力的工具和方法。

概率论与数理统计计算公式

概率论与数理统计计算公式概率论和数理统计是数学中的两个重要分支，广泛应用于自然科学、社会科学和工程技术等领域。

在实际中，我们经常需要计算各种概率和统计量，因此理解和掌握概率论和数理统计中的计算公式是十分重要的。

接下来，我将给出概率论和数理统计中一些常用的计算公式。

一、概率计算公式：1.加法原理：如果A和B是两个事件，那么它们的和事件(A∪B)的概率可以由如下公式计算：P(A∪B)=P(A)+P(B)-P(A∩B)2.条件概率：如果A和B是两个事件，且P(A)>0，那么事件B在已知事件A发生的条件下发生的概率可以由如下公式计算：P(B，A)=P(A∩B)/P(A)3.全概率公式：如果{B1,B2,...,Bn}是一个对样本空间Ω的一个划分，那么对于任意事件A，我们有：P(A)=ΣP(A，Bi)P(Bi)，其中i取1到n。

4.贝叶斯公式：如果{B1,B2,...,Bn}是一个对样本空间Ω的一个划分，那么对于任意事件A和i取1到n，我们有：P(Bi，A)=P(A，Bi)P(Bi)/ΣP(A，Bj)P(Bj)，其中j取1到n。

5.乘法定理：如果A和B是两个事件，那么它们的交事件的概率可以由如下公式计算：P(A∩B)=P(A)P(B，A)=P(B)P(A，B)二、统计量计算公式：1.样本均值：对于由n个观测值组成的样本，样本的均值可以由如下公式计算：$\bar{X} = \frac{1}{n} \sum\limits_{i=1}^n x_i$2.样本方差：对于由n个观测值组成的样本，样本的方差可以由如下公式计算：$S^2 = \frac{1}{n-1} \sum\limits_{i=1}^n (x_i - \bar{X})^2$ 3.标准差：样本的标准差是样本方差的平方根$S = \sqrt{S^2}$4.相关系数：对于两个随机变量X和Y，它们的相关系数可以由如下公式计算：$\rho_{XY} = \frac{Cov(X,Y)}{\sigma_X \sigma_Y}$5.协方差：样本的协方差可以由如下公式计算：$Cov(X,Y) = \frac{1}{n-1} \sum\limits_{i=1}^n (X_i-\bar{X})(Y_i-\bar{Y})$以上只是概率论和数理统计中的一些常用计算公式，实际应用中还有很多其他的公式和方法。

概率论与数理统计公式大全

概率论与数理统计公式大全概率论和数理统计作为数学的两个重要分支，被广泛应用于各个领域。

无论是在学术研究还是实际应用中，熟悉并掌握相关的公式是非常重要的。

本文将为您提供概率论与数理统计公式的大全，帮助您更好地理解和应用这两门学科。

一、概率论公式1. 概率公式- 概率的定义：P(A) = N(A) / N(S)，其中P(A)表示事件A发生的概率，N(A)代表事件A的样本点个数，N(S)表示样本空间中的样本点总数。

- 加法法则：P(A∪B) = P(A) + P(B) - P(A∩B)，其中P(A∪B)表示事件A或事件B发生的概率，P(A∩B)表示事件A和事件B同时发生的概率。

- 乘法法则：P(A∩B) = P(A) × P(B|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。

2. 条件概率公式- 条件概率的定义：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。

- 全概率公式：P(A) = ∑[P(Bi) × P(A|Bi)]，其中Bi为样本空间的一个划分，P(Bi)表示事件Bi发生的概率，P(A|Bi)表示在事件Bi发生的条件下，事件A发生的概率。

3. 事件独立性公式- 事件A和事件B独立的定义：P(A∩B) = P(A) × P(B)，即事件A和事件B同时发生的概率等于事件A发生的概率乘以事件B发生的概率。

- 事件的相互独立：若对于任意的事件A1，A2，...，An，有P(A1∩A2∩...∩An) = P(A1) × P(A2) × ... × P(An)，则称事件A1，A2，...，An相互独立。

4. 随机变量- 随机变量的定义：随机变量X是样本空间到实数集的映射。

- 随机变量的分布函数：F(x) = P(X≤x)，表示随机变量X小于等于x的概率。

- 随机变量的概率密度函数（连续型随机变量）：f(x)是非负函数，且对于任意实数区间[a, b]，有P(a≤X≤b) = ∫[a, b]f(x)dx。

概率论与数理统计核心公式汇总

概率论与数理统计核心公式汇总本文将介绍概率论与数理统计中的核心公式，这些公式在统计学和数据分析中起到至关重要的作用，帮助我们理解和处理各种随机现象和数据集。

通过掌握这些公式，我们可以更好地进行数据分析、推断和预测。

概率论核心公式1. 事件的概率计算公式事件的概率定义为：$P(A)=\\frac{n(A)}{n(S)}$，其中P(A)表示事件A发生的概率，n(A)表示事件A发生的次数，n(S)表示样本空间S中的总次数。

2. 条件概率公式条件概率的计算公式为：$P(A|B)=\\frac{P(A \\cap B)}{P(B)}$，表示事件B发生的条件下事件A发生的概率。

3. 贝叶斯定理贝叶斯定理表示为：$P(A|B)=\\frac{P(B|A)P(A)}{P(B)}$，用于在给定相关事件的条件下计算其余事件的概率。

数理统计核心公式1. 样本均值和总体均值的关系样本均值$\\bar{X}=\\frac{\\sum_{i=1}^{n}X_i}{n}$，总体均值$\\mu=\\frac{\\sum_{i=1}^{N}X_i}{N}$。

当样本容量足够大时，样本均值接近于总体均值。

2. 样本方差和总体方差的关系样本方差$s^2=\\frac{\\sum_{i=1}^{n}(X_i-\\bar{X})^2}{n-1}$，总体方差$\\sigma^2=\\frac{\\sum_{i=1}^{N}(X_i-\\mu)^2}{N}$。

样本方差用于估计总体方差。

3. 中心极限定理中心极限定理表明，样本容量足够大时，样本均值的分布近似服从正态分布，不论总体分布是什么形式。

总结概率论与数理统计中的核心公式为我们提供了处理和分析数据的重要工具。

通过合理运用这些公式，我们可以更准确地理解数据背后的规律并做出有效的决策。

希望本文所介绍的核心公式对您有所帮助。

概率论与数理统计公式整理

概率论与数理统计公式整理概率论和数理统计是数学中重要的分支，广泛应用于科学、工程、经济、金融等领域。

本文将对概率论和数理统计中常用的公式进行整理，以帮助读者更好地理解和应用这些概念和方法。

一、概率论公式1. 基本概率公式：P(A) = n(A) / n(S)其中P(A)表示事件A发生的概率，n(A)表示事件A的样本空间，n(S)表示样本空间中所有可能结果的个数。

2. 概率的加法公式：P(A ∪ B) = P(A) + P(B) - P(A ∩ B)其中P(A ∪ B)表示事件A或B发生的概率，P(A ∩ B)表示事件A和B同时发生的概率。

3. 条件概率公式：P(A | B) = P(A ∩ B) / P(B)其中P(A | B)表示在事件B已经发生的条件下，事件A发生的概率。

4. 乘法公式：P(A ∩ B) = P(B) * P(A | B) = P(A) * P(B | A)其中P(A ∩ B)表示事件A和B同时发生的概率。

5. 全概率公式：P(A) = ∑[P(Bi) * P(A | Bi)]其中{Bi}为样本空间S的一个划分，P(Bi)表示事件Bi发生的概率。

二、数理统计公式1. 期望：E(X) = ∑[x * P(X = x)]其中X表示随机变量，x表示X可能取到的值，P(X = x)表示X取到x的概率。

2. 方差：Var(X) = E[(X - E(X))^2]其中E(X)表示随机变量X的期望。

3. 标准差：σ(X) = √(Var(X))其中Var(X)表示随机变量X的方差。

4. 协方差：Cov(X, Y) = E[(X - E(X)) * (Y - E(Y))]其中X和Y分别表示两个随机变量。

5. 相关系数：ρ(X, Y) = Cov(X, Y) / (σ(X) * σ(Y))其中Cov(X, Y)表示X和Y的协方差，σ(X)和σ(Y)分别表示X和Y的标准差。

三、概率分布公式1. 二项分布：P(X = k) = C(n, k) * p^k * (1 - p)^(n-k)其中X服从二项分布，n表示试验次数，k表示成功次数，p 表示每次试验成功的概率。

概率论与数理统计完整公式

概率论与数理统计完整公式概率论与数理统计是数学的一个分支，研究随机现象和随机变量之间的关系、随机变量的分布规律、经验规律及参数估计等内容。

在概率论与数理统计的学习中，有许多重要的公式需要掌握。

以下是概率论与数理统计的完整公式。

一、概率论公式：1.全概率公式：设A1，A2，…，An为样本空间S的一个划分，则对任意事件B，有：P(B)=P(B│A1)·P(A1)+P(B│A2)·P(A2)+…+P(B│An)·P(An)2.贝叶斯公式：对于样本空间S的一划分A1，A2，…，An，其中P(Ai)>0，i=1,2，…，n，并且B是S的任一事件，有：P(Ai│B)=[P(B│Ai)·P(Ai)]/[P(B│A1)·P(A1)+P(B│A2)·P(A2)+…+P (B│An)·P(An)]3.事件的独立性：若对事件A，B有P(AB)=P(A)·P(B)，则称事件A，B相互独立。

4.概率的乘法公式：对于独立事件A1，A2，…，An，有：P(A1A2…An)=P(A1)·P(A2)·…·P(An)5.概率的加法公式：对事件A，B有：P(A∪B)=P(A)+P(B)-P(AB)6.条件概率的计算：对事件A，B有：P(A，B)=P(AB)/P(B)7.古典概型的概率计算：设事件A在n次试验中发生k次的次数服从二项分布B(n,p)，则其概率可表示为：P(X=k)=C(n,k)·p^k·(1-p)^(n-k)，其中C(n,k)=n!/[k!(n-k)!]二、数理统计公式：1.样本均值的期望和方差：样本的均值X̄的期望和方差分别为： E(X̄) = μ，Var(X̄) = σ^2 / n，其中μ 为总体的均值，σ^2 为总体方差，n 为样本容量。

2.样本方差的期望：样本方差S^2的期望为：E(S^2)=σ^2，其中σ^2为总体方差。

概率论与数理统计公式精选常用公式一览

概率论与数理统计公式精选常用公式一览为了帮助读者更好地掌握概率论与数理统计的知识，本文将为大家整理并介绍一些常用的公式。

这些公式是在学习和应用概率论与数理统计过程中必备的工具，相信对大家的学习和研究具有重要的参考价值。

一、概率论常用公式1. 概率公式在概率论中，我们经常需要计算事件发生的概率。

以下是几个常用的概率公式：（1）加法公式设A和B为两个事件，则A与B的和事件概率为P(A∪B) = P(A) + P(B) - P(A∩B)。

（2）乘法公式设A和B为两个独立事件，则A与B的积事件概率为P(A∩B) =P(A) * P(B)。

2. 条件概率公式条件概率是指在已知事件B发生的条件下，事件A发生的概率。

以下是条件概率的计算公式：P(A|B) = P(A∩B) / P(B)，其中P(A∩B)表示A与B的交事件的概率，P(A|B)表示在B发生的条件下A发生的概率。

3. 贝叶斯公式贝叶斯公式是概率论中非常重要的公式，它用于根据已知条件，计算一个事件的后验概率。

贝叶斯公式如下所示：P(A|B) = P(B|A) * P(A) / 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(B|A)表示在事件A发生的条件下，事件B发生的概率；P(A)和P(B)分别表示事件A和事件B的先验概率。

二、数理统计常用公式1. 期望和方差在数理统计中，我们经常需要计算一组数据的期望和方差。

以下是期望和方差的计算公式：（1）期望的计算公式设X为一个离散型随机变量，其取值为x1, x2, ..., xn，对应的概率为p1, p2, ..., pn，则X的期望为：E(X) = x1 * p1 + x2 * p2 + ... + xn * pn。

（2）方差的计算公式设X为一个离散型随机变量，其取值为x1, x2, ..., xn，对应的概率为p1, p2, ..., pn，则X的方差为：Var(X) = E[(X - E(X))^2] = (x1 - E(X))^2 * p1 + (x2 - E(X))^2 * p2 + ... + (xn - E(X))^2 * pn。

自考_概率论与数理统计(经管类)__真题及答案详解分析

1【解析】因为，所以，而，所以，即；又由集合的加法公式P（AB）=P（A）+P（B）-P（A∪B）=0.5+0.4-0.6=0.3，所以＝0.5－0.3＝0.2，故选择B.[快解] 用Venn图可以很快得到答案：【提示】1. 本题涉及集合的运算性质：（i）交换律：A∪B=B∪A,AB=BA；（ii）结合律：（A∪B）∪C=A∪（B∪C）,（AB）C=A（BC）；（iii）分配律：（A∪B）∩C=（A∩C）∪（B∩C），（A∩B）∪C=（A∪C）∩（B∪C）；（iv）摩根律（对偶律）,.2.本题涉及互不相容事件的概念和性质：若事件A与B不能同时发生，称事件A与B互不相容或互斥，可表示为A∩B＝，且P（A∪B）=P（A）+P（B）.2.【答案】C【解析】根据分布函数的性质，选择C。

【提示】分布函数的性质：① 0≤F（x）≤1；② 对任意x1，x2（x1<x2），都有P{x1<X≤x2}=F（x2）-F（x1）；③ F（x）是单调非减函数；④ ，；⑤ F（x）右连续；⑥ 设x为f（x）的连续点，则F‘（x）存在，且F’（x）=f（x）.3【答案】D【解析】由课本p68，定义3－6：设D为平面上的有界区域，其面积为S且S>0. 如果二维随机变量（X,Y）的概率密度为，则称（X,Y）服从区域D上的均匀分布.本题x2+y2≤1为圆心在原点、半径为1的圆，包括边界，属于有界区域，其面积S=π，故选择D.【提示】课本介绍了两种二维连续型随机变量的分布：均匀分布和正态分布，注意它们的定义。

若（X,Y）服从二维正态分布，表示为（X,Y）～.4.【答案】A【解析】因为随机变量X服从参数为2的指数分布，即λ=2，所以；又根据数学期望的性质有 E（2X-1）=2E（X）-1=1-1=0，故选择A.【提示】1.常用的六种分布（1）常用离散型随机变量的分布：A. 两点分布① 分布列② 数学期望：E（X）=P③ 方差：D（X）=pq。

概率论与数理统计公式大全

概率论与数理统计公式大全一、概率论公式1.概率的基本性质：-非负性：对于任意事件A，有P(A)>=0；-规范性：对于必然事件S，有P(S)=1；-可列可加性：对于互不相容的事件Ai（i=1,2,...），有P(A1∪A2∪...)=P(A1)+P(A2)+...。

2.条件概率：-事件B发生的条件下，事件A发生的概率：P(A，B)=P(A∩B)/P(B)；-乘法公式：P(A∩B)=P(A，B)*P(B)。

3.全概率公式：-事件A的概率：P(A)=ΣP(A，Bi)*P(Bi)，其中Bi为样本空间的一个划分。

4.贝叶斯公式：-事件Bi发生的条件下，事件A发生的概率：P(Bi，A)=P(A，Bi)*P(Bi)/ΣP(A，Bj)*P(Bj)，其中Bj为样本空间的一个划分。

5.独立性：-事件A与事件B相互独立的充要条件是P(A∩B)=P(A)*P(B)。

二、数理统计公式1.随机变量的概率分布：-离散型随机变量的概率分布函数：P(X=x)；-连续型随机变量的概率密度函数：f(x)。

2.数理统计的基本概念：-样本均值：X̄=ΣXi/n；-样本方差：s^2=Σ(Xi-X̄)^2/(n-1)；-样本标准差：s=√s^2；- 样本协方差：sxy = Σ(Xi-X̄)(Yi-Ȳ) / (n-1)。

3.大数定律：-样本均值的大数定律：当样本容量n趋向于无穷大时，样本均值X̄趋向于总体均值μ。

4.中心极限定理：-样本均值的中心极限定理：当样本容量n足够大时，样本均值X̄服从近似正态分布。

5.参数估计：-点估计：用样本统计量对总体参数进行估计；-置信区间估计：用样本统计量构造一个区间，以估计总体参数的范围。

6.假设检验：-假设检验的基本步骤：提出原假设H0和备择假设H1，选择适当的检验统计量，计算拒绝域，进行假设检验。

以上只是概率论与数理统计中的一些重要公式和定理，还有很多其他的公式和定理没有一一列举。

掌握这些公式和定理，可以帮助我们更好地理解和应用概率论与数理统计的知识。

概率论与数理统计公式大全

概率论与数理统计公式大全一、概率论的常用公式：1.概率的公式：对于事件A，其概率表示为P(A)，满足0≤P(A)≤1。

2.加法公式：对于两个互斥事件A和B，其概率表示为P(A∪B)，满足P(A∪B)=P(A)+P(B)。

3.减法公式：对于事件A和B，其概率表示为P(A∩B)，满足P(A∩B)=P(A)-P(A∪B)。

4.乘法公式：对于两个独立事件A和B，其概率表示为P(A∩B)，满足P(A∩B)=P(A)某P(B)。

5.条件概率公式：对于事件A和B，其条件概率表示为P(A，B)，满足P(A，B)=P(A∩B)/P(B)。

6.全概率公式：对于一组互斥事件B1，B2，...，Bn，以及事件A，有P(A)=∑(P(A，Bi)某P(Bi))。

7.贝叶斯公式：对于一组互斥事件B1，B2，...，Bn，以及事件A，有P(Bi，A)=P(A，Bi)某P(Bi)/(∑(P(A，Bj)某P(Bj))。

二、数理统计的常用公式：1.均值公式：对于一组数据某1，某2，...，某n，其均值表示为μ=∑(某i)/n。

2.方差公式：对于一组数据某1，某2，...，某n，其方差表示为σ^2=∑((某i-μ)^2)/n。

3.标准差公式：对于一组数据某1，某2，...，某n，其标准差表示为σ=√(σ^2)。

4. 协方差公式：对于两组数据某1，某2，...，某n 和 y1，y2，...，yn，其协方差表示为 Cov(某,y) = ∑((某i - μ某) 某 (yi - μy)) / n。

5. 相关系数公式：对于两组数据某1，某2，...，某n 和 y1，y2，...，yn，其相关系数表示为 r = Cov(某,y) / (σ某某σy)。

6.正态分布的概率计算：对于满足正态分布的一组数据某1，某2，...，某n，可以利用标准正态分布表或计算工具来计算概率P(X≤某)或P(X>某)。

7.置信区间公式：对于一组数据某1，某2，...，某n，其均值μ和置信水平α，可以计算置信区间为某̄±Z(α/2)某(σ/√n)。

概率论与数理统计常用公式整理

概率论与数理统计常用公式整理1. 概率论公式(1)概率定义：对于随机事件A，概率P(A)的定义为：P(A) = N(A) / N，其中N(A)为事件A发生的次数，N为试验总次数。

(2)加法定理：对于两个事件A和B，有：P(A ∪B) = P(A) + P(B) - P(A∩B)。

(3)乘法定理：对于两个独立事件A和B，有：P(A ∩B) = P(A) ×P(B)。

(4)条件概率：对于事件A和B，且P(A) > 0，条件概率P(B|A)定义为：P(B|A) = P(A ∩B) / P(A)。

(5)全概率公式：对于一组互斥事件A1, A2, ..., An，且它们的并集构成了样本空间，有：P(B) = Σ[P(B|Ai) ×P(Ai)]，其中Σ表示求和。

(6)贝叶斯公式：对于一组互斥事件A1, A2, ..., An，且它们的并集构成了样本空间，有：P(Ai|B) = [P(B|Ai) ×P(Ai)] / P(B)。

2. 数理统计公式(1)样本均值：对于样本x1, x2, ..., xn，样本均值定义为：x̄= (x1 + x2 + ...+ xn) / n。

(2)样本方差：对于样本x1, x2, ..., xn，样本方差定义为：s^2 = [(x1 - x̄)^2+ (x2 - x̄)^2 + ... + (xn - x̄)^2] / (n - 1)。

(3)样本标准差：对于样本x1, x2, ..., xn，样本标准差定义为：s = √[s^2]。

(4)期望值：对于随机变量X，其期望值定义为：E(X) = Σ[x ×P(X =x)]，其中Σ表示求和。

(5)方差：对于随机变量X，其方差定义为：Var(X) = E[(X - E(X))^2]。

(6)协方差：对于两个随机变量X和Y，其协方差定义为：Cov(X, Y) = E[(X- E(X))(Y - E(Y))]。

概率论与数理统计必背公式

概率论与数理统计必背公式在概率论与数理统计中，掌握好一些重要的公式是非常重要的，这些公式可以帮助我们解决问题、推导证明以及计算概率和统计量。

下面将介绍一些必须掌握的概率论与数理统计的重要公式。

一、概率论公式：1.加法定理：如果事件A和B是互不相容的（即A和B不会同时发生），则它们的和事件的概率为P(A∪B)=P(A)+P(B)。

2.条件概率公式：对于两个事件A和B，A在给定B发生的条件下发生的概率定义为P(A，B)=P(A∩B)/P(B)。

3.乘法定理：对于两个事件A和B，其交事件的概率可以通过条件概率公式来计算，即P(A∩B)=P(A，B)*P(B)。

4.全概率公式：如果事件B1，B2，...，Bn是一组互不相容的且其并集为样本空间（即事件B1∪B2∪...∪Bn=S），则对于事件A，它的概率可以通过条件概率公式和全概率公式来计算，即P(A)=P(A，B1)*P(B1)+P(A，B2)*P(B2)+...+P(A，Bn)*P(Bn)。

5.贝叶斯公式：贝叶斯公式是条件概率公式的推广，对于事件A和B，其交事件的概率可以通过贝叶斯公式来计算，即P(A，B)=P(B，A)*P(A)/P(B)。

二、数理统计公式：1.期望：对于一组随机变量X，其期望（也称为均值）定义为E(X)=ΣX*P(X)，即随机变量X乘以其概率的和。

2. 方差：对于一组随机变量X，其方差定义为Var(X) = E((X - μ)^2)，其中μ为X的期望。

3. 协方差：对于两组随机变量X和Y，其协方差定义为Cov(X,Y) = E((X - μx)(Y - μy))，其中μx和μy分别为X和Y的期望。

4. 标准差：对于一组随机变量X，其标准差定义为σ = √Var(X)，即方差的平方根。

5. 协方差矩阵：对于多组随机变量X1，X2，...，Xn，其协方差矩阵定义为Cov(X) = [Cov(Xi,Xj)]，其中i和j分别表示第i组和第j组随机变量。

概率论与数理统计公式全完整版

概率论与数理统计公式
全
HUA system office room 【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】
第1章随机事件及其概率
每次试验只有两种可能结果，A 发生或A 不发生； n 次试验是重复进行的，即A 发生的概率每次均一样；
每次试验是独立的，即每次试验A 发生与否与其他次试验A 发生与否是互不影响的。

这种试验称为伯努利概型，或称为n 重伯努利试验。

用p 表示每次试验A 发生的概率，则A 发生的概率为q p =-1，用
)(k P n 表示n 重伯努利试验中A 出现)0(n k k ≤≤次的概率，
k n k k
n n q p k P C -=)(，n k ,,2,1,0 =。

第二章随机变量及其分布
第三章二维随机变量及其分布
第四章随机变量的数字特征
第五章大数定律和中心极限定理
第六章样本及抽样分布
第七章参数估计
第八章假设检验
单正态总体均值和方差的假设检验。

概率论与数理统计公式汇总应用广泛解题利器

概率论与数理统计公式汇总应用广泛解题利器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，包括自然科学、社会科学以及工程技术等。

在解决实际问题时，概率论与数理统计的公式是我们的利器之一。

本文将概括总结概率论与数理统计中常用的公式，并探讨其在实际问题中的应用。

一、概率论公式汇总1. 加法公式：对于两个事件A和B，其和事件的概率为P(A ∪ B) = P(A) + P(B) -P(A ∩ B)。

该公式适用于求两个或多个事件的并的概率。

2. 条件概率公式：事件A在已知事件B发生的条件下发生的概率为P(A|B) = P(A ∩ B) / P(B)。

该公式适用于求已知条件下事件的概率。

3. 乘法公式：对于两个事件A和B，其交事件的概率为P(A ∩ B) = P(A|B) * P(B)。

该公式适用于求两个事件的交的概率。

4. 全概率公式：对于一组两两互斥的事件B1、B2、...、Bn，事件A的概率为P(A)= P(A|B1) * P(B1) + P(A|B2) * P(B2) + ... + P(A|Bn) * P(Bn)。

该公式适用于求事件A的概率。

该公式适用于求已知事件A发生的条件下事件Bi发生的概率。

二、数理统计公式汇总1. 样本均值公式：对于样本X1、X2、...、Xn，其样本均值为X = (X1 + X2 + ... + Xn) / n。

该公式适用于求样本的均值。

2. 总体均值公式：对于总体X1、X2、...、Xn，其总体均值为μ = (X1 + X2 + ... + Xn) / n。

该公式适用于求总体的均值。

3. 样本方差公式：对于样本X1、X2、...、Xn，其样本方差为S² = [(X1 - X)² + (X2 - X)² + ... + (Xn - X)²] / (n - 1)。

概率论与数理统计经管类公式

概率论与数理统计必考知识点一、随机事件和概率1、随机事件及其概率运算律名称表达式交换律结合律分配律德摩根律2、概率的定义及其计算公式名称公式表达式求逆公式加法公式条件概率公式乘法公式全概率公式贝叶斯公式（逆概率公式）伯努利概型公式两件事件相互独立相应公式)()()(B P A P AB P =；)()(B P A B P =；)()(A B P A B P =；1)()(=+A B P A B P ；1)()(=+A B P A B P二、随机变量及其分布1、分布函数性质2、离散型随机变量分布名称分布律0–1分布),1(p B 二项分布),(p n B 泊松分布)(λP 几何分布)(p G超几何分布),,(n M N H3、连续型随机变量分布名称密度函数分布函数均匀分布),(b a U 指数分布)(λE正态分布),(2σμN 标准正态分布)1,0(N三、多维随机变量及其分布1、离散型二维随机变量边缘分布2、离散型二维随机变量条件分布3、连续型二维随机变量( X ,Y )的联合分布函数⎰⎰∞-∞-=xydvdu v u f y x F ),(),(4、连续型二维随机变量边缘分布函数与边缘密度函数边缘分布函数：⎰⎰∞-+∞∞-=x X dvdu v u f x F ),()( 边缘密度函数：⎰+∞∞-=dv v x f x f X ),()(5、二维随机变量的条件分布四、随机变量的数字特征1、数学期望离散型随机变量：∑+∞==1)(k k k p x X E 连续型随机变量：⎰+∞∞-=dx x xf X E )()(2、数学期望的性质(1)若XY 相互独立则：)()()(Y E X E XY E = 3、方差：)()()(22X E X E X D -= 4、方差的性质(1)),(2)()()(Y X Cov Y D X D Y X D ±+=± 若XY 相互独立则：)()()(Y D X D Y X D +=± 5、协方差：)()(),(),(Y E X E Y X E Y X Cov -= 若XY 相互独立则：0),(=Y X Cov 6、相关系数：)()(),(),(Y D X D Y X Cov Y X XY ==ρρ 若XY 相互独立则：0=XY ρ即XY 不相关7、协方差和相关系数的性质 8、常见数学分布的期望和方差分布数学期望方差0-1分布),1(p B 二行分布),(p n B 泊松分布)(λP 几何分布)(p G超几何分布),,(n M N H均匀分布),(b a U 正态分布),(2σμN指数分布)(λE五、大数定律和中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ξ有2)(})({ξξX D X E X P ≤≥-或2)(1})({ξξX D X E X P -≥<-2、大数定律：若n X X 1相互独立且∞→n 时，∑∑==−→−ni iDni i X E nX n11)(11(1)若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且M i ≤2σ则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11(2)若n X X 1相互独立同分布，且i i X E μ=)(则当∞→n 时：μ−→−∑=Pn i i X n 11 3、中心极限定理(1)独立同分布的中心极限定理：均值为μ，方差为02>σ的独立同分布时，当n 充分大时有： (2)拉普拉斯定理：随机变量),(~)2,1(p n B n n =η则对任意x 有：(3)近似计算：)()()()(11σμσμσμσμσμn n a n n b n n b n n Xn n a P b Xa P nk knk k-Φ--Φ≈-≤-≤-=≤≤∑∑==六、数理统计1、总体和样本总体X 的分布函数)(x F 样本),(21n X X X 的联合分布为)(),(121k nk n x F x x x F =∏=2、统计量(1)样本平均值：∑==ni i X nX 11(2)样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11(3)样本标准差：∑=--=ni i X X n S 12)(11(4)样本k 阶原点距： 2,1,11==∑=kXn A ni ki k(5)样本k 阶中心距：∑==-==ni k ik k k X XnM B 13,2,)(1(6)次序统计量：设样本),(21n X X X 的观察值),(21n x x x ，将n x x x 21,按照由小到大的次序重新排列，得到)()2()1(n x x x ≤≤≤ ，记取值为)(i x 的样本分量为)(i X ，则称)()2()1(n X X X ≤≤≤ 为样本),(21n X X X 的次序统计量。

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)。

2010年概率论与数理统计必考知识点一、随机事件和概率1、随机事件及其概率运算律名称表达式交换律A B B A +=+ BA AB =结合律 C B A C B A C B A ++=++=++)()( ABC BC A C AB ==)()(分配律AC AB C B A ±=±)( ))(()(C A B A BC A ++=+德摩根律B A B A =+ B A AB +=2、概率的定义及其计算公式名称公式表达式求逆公式 )(1)(A P A P -=加法公式 )()()()(AB P B P A P B A P -+=+条件概率公式 )()()(A P AB P A B P =乘法公式 )()()(A B P A P AB P = )()()(B A P B P AB P =全概率公式∑==ni iiA B P A P B P 1)()()(贝叶斯公式（逆概率公式） ∑∞==1)()()()()(i ijj j j A B P A P A B P A P B A P伯努力概型公式 n k p p C k P k n kk n n ,1,0,)1()(=-=-两件事件相互独立相应公式)()()(B P A P AB P =；)()(B P A B P =；)()(A B P A B P =；1)()(=+A B P A B P ；1)()(=+A B P A B P二、随机变量及其分布1、分布函数性质)()(b F b X P =≤ )()()(a F b F b X a P -=≤<2、散型随机变量分布名称分布律0–1分布),1(p B 1,0,)1()(1=-==-k p p k X P k k二项分布),(p n Bn k p p C k X P k n kk n ,,1,0,)1()( =-==-泊松分布)(λP ,2,1,0,!)(===-k k ek X P kλλ几何分布)(p G ,2,1,0,)1()(1=-==-k p p k X P k超几何分布),,(n M N H),min(,,1,,)(M n l l k C C C k X P nNk n MN k M +===--3、续型随机变量分布名称密度函数分布函数均匀分布),(b a U⎪⎩⎪⎨⎧<<-=其他,0,1)(b x a a b x f⎪⎪⎩⎪⎪⎨⎧≥<≤--<=b x b x a a b a x a x x F ,1,,0)(指数分布)(λE⎪⎩⎪⎨⎧>=-其他,00,)(x e x f x λλ ⎩⎨⎧≥-<=-0,10,0)(x e x x F xλ 正态分布),(2σμN+∞<<∞-=--x ex f x 222)(21)(σμσπ ⎰∞---=xt t ex F d 21)(222)(σμσπ标准正态分布)1,0(N+∞<<∞-=-x ex x 2221)(πϕ⎰∞---=xt t ex F d 21)(222)(σμσπ三、多维随机变量及其分布1、离散型二维随机变量边缘分布 ∑∑======⋅jjijjii i py Y x X P x X P p ),()(∑======⋅iiijj i j j py Y x X P y Y P p ),()(2、离散型二维随机变量条件分布2,1,)(),()(=========⋅i P p y Y P y Y x X P y Y x X P p j ij j j i j i j i2,1,)(),()(=========⋅j P p x X P y Y x X P x X y Y P p i ij i j i i j i j3、连续型二维随机变量( X ,Y )的分布函数⎰⎰∞-∞-=x ydvdu v u f y x F ),(),(4、连续型二维随机变量边缘分布函数与边缘密度函数分布函数：⎰⎰∞-+∞∞-=xX dvdu v u f x F ),()( 密度函数：⎰+∞∞-=dv v x f x f X ),()(⎰⎰∞-+∞∞-=y Y dudv v u f y F ),()( ⎰+∞∞-=du y u f y f Y ),()(5、二维随机变量的条件分布+∞<<-∞=y x f y x f x y f X X Y ,)(),()( +∞<<-∞=x y f y x f y x f Y Y X ,)(),()( 四、随机变量的数字特征1、数学期望离散型随机变量：∑+∞==1)(k k k p x X E 连续型随机变量：⎰+∞∞-=dx x xf X E )()(2、数学期望的性质(1)为常数C ,)(C C E = )()]([X E X E E = )()(X CE CX E =(2))()()(Y E X E Y X E ±=± b X aE b aX E ±=±)()( )()()(1111n n n n X E C X E C X C X C E +=+ (3)若XY 相互独立则：)()()(Y E X E XY E = (4))()()]([222Y E X E XY E ≤ 3、方差：)()()(22X E X E X D -= 4、方差的性质(1)0)(=C D 0)]([=X D D )()(2X D a b aX D =± 2)()(C X E X D -<(2)),(2)()()(Y X Cov Y D X D Y X D ±+=± 若XY 相互独立则：)()()(Y D X D Y X D +=± 5、协方差：)()(),(),(Y E X E Y X E Y X Cov -= 若XY 相互独立则：0),(=Y X Cov 6、相关系数：)()(),(),(Y D X D Y X Cov Y X XY ==ρρ 若XY 相互独立则：0=XY ρ即XY 不相关7、协方差和相关系数的性质(1))(),(X D X X Cov = ),(),(X Y C o v Y X C o v = (2)),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+ ),(),(Y X a b C ov d bY c aX Cov =++ 8、常见数学分布的期望和方差分布数学期望方差0-1分布),1(p B p)1(p p - 二行分布),(p n B np)1(p np -泊松分布)(λP λλ几何分布)(p G p121pp -超几何分布),,(n M N H N M n1)1(---N mN N M N M n均匀分布),(b a U 2b a + 12)(2a b - 正态分布),(2σμN μ2σ指数分布)(λEλ1 21λ五、大数定律和中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ξ有2)(})({ξξX D X E X P ≤≥-或2)(1})({ξξX D X E X P -≥<-2、大数定律：若n X X 1相互独立且∞→n 时，∑∑==−→−ni iDni i X E nX n11)(11(1)若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且M i ≤2σ则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11(2)若n X X 1相互独立同分布，且i i X E μ=)(则当∞→n 时：μ−→−∑=Pn i i X n 113、中心极限定理(1)独立同分布的中心极限定理：均值为μ，方差为02>σ的独立同分布时，当n 充分大时有：)1,0(~1N n n XY nk kn −→−-=∑=σμ(2)拉普拉斯定理：随机变量),(~)2,1(p n B n n =η则对任意x 有： ⎰∞--+∞→Φ==≤--xt n x x dtex p np npP )(21})1({lim 22πη(3)近似计算：)()()()(11σμσμσμσμσμn n a n n b n n b n n Xn n a P b Xa P nk knk k-Φ--Φ≈-≤-≤-=≤≤∑∑==六、数理统计1、总体和样本总体X 的分布函数)(x F 样本),(21n X X X 的联合分布为)(),(121k nk n x F x x x F =∏=2、统计量(1)样本平均值：∑==ni i X nX 11(2)样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11(3)样本标准差：∑=--=ni i X X n S 12)(11(4)样本k 阶原点距： 2,1,11==∑=kXn A ni ki k(5)样本k 阶中心距：∑==-==ni k ik k k X XnM B 13,2,)(1(6)次序统计量：设样本),(21n X X X 的观察值),(21n x x x ，将n x x x 21,按照由小到大的次序重新排列，得到)()2()1(n x x x ≤≤≤ ，记取值为)(i x 的样本分量为)(i X ，则称)()2()1(n X X X ≤≤≤ 为样本),(21n X X X 的次序统计量。

),m in(21)1(n X X X X =为最小次序统计量；),m ax(21)(n n X X X X =为最大次序统计量。

3、三大抽样分布(1)2χ分布：设随机变量n X X X 21,相互独立，且都服从标准正态分布)1,0(N ，则随机变量222212nX X X ++=χ所服从的分布称为自由度为n 的2χ分布，记为)(~22n χχ性质：①n n D n n E 2)]([,)]([22==χχ②设)(~),(~22n Y m X χχ且相互独立，则)(~2n m Y X ++χ (2)t 分布：设随机变量)(~),1,0(~2n Y N X χ，且X 与Y 独立，则随机变量：nY X T =所服从的分布称为自由度的n 的t 分布，记为)(~n t T性质：①)2(,2)]([,0)]([>-==n n nn t D n t E ②222)(21)1,0()(lim σμπ--∞→==x n e N n t(3)F 分布：设随机变量)(~),(~2212n V n U χχ，且U 与V 独立，则随机变量2121),(n V n U n n F =所服从的分布称为自由度),(21n n 的F 分布，记为),(~21n n F F 性质：设),(~n m F X ，则),(~1m n F X七、参数估计1、参数估计(1) 定义：用),,(21n X X X ∧θ估计总体参数θ，称),,(21n X X X ∧θ为θ的估计量，相应的),,(21n X X X ∧θ为总体θ的估计值。