A概率论的基本概念
概率论与数理统计第二版课后答案
概率论与数理统计第二版课后答案第一章：概率论的基本概念与性质1.1 概率的定义及其性质1.概率的定义：概率是对随机事件发生的可能性大小的度量。
在概率论中，我们将事件A的概率记为P(A)，其中P(A)的值介于0和1之间。
2.概率的基本性质：–非负性：对于任何事件A，其概率满足P(A) ≥ 0。
–规范性：对于样本空间Ω中的全部事件，其概率之和为1，即P(Ω) = 1。
–可列可加性：对于互不相容的事件序列{Ai}（即Ai∩Aj = ∅，i ≠ j），有P(A1∪A2∪…) = P(A1) + P(A2) + …。
1.2 随机事件与随机变量1.随机事件：随机事件是指在一次试验中所发生的某种结果。
–基本事件：对于只包含一个样本点的事件，称为基本事件。
–复合事件：由一个或多个基本事件组成的事件称为复合事件。
2.随机变量：随机变量是将样本空间Ω上的每个样本点赋予一个实数的函数。
随机变量可以分为两种类型：–离散型随机变量：其取值只可能是有限个或可列无穷个实数。
–连续型随机变量：其取值在某个区间内的任意一个值。
1.3 事件的关系与运算1.事件的关系：事件A包含于事件B（记作A ⊆ B）指的是事件B发生时，事件A一定发生。
如果A ⊆ B且B ⊆ A，则A与B相等（记作A = B）。
–互不相容事件：指的是两个事件不能同时发生，即A∩B = ∅。
2.事件的运算：对于两个事件A和B，有以下几种运算：–并：事件A和事件B至少有一个发生，记作A∪B。
–交：事件A和事件B同时发生，记作A∩B。
–差：事件A发生而事件B不发生，记作A-B。
第二章：条件概率与独立性2.1 条件概率与乘法定理1.条件概率：在事件B发生的条件下，事件A发生的概率称为事件A在事件B发生的条件下的条件概率，记作P(A|B)。
–条件概率的计算公式：P(A|B) = P(A∩B) / P(B)。
2.乘法定理：对于任意两个事件A和B，有P(A∩B) = P(A|B) * P(B) =P(B|A) * P(A)。
(完整)概率论核心概念及公式(全)
A B
如果同时有 A B , B A ，则称事件 A 与事件 B 等价,或称 A 等于 B：A=B。
A、B 中至少有一个发生的事件：A B，或者 A+B。
（6）事 属于 A 而不属于 B 的部分所构成的事件，称为 A 与 B 的差，记为 A-B，也可表
件的关 示为 A-AB 或者 AB ，它表示 A 发生而 B 不发生的事件.
P(X k) Pn(k) Cnk pk qnk ， 其中 q 1 p,0 p 1, k 0,1,2,, n ,
则称随机变量 X 服从参数为n ， p 的二项分布。记为
X ~ B(n, p) 。
当n 1时，P(X k) pk q1k , k 0.1，这就是（0-1）分布，
所以（0—1)分布是二项分布的特例。
和事件 B，C，…表示事件,它们是 的子集。
为必然事件，Ø 为不可能事件.
不可能事件(Ø ）的概率为零,而概率为零的事件不一定是不可能事件;同理，
必然事件（Ω）的概率为 1，而概率为 1 的事件也不一定是必然事件。
①关系：
如果事件 A 的组成部分也是事件 B 的组成部分，（A 发生必有事件 B 发生）：
(2）加 法和乘 法原理
某件事由两种方法来完成，第一种方法可由 m 种方法完成，第二种方法可由 n 种方法来完成,则这件事可由 m+n 种方法来完成。 乘法原理(两个步骤分别不能完成这件事）：m×n 某件事由两个步骤来完成，第一个步骤可由 m 种方法完成，第二个步骤可由 n
种方法来完成，则这件事可由 m×n 种方法来完成。
（3） 重复排列和非重复排列（有序）
一些常 对立事件(至少有一个）
见排列 顺序问题
（4)随 如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，
第1章 概率论的基本概念
试验者
德•摩根 蒲 丰 K•皮尔逊 K•皮尔逊 维 尼
n
2048 4040 12000 24000 30000
nH
1061 2048 60199 12012 14994
fn(H)
0.5181 0.5069 0.5016 0.5005 0.4998
nA 频率 f n ( A) 具有如下基本性质: n
统计概率的性质
1. 非负性：对每个事件A有 1 P ( A) 0; 2. 规范性：对必然事件S有 P ( S ) 1;
3. 有限可加性：设A1,A2,…An是两两互不相容事件 则 P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
交换律 A B B A
A B B A
结合律 ( A B) C A ( B C )
( A B) C A ( B C )
分配律 ( A B) C ( A C ) ( B C )
A ( B C ) ( A B) ( A C )
其结果可能为:
正品、次品。
其结果可能为: 红、黄、绿。
实例6 “出生的婴儿可能是男，也可能是 女”。
实例7 “明天的天气可能是晴 , 也可能是多云 或雨 ”。
在我们所生活的世界上， 充满了不确定性
如何来研究随机现象?
随机现象是通过随机试验来研究的。
问题 什么是随机试验？
1. 试验（Experiment）：包括各种各样的科学实 验，也包括对客观事物的“观察”、“测量”等。 2. 随机试验（E，Random experiment）：具有以 下三个特征的试验： （1）可以在相同的条件下重复地进行; （2）每次试验的可能结果不止一个，并且能 事先明确试验的所有可能结果; （3）进行一次试验之前不能确定哪一个结果 会出现。
1-2(概率的定义、古典概率)
P( AB) P( A) P( B) P( A B)
P( A) P( B) 1 0.3 —— 最小值
最小值在 P( A B) 1 时取得
P( AB) P( A) 0.6
—— 最大值
最大值在 P( A B) P( B) 时取得
三.几何概率
早在概率论发展初期，人们就认识到， 只考虑有限个等可能样本点的古典方法是不 够的. 把等可能推广到无限个样本点场合,人们 引入了几何概型. 由此形成了确定概率的另 一方法——几何方法.
P( AB ) P( A) P( AB) 0.7 0.1 0.6 (2) P( A B) P( A) P( B) P( AB) 0.8
(1)
(3) P( A B) P( A B) 0.2
例2 设A , B满足 P ( A ) = 0.6, P ( B ) = 0.7, 在 何条件下， P(AB) 取得最大(小)值？最大(小) 值是多少？ 解 P( A B) P( A) P( B) P( AB)
P ( Ai ) P ( Ai )
i 1 i 1 n n 1 i j n
P( A A )
i j
1 i j k n
P( A A A )
i j k
„ ( 1)
n1
P ( A1 A2 „ An )
例1 小王参加“智力大冲浪”游戏, 他能 答出甲、乙二类问题的概率分别为0.7和0.2, 两类问题都能答出的概率为0.1. 求小王 (1) 答出甲类而答不出乙类问题的概率 (2) 至少有一类问题能答出的概率 (3) 两类问题都答不出的概率 解 事件A , B分别表示“能答出甲,乙类问题”
《概率论与数理统计》-课件 概率论的基本概念
已知 P(C ) 0.5, P( N1 C ) P( N2 C ) 0.5,
P(N1N2 C) 0.25, P(N1 C) 1, P(N2 C) 1. (1) P(N1) P(N1 C)P(C) P(N1 C)P(C)
6 3 3. 100 100 100
故 注意
p 17 10 3 1 12 . 100 2 25
只有当 B A 时才有 P( A B) P( A) P(B).
例7 设盒 I 有 6 只红球, 4 只白球; 盒 II 有7只红 球, 3只白球. 自盒 I 中随机地取一只球放入盒 II, 接着在盒 II 中随机地取一只球放入盒 I. (1) 然后在盒 I 中随机地取一只球 , 求取到的是红 球的概率. (2) 求盒 I 中仍有 6 只红球 4 只白球的概率.
以 B 记事件“至少有一个配对” , 则 B A1 A2 An .
(1) 由和事件概率公式
P(B) P( A1 A2 An )
n
n
n
P( Ai ) P( Ai Aj )
P( Ai Aj Ak )
i 1
1i jn
1i jkn
(1)n1 P( A1 A2 An ),
n n 1 n(n 2)!, 1 1 2
n n 1 n
(n 2)!
于是
P(B) 1
1 2 nn
.
例4 将 6 只球随机地放入到3 只盒子中去, 求每 只盒子都有球的概率. 解 以 A 记事件 “每只盒子都有球” . A 发生分为三种情况 : (i) 3 只盒子装球数分别为 4, 1, 1, 所含的样本点数为
概率论的基本概论
第一章概率论的基本概论确定现象：在一定条件下必然发生的现象，如向上抛一石子必然下落，等随机现象：称某一现象是“随机的”，如果该现象（事件或实验）的结果是不能确切地预测的。
由此产生的概念有：随机现象，随机事件，随机实验。
例：有一位科学家，他通晓现有的所有学科，如果对一项实验（比如：掷硬币），该万能科学家也无法确切地预测该实验的结果（是正面朝上还是反面朝上），这一实验就是随机实验，其结果是“随机的”----为一随机事件。
例：明天下午三点钟”深圳市区下雨”这一现象是随机的，其结果为随机事件。
随机现象的结果（随机事件）的随机度如何解释或如何量化呢？这就要引入”概率”的概念。
概率的描述性定义：对于一随机事件A，用一个数P(A)来表示该事件发生的可能性大小，这个数P(A)就称为随机事件A发生的概率。
§1.1 随机实验以上实验的共同特点是:1．实验可以在相同的条件下重复进行；2．实验的全部可能结果不止一个，并且在实验之前能明确知道所有的可能结果；3．每次实验必发生全部可能结果中的一个且仅发生一个，但某一次实验究竟发生哪一个可能结果在实验之前不能预言。
我们把对随机现象进行一次观察和实验统称为随机实验，它一定满足以上三个条件。
我们把满足上述三个条件的实验叫随机实验，简称实验，记E。
§1.2样本空间与随机事件(一) 样本空间与基本事件E的一个可能结果称为E的一个基本事件，记为ω，e等。
E的基本事件全体构成的集，称为E的样本空间，记为S或Ω, 即：S={ω|ω为E的基本事件}，Ω={e}.注意：ω的完备性，互斥性特点。
例：§1.1中实验E 1--- E 7 E 1：S 1={H,T}E 2：S 2={ HHH,HHT,HTH,THH,HTT,THT,TTH,TTT }E 3：S 3={0，1，2，3} E 4：S 4={1,2,3,4,5,6} E 5: S 5={0,1,2,3,…} E 6：S 5={t0≥t }E 7：S 7={()y x ,10T y x T ≤≤≤}（二） 随机事件我们把实验 E 的全部可能结果中某一确定的部分称为随机事件。
概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章概率论的基本概念§2．样本空间、随机事件1．事件间的关系 A B 则称事件 B 包含事件 A ，指事件 A 发生必然导致事件 B 发生A B {x x A或x B} 称为事件 A 与事件 B 的和事件，指当且仅当 A ，B 中至少有一个发生时，事件 A B 发生A B {x x A且x B} 称为事件 A 与事件 B 的积事件，指当A，B 同时发生时，事件A B 发生A—B {x x A且x B} 称为事件A 与事件 B 的差事件，指当且仅当 A 发生、B 不发生时，事件 A — B 发生A B ，则称事件 A 与B 是互不相容的，或互斥的，指事件 A 与事件 B 不能同时发生，基本事件是两两互不相容的A B S A B ，则称事件 A 与事件 B 互为逆事件，又称事件 A 与事件 B 互为且对立事件2．运算规则交换律 A B B A A B B A结合律(A B) C A (B C) ( A B)C A(B C)分配律 A （B C）(A B) ( A C)A (B C)(A B)( A C)—徳摩根律 A B A B A B A B§3．频率与概率定义在相同的条件下，进行了n 次试验，在这n 次试验中，事件 A 发生的次数n称为事件AA 发生的频数，比值n nA 称为事件 A 发生的频率概率：设E是随机试验，S 是它的样本空间，对于E 的每一事件A赋予一个实数，记为P（A），称为事件的概率1．概率P( A)满足下列条件：（1）非负性：对于每一个事件 A 0 P( A) 1（2）规范性：对于必然事件S P (S) 11（3）可列可加性：设A1, A2 , ,A是两两互不相容的事件，有nn nP A k ) P( A) ( （n可kk 1 k 1以取）2．概率的一些重要性质：（i ）P( ) 0（ii ）若A1, A2 , ,A是两两互不相容的事件，则有n Pn n( （n可以取）A k ) P( A )kk 1 k 1（iii ）设A，B 是两个事件若 A B ，则P(B A) P( B) P( A) ，P( B) P(A) （iv）对于任意事件A，P(A) 1（v）P( A) 1 P(A) （逆事件的概率）（vi）对于任意事件A，B 有P(A B) P( A) P( B) P( A B)§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件 A 包含k 个基本事件，即{e i } {e } {e }A ，里1 i i k] 2，k是，中某个不同的数，则有i1 i 2, ，i k 1,2 nP( A)j k1P { eij}knA包含的基本事件数S中基本事件的总数§5．条件概率（1）定义：设A,B 是两个事件，且P( A) 0 ，称P( A B)P(B | A) 为事件 A 发生的条P(A)件下事件 B 发生的条件概率（2）条件概率符合概率定义中的三个条件。
概率论的基本概念
而要成环，则第一步从 6 个头中任取一个，此时余下的 5 个头中有 1 个不能相 接，只可与余下的 4 个头中的任 1 个相接；第二步从未接的 4 个头中任取一个， 与余下的 2 个头中的任 1 个相接；最后从未接的 2 个头中任取一个，与余下的 最后 1 个头相接；这总共有 6 × 4 × 4 × 2 × 2 × 1 种可能的接法。 设 A : 六根草恰巧连成一个环 则所求的概率为：
P ( ABC ) = P ( A − ( B U C )) = P ( A) − P ( A( B U C ))
= P ( A) − P ( AB ) − P ( AC ) + P ( ABC ) = P ( A) − P ( AB ) − P ( AC ) + P ( ABC ) = 0.30
（2） P （只订阅一种报纸） =
另一方面：
1 ， 4
P ( A) P ( B ) − P ( AB ) = P ( A)[ P ( AB ) + P ( AB )] − P ( AB ) = P ( A) P ( AB ) + P ( AB )[ P ( A) − 1]
≤ P ( A) P ( AB ) ≤ P ( A) P ( A) = P ( A)[1 − P ( A)] ≤
第一章 概率论的基本概念 主要内容: 事件的定义与运算性质； 概率的公理化定义与性质； 等可能概型； 条件概率与事件的独立性； 重 点： 等可能概型； 全概率公式与贝叶斯公式； 难 点： 全概率公式与贝叶斯公式 教学要求：理解事件的定义, 并熟练掌握事件的运算性质； 理解概率的公理化定义, 熟练掌握并能灵活运用概率的性质； 掌握等可能概型中的概率计算方法； 牢固掌握条件概率、乘法公式、全概率公式与贝叶斯公式； 理解独立性的概念, 并能运用独立性解决某些概率计算问题。 综合例题选讲
1概率论的基本概念
[注样本空间是相对于某个随机试验而言，而其元 ]
素取决于试验的内容和目的．
二、随机事件
1.随机事件: 试验E的样本空间S的子集. 简称事件． 通常用字母A，B，C表示.
A的对立事件记作 A .
ASA
B A
A
[注]
(1) 事件之间的关系可用文氏图表示； (2) 对于任意事件A，显然
AA , A
A S,
A S A, A A
(3) 基本事件都是互不相容的; A与B-A也是互不相容的． (4) B A B A B AB
B
A
A U B A U ( B A )
S1={H, T}（H表示出现正面， T表示出现反面）
试验E2:将一枚硬币抛掷三次,观察正面H、反面T出现的情况.
S2= {HHH,HHT,HTH,THH, HTT,THT,TTH,TTT}
试验E3:将一枚硬币抛掷三次,观察反面出现的次数. S3={0,1,2,3} 试验E4:抛掷一枚骰子, 观察出现的点数. S4={1,2,3,4,5,6}
第一章 概率论的基本概念
§1.1 §1.2 §1.3 §1.4 §1.5 §1.6 随机试验 样本空间、随机事件 频率与概率 等可能概型(古典概型) 条件概率 独立性
第一章 概率论的基本概念
引言：概率论是研究什么的？
研究和揭示随机现象的统计 在一定条件下必然发生的现象 确定现象 规律性的数学学科 例：向空中抛一物体必然落向地面； 水加热到100℃必然沸腾； 异性电荷相吸引； 放射性元素发生蜕变; … … 例:抛一枚硬币,结果可能正(反)面朝上； 向同一目标射击,各次弹着点都不相同； 某地区的日平均气温； 掷一颗骰子，可能出现的点数；… …
第一章 概率论的基本概念
• 答案：赢了4局的拿这个钱的3／4,赢了3局的 拿这个钱的1／4。
• 假定他们俩再赌一局，或者A赢，或者B赢。 若是A赢满了5局，钱应该全归他；A如果输了， 即A、B各赢4局，这个钱应该对半分。现在， A赢、输的可能性都是1／2,所以，他拿的钱 应该是（1／2）×1＋（1／2）×（1／2）＝ 3／4,当然，B就应该得1／4。
24
0.4614
• “分赌本”问题 两个人决定赌若干局，事先约 定谁先赢得5局便算赢家。如果在一个人赢4 局，另一人赢3局时因故终止赌博，应如何分 赌本？是不是把钱分成7份，赢了4局的就拿4 份，赢了3局的就拿3份呢？或者，因为最早 说的是满5局，而谁也没达到，所以就一人分 一半呢？
• 法国数学家帕斯卡接受了这个问题，并与另一 位法国数学家费尔马进行讨论，后来荷兰科学 家惠更斯也参与了研究，并把解法写入了《论 赌博中的计算》（1657年）。
(5，1)，(5，2)，(5，3)，(5，4)，(5，6) (6，1)，(6，2)，(6，3)，(6，4)，(6，5)
事件间的关系
包含：A B或B A，称事件B包含事件A，即事
件A发生必然导致事件B发生。
相等： A B且B A，即A B，称事件A与事件B
相等。
n
和： A，B表示A、B二事件中至少有一个发生；k1 Ak
ABC ABC ABC
6) 这三个事件至少发生一个可以表示为：
A B C或
ABC ABC ABC ABC ABC ABC ABC
练习 证明下列等式：
1A B A B A 2A B B A AB AB 3B A AB AB
解 1 A B A B A B A A
证明(3):由于A1，A2 ，… ，Ak是两两互不相 容，在n次试验中A1∪A2∪…∪Ak的频数
概率论第一章
在相同的条件下，多次抛一枚均匀的硬币，设事件 A =“正面朝上” ， 观察 n 次试验中 A 发生的次数．
试验者 德.摩根 蒲丰 费勒 K.皮尔逊 K.皮尔逊
n
2048 4040 10000 12000 24000
nA
1061 2048 4979 6019 12012
f n ( A)
0.5181 0.5069 0.4979 0.5016 0.5005
第五章 大数定律和中心极限定理
第六章 数理统计的基本概念 第七章 参数估计 第八章 假设检验
第一章 概率论的基本概念
§1.1 随机事件及其运算
§1.2
§1.3 §1.4 §1.5
概率的定义及其性质
古典概型与几何概型 条件概率 独立性
§1.1 随机事件及其运算
1.1.1 随机现象
自然界的现象按照发生的可能性（或者必然 性）分为两类： 一类是确定性现象，特点是条件完全决定结果 一类是随机现象，特点是条件不能完全决定结 果 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，我们预先无法断言，这类现 象成为随机现象。 如何研究随机现象呢？
1.1.2 随机试验
例1-1： E1: 抛一枚硬币，观察正面H、反面T出现的情况；
E2: 掷一颗骰子，观察出现的点数；
E3: 记录110报警台一天接到的报警次数； E4: 在一批灯泡中任意抽取一个，测试它的寿命； E5: 记录某物理量的测量误差； E6: 在区间 0， 1 上任取一点，记录它的坐标。
例1-5 设A,B为两个随机事件, P(A)=0.5, P(AB)=0.8, P(AB)=0.3, 求P(B). 解 由P(AB)=P(A)+P(B)-P(AB),得 P(B)=P(AB)-P(A)+P(AB)=0.8-0.5+0.3=0.6.
概率与统计学总结
设 A, B,C 为事件，则有 交换律： A ∪ B = B ∪ A; A ∩ B = B ∩ A. 结合律： A∪ (B ∪ C) = (A∪ B) ∪C; A∩ (B ∩ C) = (A∩ B) ∩C. 分配律： A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C); A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C). 德·摩根律： A∪ B = A ∩B; A∩ B = A ∪ B.
乘法定理： 设 P(A)>0，则有 P(AB)=P(B｜A)P(A) 一般，设 A1, A2, … , An 为 n 个事件，n≥2,且 P( A1A2 ^ An−1) >0,则有
P( A1 A2 ^ An ) = P( An ｜ A1 A2 ^ An−1)P( An−1 ｜ A1A2 ^ An−2 )^ P( A2 ｜ A1)P( A1)
设 A,B,C 是三个事件，如果满足等式： P( AB) = P( A)P(B) P( AC) = P( A)P(C) P(BC) = P(B)P(C) P( ABC) = P(A)P(B)P(C) 则称事件 A,B,C 相互独立。
一般，设 A1, A2, … , An 是 n(n≥2)个事件，如果对于其中任意 2 个，任意 3 个，……，
划分： 设 S 为试验 E 的样本空间， B1, B2, ^ Bn 为 E 的一组事件，若 1. Bi Bj = φ,i ≠ j,i, j = 1,2, ^ , n 2. B1 ∪ B2 ∪^ Bn = S , 则称 B1, B2, ^ Bn 为样本空间 S 的一个划分
全概率公式： 设 试验 E 的 样本空间 为 S ， A 为 E 的 事件， B1, B2, ^ Bn 为 S 的 一个划分 ，且 P(Bi ) > 0(i = 1,2, ^ , n) ，则 P( A) = P( A ｜ B1)P(B1) + P( A ｜ B2 )P(B2 )+^+P( A ｜ Bn )P(Bn )
第一章概率论基本概念
在古典概型中， 2.概率的古典定义： 概率的古典定义： 概率的古典定义 在古典概型中，设 Ω={ω1， 2， ， n} A = {ωi ， i ， ， i } ω Lω ω2 L ωm 1 则
m 事件 包含的样本点数 事件A P( A) = . = n 样本点总数
n
事实上， 事实上， Q Ω = U {ω k } ∴ P (Ω ) = ∑ P ({ω k }) = nP ({ω k }) k =1 k =1 1 又 P (Ω ) = 1，所以 P ({ω 1 }) = P ({ω 2 }) = L = P ({ω n }) = . n
指每次试验都发生的事 件， Ω表示 5. 必然事件： 必然事件： . 用
6. 不可能事件： 不可能事件： 事件， 指每次试验都不发生的 事件，
用φ表示 .
注意： 必然事件和不可能事件不具有随机性， 注意： 必然事件和不可能事件不具有随机性， 但为了今后研究的方便， 但为了今后研究的方便，我们把它们作为随机事件 的特殊情形来处理。 的特殊情形来处理。
随机事件、 第一节 随机事件、频率与概率
样本空间与随机事件 一、
1、随机试验：指满足以下条件的试验 、随机试验： 1）试验可以在相同条件下重复进行； ）试验可以在相同条件下重复进行； 2）试验的可能结果不止一个，但事先知道试验 ）试验的可能结果不止一个， 的所有可能结果； 的所有可能结果； 3）每次试验恰好出现所有可能结果中的一个， ）每次试验恰好出现所有可能结果中的一个， 但究竟出现哪个结果，试验前不能确切预言 不能确切预言。 但究竟出现哪个结果，试验前不能确切预言。 2、样本点：指随机试验中每一个可能的结果 、样本点： 也称基本事件， 也称基本事件， 通常用ω表示， 3、样本空间：指样本点的全体组成的结果； 、样本空间：指样本点的全体组成的结果； 结果
概率论基础知识
则 P(A)=95/100, P(B|A)=5/100, P(B)=5/100。
注：由计算结果可见，本例中事件A与B是相互独立的。下面 我们来检验一下是否 P(AB)=P(A) P(B)。
事实上，由于A与B相互独立，事件AB可看成一个事件分
两个阶段发生：“第一次抽到正品，第二次抽到次品”，第 一阶段事件发生的可能性为 1 为
C100
1 C95
，第二阶段事件发生的可能性 1 .
C100
1 C5
1 1 C95 C5 95 5 故按乘法原理， P( AB) 1 1 P( A) P( B) C100 C100 100 100
§6 随机变量的概念
设试验 E 的样本空间为，X(e)是与样本 e 有关的一个量。 若对每个可能发生的结果(样本)e，都有唯一的实数X(e)与之 对应，则称变量X(e)为随机变量，简记为 X。 注: (1) 若一个随机变量 X 的所有取值能够一一列举出来，则称
§5 事件的独立性
若一个事件发生的概率不受另一事件发生的影响，
则称这两个事件是相互独立的。或者说，若 P(B|A)=P(B)， 则称 A 与 B 相互独立。 注：事件A与 B 相互独立当且仅当 P(AB)=P(A) P(B).
例9 某厂生产的100个零件中有5个次品，采用有放回抽样，求 抽出的第 1 件为正品且第 2 件是次品的概率，及第二次抽到次 品的概率。 解：设 A为第一次抽到的是正品；B为第二次抽到的是次品。
= {1, 2, 3, 4, 5, 6} 令：A=“出现不大于4的点”，B=“出现小于3的点”。
则A、B是上的两个事件：A={1, 2, 3, 4}, B={1, 2}。
当投掷结果出现4时，A发生； 当投掷结果出现2时，A、B都发生；
1.概率论的基本概念
问题： 问题： 下面的现象哪些是随机现象？ 下面的现象哪些是随机现象？
太阳从东方升起； A. 太阳从东方升起； 上抛物体一定下落； C. 上抛物体一定下落； 明天的最高温度； B. 明天的最高温度；
掷一颗骰子， D.掷一颗骰子，观察其向上点
数. 随机现象
{
大量性随机现象: 在完全相同的条件下 大量性随机现象: 可重复出现的随机现象 个别随机现象
i=1 ∞
A1 , A2 , …同时发生. 同时发生.
4°A 与 B 的差
A− B
不发生. 事A发生但事 B 不发生.
5°A 的逆事件 A
不发生. 事A 不发生.
对此有 A A = φ , A U A = Ω, A = Ω − A. 6°如果 A B = φ , 即 A 与 B 不同时发生, 不同时发生, 互不相容(或互斥). 则称A与 B 互不相容(或互斥). 要熟知一些常见的关系与运算, 要熟知一些常见的关系与运算,
测试其
可认为任一大于0的数都是一个可能结果， 可认为任一大于0的数都是一个可能结果，
**随机事件： 粗略地讲, 在一定条件下， **随机事件： 粗略地讲, 在一定条件下，试验中 随机事件 可能发生也可能不发生的事件称为 可能发生也可能不发生的事件称为 随机事件. 随机事件. 等表示事件. 一般以大写字母 A, B, C 等表示事件.
概率论与数理统计有广泛应用
(1).金融、信贷、医疗保险等行业策略制定； (1).金融、信贷、医疗保险等行业策略制定； 金融 (2).流水线上产品质量检验与质量控制 流水线上产品质量检验与质量控制； (2).流水线上产品质量检验与质量控制； (3).服务性行业中服务设施及服务员配置 服务性行业中服务设施及服务员配置； (3).服务性行业中服务设施及服务员配置； (4).生物医学中病理试验与药理试验 生物医学中病理试验与药理试验； (4).生物医学中病理试验与药理试验； (5).食品保质期 弹药贮存分析， 食品保质期、 (5).食品保质期、弹药贮存分析，电器与电 子产品寿命分析； 子产品寿命分析； (6). 物矿探测、环保监测、机械仿生与考古； (6). 物矿探测、环保监测、机械仿生与考古；
基本概率公式
基本概率公式基本概率公式是概率论中最基本的公式之一，它用于计算事件发生的概率。
本文将介绍基本概率公式的概念、应用和计算方法。
一、基本概率公式的概念基本概率公式是指在一定条件下，事件A发生的概率P(A)等于事件A与样本空间S的交集的元素个数除以样本空间S的元素个数的比值。
基本概率公式广泛应用于各个领域，例如生活中的买彩票、赌博，商业中的市场调研、销售预测，科学研究中的实验设计、数据分析等等。
三、基本概率公式的计算方法基本概率公式的计算方法通常分为两种情况：有限样本空间和无限样本空间。
1. 有限样本空间当样本空间S是有限的，事件A与样本空间S的交集的元素个数可以通过数学计算得出。
假设样本空间S有n个元素，在事件A中有m个元素，则事件A发生的概率P(A)等于m/n。
2. 无限样本空间当样本空间S是无限的，事件A与样本空间S的交集的元素个数无法通过数学计算得出。
此时，我们需要通过实验或统计方法来估计事件A发生的概率P(A)。
四、基本概率公式的实例分析为了更好地理解基本概率公式的应用，我们举例说明。
假设某班级中有30名学生，其中15名男生和15名女生。
现在从班级中随机选取一名学生，问选中的学生是男生的概率是多少？根据基本概率公式，事件A表示选中的学生是男生，样本空间S表示班级中的所有学生。
则事件A与样本空间S的交集的元素个数为15（男生的人数），样本空间S的元素个数为30（班级中的总人数）。
根据基本概率公式，事件A发生的概率P(A)等于15/30=0.5。
因此，选中的学生是男生的概率为0.5。
五、总结本文介绍了基本概率公式的概念、应用和计算方法。
基本概率公式是概率论中最基本的公式之一，广泛应用于各个领域。
通过基本概率公式，我们可以计算事件发生的概率，从而进行预测、决策和分析。
在实际应用中，我们需要根据具体情况选择适当的计算方法，并结合实验或统计数据来估计概率值。
通过深入理解和应用基本概率公式，我们可以更好地理解和解决实际问题，提高决策的准确性和效果。
考研数学《概率论与数理统计》知识点总结
第一章 概率论的基本概念定义： 随机试验E 的每个结果样本点组成样本空间S ，S 的子集为E 的随机事件，单个样本点为基本事件．事件关系： 1．A ⊂B ，A 发生必导致B 发生． 2．A B 和事件，A ，B 至少一个发生，A B 发生． 3．A B 记AB 积事件，A ，B 同时发生，AB 发生． 4．A －B 差事件，A 发生，B 不发生，A －B 发生．5．A B=Ø，A 与B 互不相容(互斥)，A 与B 不能同时发生，基本事件两两互不相容．6．A B=S 且A B=Ø，A 与B 互为逆事件或对立事件，A 与B 中必有且仅有一个发生，记B=A S A -=．事件运算： 交换律、结合律、分配率略．德摩根律：B A B A =，B A B A =．概率： 概率就是n 趋向无穷时的频率，记P(A)．概率性质:1．P (Ø)=0．2．(有限可加性)P (A 1 A 2 … A n )=P (A 1)+P (A 2)+…+P (A n )，A i 互不相容． 3．若A ⊂B ，则P (B －A)=P (B)－P (A)．4．对任意事件A ，有)A (1)A (P P -=．5．P (A B)=P (A)+P (B)－P (AB)．古典概型： 即等可能概型，满足：1．S 包含有限个元素．2．每个基本事件发生的可能性相同． 等概公式： 中样本点总数中样本点数S A )A (==n k P ． 超几何分布：⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫⎝⎛--⎪⎪⎭⎫ ⎝⎛=n N k n D N k D p ，其中ra C r a =⎪⎪⎭⎫ ⎝⎛． 条件概率： )A ()AB ()A B (P P P =． 乘法定理：)A ()A B ()AB C ()ABC ()A ()AB ()AB (P P P P P P P ==．全概率公式： )B ()B A ()B ()B A ()B ()B A ()A (2211n n P P P P P P P +++= ，其中i B 为S 的划分． 贝叶斯公式： )A ()B ()B A ()A B (P P P P i i i =，∑==nj j j B P B A P A P 1)()()(或)()()()()()()(B P B A P B P B A P B P B A P A B P +=．独立性： 满足P (AB)=P (A)P (B)，则A ，B 相互独立，简称A ，B 独立．定理一： A ，B 独立，则．P (B |A)=P (B)． 定理二： A ，B 独立，则A 与B ，A 与B ，A 与B 也相互独立．第二章 随机变量及其分布(0—1)分布： k k p p k X P --==1)1(}{，k =0，1 （0<p <1）．伯努利实验：实验只有两个可能的结果：A 及A ．二项式分布： 记X~b （n ，p ），k n kk n p p C k X P --==)1(}{． n 重伯努利实验：独立且每次试验概率保持不变．其中A 发生k 次，即二项式分布．泊松分布： 记X~π（λ），!}{k e k X P k λλ-==， ,2,1,0=k ．泊松定理： !)1(lim k e p p C k kn k knn λλ--∞→=-，其中λ=np ．当20≥n ，05.0≤p 应用泊松定理近似效果颇佳．随机变量分布函数： }{)(x X P x F ≤=，+∞<<∞-x ．)()(}{1221x F x F x X x P -=≤<．连续型随机变量： ⎰∞-=xt t f x F d )()(，X 为连续型随机变量，)(x f 为X 的概率密度函数，简称概率密度．概率密度性质：1．0)(≥x f ；2．1d )(=⎰+∞∞-x x f ；3．⎰=-=≤<21d )()()(}{1221x x x x f x F x F x X x P ；4．)()(x f x F ='，f (x )在x 点连续；5．P {X=a }=0．均匀分布： 记X~U(a ，b )；⎪⎩⎪⎨⎧<<-=其它，，01)(bx a a b x f ；⎪⎩⎪⎨⎧≥<≤--<=b x b x a a b a x a x x F ，，，10)(． 性质：对a ≤c <c +l ≤b ，有 a b ll c X c P -=+≤<}{指数分布：⎪⎩⎪⎨⎧>=-其它，，001)(x e x f x θθ；⎩⎨⎧>-=-其它，，001)(x e x F x θ． 无记忆性： }{}{t X P s X t s X P >=>+>． 正态分布： 记),(~2σμN X ；]2)(exp[21)(22σμσπ--=x x f ；t t x F xd ]2)(exp[21)(22⎰∞---=σμσπ．性质： 1．f (x )关于x =μ对称，且P {μ-h <X ≤μ}=P {μ<X ≤μ+h }；2．有最大值f (μ)=(σπ2)-1． 标准正态分布：]2exp[21)(2x x -=πϕ；⎰∞--=Φxt t x d ]2exp[21)(2π．即μ=0，ζ=1时的正态分布X ~N(0，1)性质：)(1)(x x Φ-=-Φ．正态分布的线性转化： 对),(~2σμN X 有)1,0(~N X Z σμ-=；且有)(}{}{)(σμσμσμ-Φ=-≤-=≤=x x X P x X P x F ． 正态分布概率转化： )()(}{1221σμσμ-Φ--Φ=≤<x x x X x P ；1)(2)()(}{-Φ=-Φ-Φ=+<<-t t t t X t P σμσμ．3ζ法则： P =Φ(1)－Φ(-1)=68.26%；P =Φ(2)－Φ(-2)=95.44%；P =Φ(3)－Φ(-3)=99.74%，P 多落在(μ-3ζ，μ+3ζ)内． 上ɑ分位点： 对X~N(0，1)，若z α满足条件P {X>z α}=α，0<α<1，则称点z α为标准正态分布的上α分位点． 常用 上ɑ分位点： 0.001 0.005 0.01 0.025 0.05 0.10 3.0902.5762.3261.9601.6451.282Y 服从自由度为1的χ2分布：设X 密度函数f X (x )，+∞<<∞-x ，若Y=X 2，则⎪⎩⎪⎨⎧≤>-+=000)]()([21)(y y y f y f y y f X XY ，，若设X ~N(0，1)，则有⎪⎩⎪⎨⎧≤>=--00021)(221y y e y y f y Y ，，π定理：设X 密度函数f X (x )，设g (x )处处可导且恒有g ′(x )>0(或g ′(x )<0)，则Y=g (X)是连续型随机变量，且有⎩⎨⎧<<'=其他，，0)()]([)(βαy y h y h f y f X Y h (y )是g (x )的反函数；①若+∞<<∞-x ，则α=min{g (−∞)，g (+∞)}，β=max{g (−∞)，g (+∞)}；②若f X (x )在[a ，b ]外等于零，g (x )在[a ，b ]上单调，则α=min{g (a )，g (b )}，β=max{g (a )，g (b )}．应用： Y=aX +b ~N(a μ+b ，(|a |ζ)2)．第三章 多维随机变量及其分布二维随机变量的分布函数： 分布函数(联合分布函数)：)}(){(),(y Y x X P y x F ≤≤= ，记作：},{y Y x X P ≤≤．),(),(),(),(},{112112222121y x F y x F y x F y x F y Y y x X x P +--=≤<≤<．F （x ，y ）性质： 1．F （x ，y ）是x 和y 的不减函数，即x 2>x 1时，F （x 2，y ）≥F （x 1，y ）；y 2>y 1时，F （x ，y 2）≥F （x ，y 1）．2．0≤F （x ，y ）≤1且F （−∞，y ）=0，F （x ，−∞）=0，F （−∞，−∞）=0，F （+∞，+∞）=1．3．F （x +0，y ）=F （x ，y ），F （x ，y +0）=F （x ，y ），即F （x ，y ）关于x 右连续，关于y 也右连续．4．对于任意的(x 1，y 1)，(x 2，y 2)，x 2>x 1，y 2>y 1，有P {x 1<X ≤x 2，y 1<Y ≤y 2}≥0．离散型（X ，Y ）：0≥ij p ，111=∑∑∞=∞=ij j i p ，ij yy x x p y x F i i ∑∑=≤≤),(．连续型（X ，Y ）：v u v u f y x F y xd d ),(),(⎰⎰∞-∞-=．f (x ，y )性质： 1．f (x ，y )≥0．2．1),(d d ),(=∞∞=⎰⎰∞∞-∞∞-F y x y x f ．3．y x y x f G Y X P G⎰⎰=∈d d ),(}),{(． 4．若f (x ，y )在点(x ，y )连续，则有),(),(2y x f yx y x F =∂∂∂． n 维： n 维随机变量及其分布函数是在二维基础上的拓展，性质与二维类似． 边缘分布：F x (x )，F y (y )依次称为二维随机变量（X ，Y ）关于X 和Y 的边缘分布函数，F X (x )=F (x ，∞)，F Y (y )=F (∞，y )．离散型： *i p 和j p *分别为（X ，Y ）关于X 和Y 的边缘分布律，记}{1i ij j i x X P p p ==∑=∞=*，}{1j ij i j y Y P p p ==∑=∞=*．连续型：)(x f X ，)(y f Y 为（X ，Y ）关于X 和Y 的边缘密度函数，记⎰∞∞-=y y x f x f X d ),()(，⎰∞∞-=x y x f y f Y d ),()(．二维正态分布：]})())((2)([)1(21exp{121),(2222212121212221σμσσμμρσμρρσπσ-+-------=y y x x y x f ． 记(X ，Y )~N (μ1，μ2，ζ12，ζ22，ρ)]2)(exp[21)(21211σμσπ--=x x f X ，∞<<∞-x ．]2)(exp[21)(22222σμσπ--=y y f Y ，∞<<∞-y ． 离散型条件分布律： jij j j i j i p p y Y P y Y x X P y Y x X P *=======}{},{}{． *=======i ij i j i i j p p x X P y Y x X P x X y Y P }{},{}{．连续型条件分布：条件概率密度：)(),()(y f y x f y x f Y Y X =||条件分布函数：x y f y x f y Y x X P y x F xY Y X d )(),(}{)(⎰∞-==≤=||| )(),()(x f y x f x y f X X Y =||y x f y x f x X y Y P x y F yX X Y d )(),(}{)(⎰∞-==≤=||| 含义：当0→ε时，)|(d )|(}|{||y x F x y x f y Y y x X P Y X xY X =≈+≤<≤⎰∞-ε．均匀分布： 若⎪⎩⎪⎨⎧∈=其他,0),(,1),(Gy x Ay x f ，则称(X ，Y)在G 上服从均匀分布． 独立定义：若P {X ≤x ，Y ≤y }=P {X ≤x }P {Y ≤y }，即F (x ，y )=F x (x )F y (y )，则称随机变量X 和Y 是相互独立的． 独立条件或可等价为：连续型：f (x ，y )=f x (x )f y (y )；离散型：P {X =x i ，Y =y j }=P {X =x i }P {Y =y j }．正态独立： 对于二维正态随机变量（X ，Y ），X 和Y 相互对立的充要条件是：参数ρ=0．n 维延伸： 上述概念可推广至n 维随机变量，要注意的是边缘函数或边缘密度也是多元(1~n -1元)的．定理：设（X 1，X 2，…，X m ）和（Y 1，Y 2，…，Y n ）相互独立，则X i 和Y j 相互独立．又若h ，g 是连续函数，则h （X 1，X 2，…，X m ）和g （Y 1，Y 2，…，Y n ）相互独立．Z=X+Y 分布： 若连续型(X ，Y )概率密度为f (x ，y )，则Z=X+Y 为连续型且其概率密度为⎰∞∞-+-=y y y z f z f Y X d ),()(或⎰∞∞-+-=x x z x f z f Y X d ),()(．f X 和f Y 的卷积公式：记⎰∞∞-+-==y y f y z f z f f f Y X Y X Y X d )()()(*⎰∞∞--=x x z f x f Y X d )()(，其中除继上述条件，且X 和Y相互独立，边缘密度分别为f X (x )和f Y (y )． 正态卷积：若X 和Y 相互独立且X ~N (μ1，ζ12)，记Y ~N (μ2，ζ22)，则对Z=X+Y 有Z ~N (μ1+μ2，ζ12+ζ22)．1．上述结论可推广至n 个独立正态随机变量．2．有限个独立正态随机变量的线性组合仍服从正态分布． 伽马分布：记),(~θαΓX ，0>α，0>θ．⎪⎩⎪⎨⎧>Γ=--其他，，00)(1)(1x e x x f x θαααθ，其中⎰+∞--=Γ01d )(t e t tαα．若X 和Y 独立且X ~Γ(α，θ)，记Y ~Γ(β，θ)，则有X+Y~Γ(α+β，θ)．可推广到n 个独立Γ分布变量之和．XYZ =：⎰∞∞-=x xz x f x z f X Y d ),()(，若X 和Y 相互独立，则有⎰∞∞-=x xz f x f x z f Y X X Y d )()()(．XYZ =分布： ⎰∞∞-=x x zx f x z f XY d ),(1)(，若X 和Y 相互独立，则有⎰∞∞-=xxz f x f x z f Y X XY d )()(1)(． 大小分布：若X 和Y 相互独立，且有M =max{X ，Y }及N =min{X ，Y }，则M 的分布函数：F max (z )=F X (z )F Y (z )，N 的分布函数：F min (z )=1－[1－F X (z )][1－F Y (z )]，以上结果可推广到n 个独立随机变量的情况．第四章 随机变量的数字特征数学期望： 简称期望或均值，记为E (X )；离散型：k k k p x X E ∑=∞=1)(．连续型：⎰∞∞-=x x xf X E d )()(．定理： 设Y 是随机变量X 的函数：Y =g (X )(g 是连续函数)．1．若X 是离散型，且分布律为P {X =x k }=p k ，则： k k k p x g Y E )()(1∑=∞=．2．若X 是连续型，概率密度为f (x )，则：⎰∞∞-=x x f x g Y E d )()()(．定理推广： 设Z 是随机变量X ，Y 的函数：Z =g (X ，Y )(g 是连续函数)．1．离散型：分布律为P {X =x i ，Y =y j }=p ij ，则： ij j i i j p y x g Z E ),()(11∑∑=∞=∞=． 2．连续型：⎰⎰∞∞-∞∞-=y x y x f y x g Z E d d ),(),()(期望性质：设C 是常数，X 和Y 是随机变量，则：1．E (C )=C ．2．E (CX )=CE (X )．3．E (X +Y )=E (X )+E (Y )． 4．又若X 和Y 相互独立的，则E (XY )=E (X )E (Y )．方差：记D (X )或Var(X )，D (X )=V ar(X )=E {[X －E (X )]2}．标准差(均方差)： 记为ζ(X )，ζ(X )= ． 通式：22)]([)()(X E X E X D -=． k k k p X E x X D 21)]([)(-∑=∞=，⎰∞∞--=x x f x E x X D d )()]([)(2．标准化变量： 记σμ-=x X *，其中μ=)(X E ，2)(σ=X D ，*X 称为X 的标准化变量． 0)(*=X E ，1)(*=X D ．方差性质： 设C 是常数，X 和Y 是随机变量，则： 1．D (C )=0． 2．D (CX )=C 2D (X )，D (X +C )=D (X )．3．D (X +Y )=D (X )+D (Y )+2E {(X －E (X ))(Y －E (Y ))}，若X ，Y 相互独立D (X +Y )=D (X )+D (Y )．4．D (X )=0的充要条件是P {X =E (X )}=1． 正态线性变换： 若),(~2i i i N X σμ，i C 是不全为0的常数，则),(~22112211i i n i i i n i n n C C N X C X C X C σμ∑∑+++== ．切比雪夫不等式： 22}{εσεμ≤≥-X P 或221}{εσεμ-≥<-X P ，其中)(X E =μ，)(2X D =σ，ε为任意正数．协方差：记)]}()][({[),Cov(Y E Y X E X E Y X --=．X 与Y的相关系数：)()(),Cov(Y D X D Y X XY =ρ．D (X +Y )=D (X )+D (Y )+2Cov(X ，Y )，Cov(X ，Y )=E (XY )－E (X )E (Y )．性质： 1．Cov(aX ，bY )=ab Cov(X ，Y )，a ，b 是常数．2．Cov(X 1+X 2，Y )=Cov(X 1，Y )+Cov(X 2，Y )． 系数性质：令e =E [(Y －(a +bX ))2]，则e 取最小值时有)()1(]))([(2200min Y D X b a Y E e XY ρ-=+-=，其中)()(00X E b Y E a -=，)(),Cov(0X D Y X b =．1．|ρXY |≤1．2．|ρXY |=1的充要条件是：存在常数a ，b 使P {Y =a +bX }=1．|ρXY |越大e 越小X 和Y 线性关系越明显，当|ρXY |=1时，Y =a +bX ；反之亦然，当ρXY =0时，X 和Y 不相关． X 和Y 相互对立，则X 和Y 不相关；但X 和Y 不相关，X 和Y 不一定相互独立． 定义： k 阶矩(k 阶原点矩)：E (X k )． n 维随机变量X i 的协方差矩阵：⎪⎪⎪⎪⎪⎭⎫⎝⎛=nn n n n n c c c c c cc c c212222111211C ，),Cov(j i ij X X c ==E {[X i －E (X i )][X j －E (X j )]}． k +l 阶混合矩：E (X k Y l)．k 阶中心矩：E {[X －E (X )] k }．k +l 阶混合中心矩：E {[X －E (X )]k [Y －E (Y )]l }．n 维正态分布：)}()(21exp{det )2(1),,,(1T 221μX C μX C ---=-n n x x x f π ，T21T 21),,,(),,,(n nx x x μμμ ==μX ． 性质：1．n 维正态随机变量(X 1，X 2，…，X n )的每一个分量X i (i =1，2，…，n )都是正态随机变量，反之，亦成立． 2．n 维随机变量(X 1，X 2，…，X n )服从n 维正态分布的充要条件是X 1，X 2，…，X n 的任意线性组合l 1X 1+l 2X 2+…+l n X n 服从一维正态分布(其中l 1，l 2，…，l n 不全为零)．3．若(X 1，X 2，…，X n )服从n 维正态分布，且Y 1，Y 2，…，Y k 是X j (j =1，2，…，n )的线性函数，则(Y 1，Y 2，…，Y k )也服从多维正态分布．4．若(X 1，X 2，…，X n )服从n 维正态分布，则“X i 相互独立”与“X i 两两不相关”等价．)(x D第五章大数定律及中心极限定理弱大数定理：若X1，X2，…是相互独立并服从同一分布的随机变量序列，且E(X k)=μ，则对任意ε>0有11lim1=⎭⎬⎫⎩⎨⎧<-∑=∞→εμknknXnP或→μPX，knkXnX11=∑=．定义：Y1，Y2，…，Y n ，…是一个随机变量序列，a是一个常数．若对任意ε>0，有1}|{|lim=<-∞→εaYPnn则称序列Y1，Y2，…，Yn，…依概率收敛于a．记aY Pn−→−伯努利大数定理：对任意ε>0有1lim=⎭⎬⎫⎩⎨⎧<-∞→εpnfP An或0lim=⎭⎬⎫⎩⎨⎧≥-∞→εpnfP An．其中f A是n次独立重复实验中事件A发生的次数，p是事件A在每次试验中发生的概率．中心极限定理定理一：设X1,X2,…,X n ,…相互独立并服从同一分布，且E(X k)=μ，D(X k)=ζ2 >0，则n→∞时有σμnnXknk)(1-∑=N(0，1)或nXσμ-~N(0，1)或X~N(μ，n2σ)．定理二：设X1,X2,…,X n ,…相互独立且E(X k)=μk，D(X k)=ζk2 >0，若存在δ>0使n→∞时，}|{|1212→-∑+=+δδμkknknXEB，则nknkknkBX)(11μ==∑-∑~N(0，1)，记212knknBσ=∑=．定理三：设),(~pnbnη，则n→∞时，Npnpnpn~)1()(--η(0，1)，knknX1=∑=η．第六章样本及抽样分布定义：总体：全部值；个体：一个值；容量：个体数；有限总体：容量有限；无限总体：容量无限．定义：样本：X1,X2,…,X n 相互独立并服从同一分布F的随机变量，称从F得到的容量为n的简单随机样本．频率直方图：图形：以横坐标小区间为宽，纵坐标为高的跨越横轴的几个小矩形．横坐标：数据区间（大区间下限比最小数据值稍小，上限比最大数据值稍大；小区间：均分大区间，组距Δ=大区间/小区间个数；小区间界限：精度比数据高一位）．图形特点：外轮廓接近于总体的概率密度曲线．纵坐标：频率/组距（总长度：<1/Δ；小区间长度：频率/组距）．定义：样本p分位数：记x p，有1．样本x i中有np个值≤x p．2．样本中有n(1－p)个值≥x p．箱线图：x p选择：记⎪⎩⎪⎨⎧∈+∉=++NnpxxNnpxxnpnpnpp当，当，][211)()()1]([．分位数x0.5，记为Q2或M，称为样本中位数．分位数x0.25，记为Q1，称为第一四分位数．分位数x0.75，记为Q3，称为第三四分位数．图形：图形特点：M为数据中心，区间[min，Q1]，[Q1，M]，[M，Q3]，[Q3，max]数据个数各占1/4，区间越短数据密集．四分位数间距：记IQR=Q3－Q1；若数据X<Q1－1.5IQR或X>Q3+1.5IQR，就认为X是疑似异常值．抽样分布：样本平均值：iniXnX11=∑=样本方差：)(11)(11221212XnXnXXnSiniini-∑-=-∑-===样本标准差：2SS=样本k阶(原点)矩：kinikXnA11=∑=，k≥1 样本k阶中心矩：kinikXXnB)(11-∑==，k≥2经验分布函数：)(1)(xSnxFn=，∞<<∞-x．)(xS表示F的一个样本X1,X2,…,X n 中不大于x的随机变量的个数．自由度为n的χ2分布：记χ2~χ2（n），222212nXXX+++=χ，其中X1,X2,…,X n是来自总体N(0，1)的样本．E(χ2 )=n，D(χ2 )=2n．χ12+χ22~χ2（n1+n2）．⎪⎩⎪⎨⎧>Γ=--其他，，)2(21)(2122yexnyfynn．χ2分布的分位点：对于0<α<1，满足αχχαχα==>⎰∞yyfnPn)(222d)()}({，则称)(2nαχ为)(2nχ的上α分位点．~ 近似的min Q1 M Q3 max当n 充分大时(n >40)，22)12(21)(-+≈n z n ααχ，其中αz 是标准正态分布的上α分位点． 自由度为n 的t 分布：记t ~t (n )，nY Xt /=， 其中X~N (0，1)，Y~χ2(n )，X ，Y 相互独立．2)1(2)1(]2[]2)1([)(+-+Γ+Γ=n n t n n n t h π h (t )图形关于t =0对称；当n 充分大时，t 分布近似于N (0，1)分布．t 分布的分位点：对于0<α<1，满足ααα==>⎰∞t t h n t t P n t )(d )()}({，则称)(n t α为)(n t 的上α分位点． 由h (t )对称性可知t 1－α(n )=－t α(n )．当n >45时，t α(n )≈z α，z α是标准正态分布的上α分位点．自由度为(n 1，n 2)的F分布：记F ~F (n 1，n 2)，21n V n U F =，其中U~χ2(n 1)，V~χ2(n 2)，X ，Y 相互独立．1/F ~F (n 2，n 1)⎪⎩⎪⎨⎧>+ΓΓ+Γ=+-其他，，00]1)[2()2()](2)([)(2)(21211)2(221212111x n y n n n y n n n n y n n n n ψF 分布的分位点：对于0<α<1，满足αψαα==>⎰∞y y n n F F P n n F ),(2121d )()},({，则称),(21n n F α为),(21n n F 的上α分位点．重要性质：F 1－α(n 1，n 2)=1/F α(n 1，n 2)．定理一： 设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，则有),(~2n N X σμ，其中X 是样本均值． 定理二：设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，样本均值和样本方差分别记为 X ，2S ，则有1．)1(~)1(222--n S n χσ；2．X 与2S 相互独立．定理三：设X 1,X 2,…,X n 是来自N (μ，ζ2)的样本，样本均值和样本方差分别记为X ，2S ，则有)1(~--n t nS X μ．定理四：设X 1,X 2,…,X n 1 与Y 1,Y 2,…,Y n 2分别是来自N (μ1，ζ12)和N (μ2，ζ22)的样本，且相互独立．设这两个样本的样本均值和样本方差分别记为 X ，Y ，21S ，22S ，则有1．)1,1(~2122212221--n n F S S σσ．2．当ζ12=ζ22=ζ2时，)2(~)()(21121121-++-----n n t n n S Y X w μμ，其中2)1()1(212222112-+-+-=n n S n S n S w，2w w S S =． 第七章 参数估计定义： 估计量：),,,(ˆ21n X X X θ，估计值：),,,(ˆ21nx x x θ，统称为估计． 矩估计法：令)(ll X E =μ=li n i l X n A 11=∑=(k l ,,2,1 =)(k 为未知数个数)联立方程组，求出估计θˆ．设总体X 均值μ及方差ζ2都存在，则有 X A ==1ˆμ，212212122)(11ˆX X n X X n A A i n i i n i -∑=-∑=-===σ． 最大似然估计法： 似然函数：离散：);()(1θθi n i x p L =∏=或连续：);()(1θθi ni x f L =∏=，)(θL 化简可去掉与θ无关的因式项．θˆ即为)(θL 最大值，可由方程0)(d d =θθL 或0)(ln d d =θθL 求得． 当多个未知参数θ1，θ1，…，θk 时：可由方程组 0d d =L i θ或0ln d d =L i θ（k i ,,2,1 =）求得． 最大似然估计的不变性：若u =u (θ)有单值反函数θ=θ(u )，则有)ˆ(ˆθu u=，其中θˆ为最大似然估计． 截尾样本取样： 定时截尾样本：抽样n 件产品，固定时间段t 0内记录产品个体失效时间(0≤t 1≤t 2≤…≤t m ≤t 0)和失效产品数量． 定数截尾样本：抽样n 件产品，固定失效产品数量数量m 记录产品个体失效时间(0≤t 1≤t 2≤…≤t m )． 结尾样本最大似然估计：定数截尾样本：设产品寿命服从指数分布X~e （θ），θ即产品平均寿命．产品t i 时失效概率P {t =t i }≈f (t i )d t i ，寿命超过t m 的概率θm t m e t t F -=>}{，则)(}){()(1i m i m n m m n t P t t F C L =-∏>=θ，化简得)(1)(m t s m e L ---=θθθ，由0)(ln d d =θθL 得：mt s m )(ˆ=θ，其中s (t m )=t 1+t 2+…+t m +(n －m )t m ，称为实验总时间． 定时截尾样本：与定数结尾样本讨论类似有s (t 0)=t 1+t 2+…+t m +(n －m )t 0，)(01)(t s m e L ---=θθθ，mt s )(ˆ0=θ，． 无偏性： 估计量),,,(ˆ21nX X X θ的)ˆ(θE 存在且θθ=)ˆ(E ，则称θˆ是θ的无偏估计量． 有效性：),,,(ˆ211n X X X θ与),,,(ˆ212n X X X θ都是θ的无偏估计量，若)ˆ()ˆ(21θθD D ≤，则1ˆθ较2ˆθ有效． 相合性： 设),,,(ˆ21n X X X θθ的估计量，若对于任意0>ε有1}|ˆ{|lim =<-∞→εθθP n ，则称θˆ是θ的相合估计量． 置信区间：αθθθ-≥<<1)},,,(),,,({2121n n X X X X X X P ，θ和θ分别为置信下限和置信上限，则),(θθ是θ的一个置信水平为α-1置信区间，α-1称为置信水平，10<<α．正态样本置信区间： 设X 1，X 2，…，X n 是来自总体X ~N (μ，ζ2)的样本，则有μ的置信区间：枢轴量W W 分布 a ，b 不等式 置信水平 置信区间)1,0(~N n X σμ-⇒ασμα-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-12z n X P ⇒)(2ασz n X ± 其中z α/2为上α分位点θ置信区间的求解： 1．先求枢轴量：即函数W =W (X 1，X 2，…，X n ；θ)，且函数W 的分布不依赖未知参数． 如上讨论标注2．对于给定置信水平α-1，定出两常数a ，b 使P {a <W <b }=α-1，从而得到置信区间． (0－1)分布p 的区间估计：样本容量n >50时，⇒--∞→)1,0(~)1()(lim N p np np X n n {}⇒-≈<--αα1)1()(2z p np np X n P0)2()(222222<++-+X n p z X n p z n αα⇒若令22αz n a +=，)2(22αz X n b +-=，2X n c =，则有置信区间(a ac b b 2)4(2---，a ac b b 2)4(2-+-）．单侧置信区间：若αθθ-≥>1}{P 或αθθ-≥<1}{P ，称(θ，∞)或(∞-，θ)是θ的置信水平为α-1的单侧置信区间．正态总体均值、方差的置信区间与单侧置信限（置信水平为α-1）待估 其他 枢轴量W 的分布置信区间单侧置信限一个正态总体μζ2已知 )1,0(~N nX Z σμ-=)(2ασz nX ±ασμz nX +=，ασμz nX -=μζ2未知 )1(~--=n t nS X t μ⎪⎭⎫ ⎝⎛±2αt n S X αμt n S X +=，αμt nSX -= ζ2μ未知)1(~)1(2222--=n S n χσχ⎪⎪⎭⎫⎝⎛---2212222)1(,)1(ααχχS n S n 2122)1(αχσ--=S n ，222)1(αχσS n -=两个正态总体μ1－μ2ζ12，ζ22已知 )1,0(~)(22212121N n n Y X Z σσμμ+---=⎪⎪⎭⎫ ⎝⎛+±-2221212n n z Y X σσα2221212122212121n n z Y X n n z Y X σσμμσσμμαα+--=-++-=-μ1－μ2ζ12=ζ22=ζ2 未知)2(~)()(21121121-++---=--n n t n n S Y X t w μμ()12112--+±-n n S tY X w α2w w S S =121121121121----+--=-++-=-n n S t Y X n n S t Y X w w ααμμμμ2)1()1(2122 22112-+-+-=nnS nSnSwζ12/ζ22μ1，μ2未知)1,1(~2122212221--=nnFSSFσσ⎪⎪⎭⎫⎝⎛-212221222211,1ααFSSFSSασσ-=1222122211FSS，ασσFSS122212221=单个总体X~N(μ，ζ2)，两个总体X~N(μ1，ζ12)，Y~N(μ2，ζ22)．第八章假设实验定义：H0：原假设或零假设，为理想结果假设；H1：备择假设，原假设被拒绝后可供选择的假设．第Ⅰ类错误：H0实际为真时，却拒绝H0．第Ⅱ类错误：H0实际为假时，却接受H0．显著性检验：只对犯第第Ⅰ类错误的概率加以控制，而不考虑第Ⅱ类错误的概率的检验．P{当H0为真拒绝H0}≤α，α称为显著水平．拒绝域：取值拒绝H0．临界点：拒绝域边界．双边假设检验：H0：θ=θ0，H1：θ≠θ0．右边检验：H0：θ≤θ0，H1：θ>θ0．左边检验：H0：θ≥θ0，H1：θ<θ0．正态总体均值、方差的检验法(显著性水平为α)原假设H0备择假设H1检验统计量拒绝域1 ζ2已知μ≤μ0μ>μ0nXZσμ-=z≥zαμ≥μ0μ<μ0z≤－zαμ=μ0μ≠μ0|z|≥zα/22 ζ2未知μ≤μ0μ>μ0nSXt0μ-=t≥tα(n－1) μ≥μ0μ<μ0t≤－tα(n－1) μ=μ0μ≠μ0|t|≥tα/2(n－1)3 ζ1，ζ2已知μ1－μ2≤δμ1－μ2>δ222121nnYXZσσδ+--=z≥zαμ1－μ2≥δμ1－μ2<δz≤－zαμ1－μ2=δμ1－μ2≠δ|z|≥zα/24 ζ12=ζ22=ζ2未知μ1－μ2≤δμ1－μ2>δ1211--+--=nnSYXtwδ2)1()1(212222112-+-+-=nnSnSnSwt≥tα(n1+n2－2) μ1－μ2≥δμ1－μ2<δt≤－tα(n1+n2－2)μ1－μ2=δμ1－μ2≠δ|t|≥tα/2(n1+n2－2)5 μ未知ζ2≤ζ02ζ2>ζ02222)1(σχSn-=χ2≥χα2(n－1)ζ2≥ζ02ζ2<ζ02χ2≤χ21－α(n－1)ζ2=ζ02ζ2≠ζ02χ2≥χ2α/2(n－1)或χ2≤χ21－α/2(n－1)6 μ1，μ2未知ζ12≤ζ22ζ12>ζ222221SSF=F≥Fα(n1－1，n2－1) ζ12≥ζ22ζ12<ζ22F≤F1－α(n1－1，n2－1)ζ12=ζ22ζ12≠ζ22F≥Fα/2(n1－1，n2－1)或F≤F1－α/2(n1－1，n2－1)7 成对数据μD≤0 μD>0nSDtD-=t≥tα(n－1) μD≥0 μD<0 t≤－tα(n－1)μD=0 μD≠0 |t|≥tα－2(n－1)检验方法选择：主要是逐对比较法（成对数据）跟两个正态总体均值差的检验的区别，如上表即7跟3、4的区别，成对数据指两样本X和Y之间存在一一对应关系，而3和4一般指X和Y相互对立，但针对同一实体．关系：置信区间与假设检验之间的关系：未知参数的置信水平为1－α的置信区间与显著水平为α的接受域相同．定义：施行特征函数(OC函数)：β(θ)=Pθ(接受H0)．功效函数：1－β(θ)．功效：当θ*∈H1时，1－β(θ*)的值．。