概率统计1章-资料

合集下载

概率论与数理统计第一章1.1随机事件

事件的关系与运算
注：(1) 事件的关系与运算可用维恩图形象表之
(2) 事件的和与积的运算可推广到有限个事件或可数无限个事件的情形.
A B A B, (3) 事件的和与积的另一记法：
A B AB.
事件的关系与运算
８. 完备事件组设 A1 , A2 ,, An , 是有限或可数个事件，若其满足：
完
随机事件
在随机试验中，人们除了关心试验的结果本身外，
往往还关心试验的结果是否具备某一指定的可观
察的特征，概率论中将这一可观察的特征称为一个事件，它分三类：
随机事件
1. 随机事件：在试验中可能发生也可能不发生的事件； 2. 必然事件：在每次试验中都必然发生的事件； 3. 不可能事件：在任何一次试验中都不可能发生的事件. 例如，在抛掷一枚骰子的试验中，我们也许会关
A : “点数为奇数”，B : “点数小于5”.
则 A B {1，2，3，4，5}； A B {1，3}；
A - B {5}.
6. 若 A B , 则称事件 A 与 B 是互不相容的(或互斥的).
7. 若 A B S 且 A B ,
事件的关系与运算
由于随机现象的结果事先不能预知，初看似乎毫无规律. 然而人们发现同一随机现象大量重其每种可能的结果出现的频率具有复出现时，
稳定性，从而表明随机现象也有其固有的规律
性. 人们把随机现象在大量重复出现时所表现出的量的规律性称为随机现象的统计规律性.
随机现象的统计规律性
概率论与数理统计是研究随机现象统计规律性的一门学科. 为了对随机现象的统计规律性进行研究，就需对随机现象进行重复观察，我们把对随机现象

概率论与数理统计考研复习资料

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(Φ):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=Φ (A 与B 互不相容或互斥)事件A 与B 不能同时发生.6. AB=Φ且A ∪B=S (A 与B 互为逆事件或对立事件)表示一次试验中A 与B 必有一个且仅有一个发生. B=A, A=B . 运算规则交换律结合律分配律德•摩根律B A B A = B A B A =三. 概率的定义与性质1.定义对于E 的每一事件A 赋予一个实数,记为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(Φ) = 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()()()()+∑+∑-∑=≤<<≤≤<≤=nk j i k j i nj i j i ni i n A A A P A A P A P A A A P 11121…+(-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()()()()kkii i i i i A P A P A P A A A P 2121=,则称这n 个事件A 1,A 2,…,A n相互独立.第二章随机变量及其概率分布一.随机变量及其分布函数1.在随机试验E 的样本空间S={e}上定义的单值实值函数X=X (e)称为随机变量.2.随机变量X 的分布函数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 kk 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~π(λ)参数为λ的泊松分布 P{X=k}=λλ-e k k !(k=0,1,2,…) (λ>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)(xx dx x f ; (4)若f (x)在点x 处连续,则f (x)=F / (x) .注意：连续型随机变量X 取任一指定实数值a 的概率为零,即P{X= a}=0 .3.三种重要的连续型随机变量的分布 (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θ的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 (θ>0). (3)X~N (μ,σ2)参数为μ,σ的正态分布222)(21)(σμσπ--=x ex f -∞<x<∞, σ>0. 特别, μ=0, σ2 =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, Φ(-x)=1-Φ(x) .若X ～N ((μ,σ2), 则Z=σμ-X ~N (0,1), P{x 1<X ≤x 2}=Φ(σμ-2x )-Φ(σμ-1x ).若P{Z>z α}= P{Z<-z α}= P{|Z|>z α/2}= α,则点z α,-z α, ±z α/ 2分别称为标准正态分布的上,下,双侧α分位点. 注意：Φ(zα)=1-α , z 1- α= -z α.四.随机变量X 的函数Y= g (X)的分布 1.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 , α= min (g (-∞),g (∞)) β= max (g (-∞),g (∞)) .如果f (x)在有限区间[a,b]以外等于零,则 α= min (g (a),g (b)) β= 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),(=⎰⎰∞∞-∞∞-d x d y 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 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,}{},{jj i j j i p p y Y P y Y x X P ∙=====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σ(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 2D(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~ π(λ) λ λ4.X~ U(a,b) (a+b)/2 (b-a) 2/12 5.X 服从参数为θ的指数分布 θ θ2 6.X~ N (μ,σ2) μ σ2 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 i XX n S 12211 样本标准差S样本k 阶矩∑==n i k i k X n A 11( k=1,2,…) 样本k 阶中心矩∑-==n i ki k X X n B 1)(1( k=1,2,…),}{},{∙=====i j i i j i p p x X P y Y x X P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 (μ,σ2 ) ,则X ~ N (μ, σ2/n) .2.χ2分布 (1)定义若X ～N (0,1) ,则Y =∑=ni i X 12~ χ2(n)自由度为n 的χ2分布.(2)性质 ①若Y~ χ2(n),则E(Y) = n , D(Y) = 2n .②若Y 1~ χ2(n 1) Y 2~ χ2(n 2) ,则Y 1+Y 2~ χ2(n 1 + n 2).③若X~ N (μ,σ2 ), 则22)1(σS n -~ χ2(n-1),且X 与S 2相互独立.(3)分位点若Y~ χ2(n),0< α <1 ,则满足αχχχχαααα=<>=<=>--))}(())({()}({)}({22/122/212n Y n Y P n Y P n Y P的点)()(),(),(22/122/212n n n n ααααχχχχ--和分别称为χ2分布的上、下、双侧α分位点. 3. t 分布(1)定义若X~N (0,1),Y~ χ2(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 (μ,σ2 )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 (μ1,σ12 ) 且σ12=σ22=σ2 X 1 ,X 2 ,…,X n1 X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2Y S22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 < α<1 , 则满足αααα=>=-<=>)}({)}({)}({2/n t t P n t t P n t t P的点)(),(),(2/n t n t n t ααα±-分别称t 分布的上、下、双侧α分位点.注意: t 1- α (n) = - t α (n).4.F 分布 (1)定义若U~χ2(n 1), V~ χ2(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< α <1,则满足)},({)},({21121n n F F P n n F F P αα-<=>ααα=<>=-))},(()),({(212/1212/n n F F n n F F P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α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θ1, θ2,…, θk .X 1 ,X 2 ,…,X n 是X 的一个样本, x 1 ,x 2 ,…,x n 是样本值.1.矩估计法先求总体矩⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k θθθμμθθθμμθθθμμ 解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k μμμθθμμμθθμμμθθ ,以样本矩A l 取代总体矩μ 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 θθθθθθ,若代入样本值则得到矩估计值. 2.最大似然估计法若总体分布形式(可以是分布律或概率密度)为p (x, θ1, θ2,…, θk ),称样本X 1 ,X 2 ,…,Xn的联合分布∏==ni k i k x p L 12121),,,,(),,,(θθθθθθ 为似然函数.取使似然函数达到最大值的∧∧∧kθθθ,,,21 ,称为参数θ1, θ2,…,θk 的最大似然估计值,代入样本得到最大似然估计量.若L(θ1, θ2,…, θk )关于θ1, θ2,…, θk 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)=θ,则估计量∧θ称为参数θ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 )=μk =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μk 的无偏估计,(2)有效性若E(∧θ1 )=E(∧θ2)= θ, 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θ的相合估计量.文 - 汉语汉字编辑词条文，wen ，从玄从爻。

概率论与数理统计(1-3章重点梳理)

公理 3（可列可加性）
两两互斥，则 P (
)＝
(2)条件概率——P(B∣A)＝
P(AB)＝P(A) P(B∣A) P(B) P(A∣B)
2、概率基本性质 (1) P(Φ)＝0，P(Ω)＝1
(2) 有限可加性 P(
)＝
(3) 求逆公式 P( )＝1-P(A) ※补充：对于固定事件 A，P(B∣A)具有概率一切性质 ① P(Φ∣A)＝0，P(A∣A)＝1
1、定义 F(X)=
， <x< ，其中 f(x)为 X 的概率密度函数
【连续型：求分布函数就是求概率，哪儿求概率哪儿求积分】
（※利用 2、概率密度 f(x)性质
可简化求解）
(1)f(x) 0（非负可积性）（2）
3、连续型性质【重要】 ① F(x)为连续函数 ②对于 f(x)连续点 x，有 =f(x) ③对于任何实数 C，P(X=C)=0
①包含 A B 事件 A 发生一定导致 B 发生【小推大】
②相等 A B 且 B A A=B 【等价=相等】
③互斥 AB=Φ A、B 不能同时发生
④对立
A、B 在一次试验中必然发生且只能发生一个
⑤完全事件组
且
(1≤i≠j≤n)，称
(2)事件间运算(三种)：并(和)，交(积)，逆(差) ①A、B 和事件 A∪B 或 A+B A、B 至少有一个发生
几何分布的无记忆性：设 X G(p)，即
，k=1 2 (0 p 1)则对于
任何正整数 m,k 有 P(X=m+k∣X 6、均匀分布 U(a,b)
)=P(X=k)
密度 f(x)=
分布函数 F(x)=
例：设随机变量在(1,b)上服从均匀分布，则方程

概率统计第1章1.4-1.5

4
4
P(B A) P( AB) P(B) 1 / 4 1 / 3
P( A) P( A) 3 / 4
§1.4 条件概率与乘法公式 1.4.1 条件概率
【例1.14】某家庭中有两个孩子, 已知其中至少有一个是男孩, 求两个都是男孩的概率(假设男、女孩出生率相同).
解：用g代表女孩, b代表男孩 A =“该家庭中至少有一个男孩”, B =“两个都是男孩”, 注：在事件A发生条件下, 该家庭两个孩子的情况只能是 bb, bg, gb三种情况之一, 即此时样本空间缩小为
n
n
P(B) P( (BAi )) P(BAi )
i 1
i 1
§1.5 全概率公式和贝叶斯公式
1.5.1 全概率公式
【定理1.2】设试验E的样本空间为 , A1, A2, …, An为E的一组事件, 且满足：
(1) A1, A2, …, An两两互不相容, P(Ai) > 0 i =1, 2, …, n
1.4.1 条件概率
【例1.13】定义1.6 设A与B是同一样本空间中的两个事件，若P(A) > 0，则称 P(B A) P( AB)
P( A) 为在事件A发生下的事件B发生的条件概率．
不难验证，条件概率满足概率定义1.5中的三条公理：
(1) 非负性：对任意事件B，P(B | A) = 0；
【例1.16】某人忘记了电话号码的最后一位数字, 因而他随意地拨号. 求他拨号不超过三次而接通电话的概率.
解：设Ai =“第i次接通电话”, i = 1, 2, 3 B =“拨号不超过3次接通电话”
则 B A1 A1 A2 A1 A2 A3 利用概率的加法公式和乘法公式
P(B) P( ) P( A1 A2 ) P( A1 A2 A3 ) P( A1 ) P( A1 )P( A2 | A1 ) P( A1 )P( A2 | A1 )P( A3 | A1 A2 ) 1 9 1 9 18 3

概率论与数理统计总复习参考

运算的优先次序：逆，积，和，差
定义7 （概率的统计定义）定义8 （概率的公理化定义）设试验E的样本
空间为Ω，对任意事件A，赋予一实数 P(A)，若
它满足
非负性公理：0≤P(A) ≤1;
规范性公理：P(Ω)=1;
可列可加性公理：若A1, A2, …两两互斥, 则
P ( Ai ) P ( Ai ).
二、随机事件的关系与运算
1. 事件的关系
(1) 包含关系若事件A发生必然导致事件B发生，则称事件A包含于B，
记为 A B.
(2) 互斥（互不相容）：若两个事件A、B不可能同时发生，则称事件A与B互斥（互不相容）. 必然事件与不可能事件互斥; 基本事件之间是互斥的.
2. 事件的运算
(1) 事件的并（和）若C表示“事件A与事件B至少有一个发生”这一事件，
fY
(
y)
f
X
[h(
y)] | 0,
h(
y)
|,
y ,
其他.
第三章二维随机变量及其分布
1. 二维随机变量
(X, Y )：X, Y 是定义在同一样本空间上的两个随机变量.
2. 联合分布函数、性质 F(x, y) =P{X x, Y y}, (任意实数x, y).
3. 边缘分布函数 FX (x) = F(x, +), FY (y) = F(+, y).
P p1
p2 … pn …
注：如果 g( xk ) 中有些项相同，则需将它们作适当并项.
(2) 连续型随机变量函数的分布 (i) 定义法
FY ( y) P{Y y} P{g( X ) y}
{ x|g( x) y} f X ( x)dx.

概率统计第一章概率论的基础知识

7 (1) P( A B) P( A) P( B) P( AB) 10 3 (2) P( A B) 1 P( A B) 10 2 (3) P( A B) P( A) P( AB) 5
条件概率
已知事件A发生的条件下，事件B发生的概率称为A条件下B的条件概率，记作P(B|A)
27! 3! 9! 9! 9! 50 P( A) N (S ) 203
7 10 10 3 C 27 C 20 C10 18 P( B) N (S ) 203
4、随机取数问题
例4：从1，2，3，4，5诸数中，任取3个排成自左向右的次序，求：（1）
A1 “所得三位数是偶数”的概率？（2） A2 “所得三位数不小于200”的概率？
注
任何事件均对应着样本空间的某个子集.
称事件A发生当且仅当试验的结果是子集A中的元素
例1
定义
E4: 掷一颗骰子，考察可能出现的点数。 S4={1,2,3,4,5,6}; A=“掷出偶数点” B=“掷出大于4的点 ” ={2，4，6} ={5，6} C=“掷出奇数点”={1，3，5}
样本空间的子集称为随机事件。

n n1 nm 2 ! nm 1 !n n1 nm 1 !
n! n1!....nm !
种取法.
1、抽球问题
例1:设盒中有3个白球，2个红球，现从盒中任抽2个球，求取到一红一白的概率。
解:设事件A为取到一红一白
N (S ) C

2 5
N ( A) C C
一般地，设A、B是S中的两个事件，则
P( AB) P( B | A) P( A)
称为事件A发生的条件下事件B发生的条件概率

第一章概率统计基础知识

一定面积下平均点数 X一定面积下出现的点数
例题
抽取1个产品
每个产品平均缺陷2个抽取的产品出现X个（与的大小有关）
例题
抽取100个产品
平均50个瑕疵点抽取的100个产品有X个缺陷点
泊松分布运算
P( X x) E( X ) Var ( X )
二项分布概率公式
b（n，p） P（x）
E（X）=np Var（x）=np（1-p）
例题
过程不合格品率0.1，抽取6个产品，出现1 个不合格品的概率平均出现几个不合格品方差是多少
例题
X服从b（100，0.1），则X的均值和标准差为
（二）泊松分布
一定面积下出现的点数
独立时间和互不相容事件
不相容事件：无共同样本点独立事件：相互独立
例题
5个部件工作独立，正常工作的概率为90%，系统正常工作的概率系统不工作的概率
例题
从一批产品中抽取10个产品，抽到0个不合格品的概率为40%，抽到1个不合格品的概率为30%，抽到2个以上的概率
放回取样
10个产品 2个不合格品取4个产品 1个不合格品所有取法：
10
4
1个不合格品的取法概率
10 2 (10 2)
1
1
41
10 2 (10 2) P( A) 4 10
4 1
放回取样
10个产品 2个不合格品取4个产品 2个不合格品所有取法：

Var ( x)
1

2
例题
指数分布 =0.004 P（200X500） E（X） Var（x）

四川大学概率统计第1章_图文-PPT文档资料72页

例1.10
30只元件中有27只一等品，3只二等品。随机将30只元件均分装入三盒，求：（1）每盒有一只二等品的概率；（2）有一盒有3只二等品的概率；
解：（1）3只二等品均分到三个盒子有：
1
04.11.2019
3x2x1种可能性。
余下的27只应该平
2
3 均分到3个盒子中；
有：C297C198C99 种分法。
2. AB{A,B中至少一个发生}
n
A i {A1,…An中至少一个发生}
i1
04.11.2019
9
§1.1.3 事件的关系及运算
3. AB (或 A)B {A,B同时发生}
例如：A={1，3，5}； B={2，4，6}，则
AB=
说明AB同时发生是不可能事件；
04.11.2019
04.11.2019
25
§1.3.1 古典概型
（1）试验只有有限个可能结果; （2）每次试验中，每个样本点出现的可能性相同；
在古典概型中，若中有n个样
本点，事件A中有k个样本点，则
P(A)

k n
04.11.2019
26
两个基本的摸球模型
口袋中有N只球，其中m个红球，余下是白球,他们除颜色以外没有差别，现随机从中摸球n次并观察摸出球的颜色，计算恰好摸到k个红球的概率。
3 )AB A (B A )
04.11.2019
12
§1.1.3 事件的关系及运算
7. A1, A2,…,An 构成完备事件组
(1 )A iA j (i j),
n
(2) Ai
i1
完备事件组将样本空间分为有限个
互不相容的事件的和。

《概率论与统计原理》第1章

P (B) =
P (A ) P ( B A )
i
i 1
i
n
例13 两台车床加工同样的零件，第一台的废品率为 0.04，第二台的废品率为0.07，加工出来的零件混放，并设第一台加工的零件是第二台加工零件的2 倍。现任取一零件，求它是的合格品的概率。
1.5.4 贝叶斯公式
设 Ai ( i =1，2，…，n)是样本空间的一个划分，且 P( Ai )>0，则对任意事件 B，有
例10 已知P（A）=P（B）=P（C）=1/4，P（AC） =P（BC）=1/16，P（AB）=0，求事件A，B，C都不发生的概率。
§1.5
条件概率和事件的独立性
1.5.1 条件概率在事件 B 发生的条件下，事件 A的条件概率为
P( AB) P( B A) P( A) 理解条件概率的意义
第一章事件的概率
§1.1 随机事件和样本空间
1.1.1 随机现象与随机试验 1、确定性现象和随机现象
确定性现象是指在一定条件下必然会发生的现象
随机现象是指在一定条件可能发生也可能不发生的现象，其出现的结果不确定概率论研究的主要问题就是随机现象的规律性
2、随机试验
对随机现象的观察称为随机试验，简称为试验，用字母E来表示随机试验的特点：（1）可重复性试验在相同的条件下可以重复进行
（2）可观测性每次试验的可能结果不止一个，而且事先能明确试验的所有可能结果
（3）随机性在每次试验之前不能准确预知将会出现的结果一些随机试验的例子： E1：掷一颗均匀对称的骰子，观察出现的点数
E2：记录一段时间内某城市110报警次数 E3：从含有三件次品a1，a2，a3和三件正品b1，b2， b3的六件产品中，任取两件，观察出现正品和次品的情况 E4：从一批电脑中任取一台，观察无故障运行的时间 E5：设平面上有一簇间距为a的平行线，现反复用一枚长度为l（l<a）的针投掷下去，投掷n次后，观察针与平行线相交的数目 E6：向坐标平面区域D：x2 +y2≤100内随机投掷一点（假设点必落在D内），观察落点M的坐标

自考概率论与数理统计(经管类)自学资料

自考概率论与数理统计（经管类）自学资料第一章随机事件与随机事件的概率1.1 随机事件例一，掷两次硬币，其可能结果有：｛上上；上下；下上；下下｝则出现两次面向相同的事件A与两次面向不同的事件B都是可能出现，也可能不出现的。

引例二，掷一次骰子，其可能结果的点数有：｛1，2，3，4，5，6｝则出现偶数点的事件A，点数≤4的事件B都是可能出现，也可能不出现的事件。

从引例一与引例二可见，有些事件在一次试验中，有可能出现，也可能不出现，即它没有确定性结果，这样的事件，我们叫随机事件。

（一）随机事件：在一次试验中，有可能出现，也可能不出现的事件，叫随机事件，习惯用A、B、C表示随机事件。

由于本课程只讨论随机事件，因此今后我们将随机事件简称事件。

虽然我们不研究在一次试验中，一定会出现的事件或者一定不出现的事件，但是有时在演示过程中要利用它，所以我们也介绍这两种事件。

必然事件：在一次试验中，一定出现的事件，叫必然事件，习惯用Ω表示必然事件。

例如，掷一次骰子，点数≤6的事件一定出现，它是必然事件。

不可能事件：在一次试验中，一定不出现的事件叫不可能事件，而习惯用φ表示不可能事件。

例如，掷一次骰子，点数>6的事件一定不出现，它是不可能事件。

（二）基本（随机）事件随机试验的每一个可能出现的结果，叫基本随机事件，简称基本事件，也叫样本点，习惯用ω表示基本事件。

例如，掷一次骰子，点数1,2,3,4,5,6分别是基本事件，或叫样本点。

全部基本事件叫基本事件组或叫样本空间，记作Ω，当然Ω是必然事件。

（三）随机事件的关系（1）事件的包含：若事件A发生则必然导致事件B发生，就说事件B包含事件A ，记作。

例如，掷一次骰子，A表示掷出的点数≤2，B表示掷出的点数≤3。

∴A=｛1，2｝，B=｛1，2，3｝。

所以A发生则必然导致B 发生。

显然有（2）事件的相等：若，且就记A=B，即A与B相等，事件A等于事件B，表示A与B实际上是同一事件。

《概率论与数理统计》第一章课后习题解答共16页word资料

吴赣昌编《概率论与数理统计》（理工类）三版课后习题解答习题1－31、袋中5个白球，3个黑球，一次任取两个。

（1）求取到的两个求颜色不同的概率；（2）求取到的两个求中有黑球的概率。

解：略2、10把钥匙有3把能打开门，今取两把，求能打开门的概率。

解:设A=“能打开”，则210S n C =法一，取出的两把钥匙，可能只有一把能打开，可能两把都能打开，则112373A n C C C =+ 所以()A Sn P A n = 法二，A ={都打不开}，即取得两把钥匙是从另7把中取得的，则27A n C =，所以27210()1()1C P A P A C =-=- 3、两封信投入四个信筒，求（1）前两个信筒没有信的概率，（2）第一个信筒内只有一封信的概率。

解：24S n =（两封信投入四个信筒的总的方法，重复排列）（1）设A=“前两个信筒没有信”，即两封信在余下的两个信筒中重复排列，22A n =；（2）设B=“第一个信筒内只有一封信”，则应从两封信中选一封放在第一个信筒中，再把余下的一封信放入余下的三个信筒中的任一个，1123B n C =带入公式既得两个概率。

4、一副扑克牌52张，不放回抽样，每次取一张，连续抽4张，求花色各异的概率.解：略5、袋中有红、黄、黑色求各一个，有放回取3次，求下列事件的概率。

A=“三次都是红球”；B=“三次未抽到黑球”，C=“颜色全不相同”，Ｄ＝“颜色不全相同” 解：略6、从0,1,2,,9L 等10个数字中，任意选出不同的三个数字，试求下列事件的概率：1A =‘三个数字中不含0和5’，2A =‘三个数字中不含0或5’，3A =‘三个数字中含0但不含5’.解 3813107()15C P A C ==. 333998233310101014()15C C C P A C C C =+-=，或 182231014()1()115C P A P A C =-=-=， 2833107()30C P A C ==. 7、从一副52张的扑克牌中任取3张，不重复，计算取出的3张牌中至少有2张花色相同的概率。

概率论和数理统计-概率论第1章§3频率和概率-精品文档

§3 事件的概率
研究随机现象的统计规律性的数学学科
什么是统计规律性统计规律性是指在大量试验中呈现出的数量规律
什么是概率
概率是指刻划随机事件在一次试验中发生的可能性大小的数量指标.
第一章
概率论的基本概念
§3 事件的概率设 A 为一随机事件 ,在相同条件下进行 n次重复试验在一次试验中可能 n A n 次试验中 A 发生的次数 nA 发生也可能不发生 f ( A)
A

nA 1 n n nA
第一章概率论的基本概念
§3 事件的概率
考察英语文章中26个字母出现的频率，当观察次数较大时，每个字母出现的频率呈现稳定性，下面 n 是 Dewey 统计了438023个字母得到的统计表
字母
E
T A O I
频率
0.1268
0.0978 0.0788条性质刻画了频率的本质特征, 启发我们定义事件的概率
第一章概率论的基本概念
§3 事件的概率
第一章
概率论的基本概念
§3 事件的概率
P( ) 0 P () P () P ()
因为概率为实数,故 P( ) 0 ,A ,A 若A 1 2 n 是两两不相容的事件,则
() P (A ) 再由概率非负性得 P
P ( ) P () B P () A
事件解释为区域

B
A
概率解释为区域面积
第一章概率论的基本概念
§3 事件的概率
0 P(A ) 1
P ( A B ) P ( A ) P ( B ) P ( A B ) P (A ) P ( )P (A ) 对于三事件 A1, A2, A3 有

概率论与数理统计知识点总结(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 B A ⊂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B }x x x { ∈∈=⋃或A B A 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B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 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B A —发生φ=⋂B A ，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且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（))(()( C A B A C B A ⋂⋂=⋃⋂徳摩根律B A B A 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A n 称为事件A 发生的频数，比值n n A 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)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk knk kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质：（i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P （v ）)(1)(A P A P -=（逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§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}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5．条件概率（1）定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件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”。

概率统计第1章

N 个产品，其中M个不合格品、NM个合格品. 从中有返回地任取n 个. 则此 n 个中有 m 个不合格品的概率为：

条件： m n ,
7/28/2017
即 m = 0, 1, 2, ……, n.
常见模型(3) ——彩票问题幸运35选7:P21
购买：从01，……，35 中选7个号码. 开奖：7个基本号码，1个特殊号码.
并： A B 交： A B = AB 差： A B 对立： A A 与 B 至少有一发生 A 与 B 同时发生 A发生但 B不发生 A 不发生
ቤተ መጻሕፍቲ ባይዱ
注意：对立→互不相容，反之不然应用举例：P7
事件运算的图示
AB
AB
AB
事件的运算性质
德莫根公式
A B A B;
1.2.1 概率的公理化定义
定义1.2.1：设Ω为一个样本空间，Ｆ为Ω的某些子集组成的一个事件域，如果对任意一个事件A Ｆ，定义在Ｆ上的一个实质函数P(A)满足
非负性公理：若 AＦ，则P(A)0;
正则性公理： P(Ω)=1;
可列可加性公理：若A1, A2, ……, An ……
例1.1.1
口袋中有a 个白球、b 个黑球，从中一个一个不返回地取球。A = “取到最后一个是白球”， B = “取到最后一段是白球”。问 A 与 B 的关系？解：1) 显然，B 发生必然导致A发生，所以 BA;.
2) 又因为A发生必然导致B发生，所以 AB，由此得 A = B.
1.1.6 事件的运算
P(A)=0.4，P(B)=0.3，P(AB)=0.6，求 P(AB).
解：因为 P(AB) = P(A)P(AB) ，所以先求 P(AB) 由加法公式得 P(AB) = P(A)+P(B)P(AB) = 0.4+0.30.6=0.1 所以 P(AB) = P(A)P(AB) = 0.3

概率统计(新课本) 第一章

四、概率的古典定义
1. 古典概型－有限等概模型设随机试验E 具有下列特点：基本事件的个数有限每个基本事件等可能性发生则称 E 为古典概型。 2. 概率的古典定义（P16 ,Laplace,1812年提出)
nA A中包含基本事件数 A中包含的样本点数 P ( A) = = = n 基本事件总数样本点总数
（1）掷硬币试验
实验者德•摩根蒲丰
n 2048 4040
nH 1061 2048 6019 12012 14994
fn(H) 0.5181 0.5069 0.5016 0.5005 0.4998
K •皮尔逊 12000 K •皮尔逊 24000 维尼 30000
返回主目录
第一章
随机事件及其概率
一、概率这一概念的基本共识
§1.2 随机事件的概率
随机事件A发生的可能性大小的“量”，称为随机事件的概率, 记为P(A). 直观上, 这个“量”用一个数来刻划比较符合人们的认识规律。显然： P(Ω)=1; P(Φ)=0. 0≤P(A)≤1, A为任意事件。
二、历史上概率的四次定义
①统计定义 ②古典定义 ③几何定义 ④公理化定义基于频率的定义概率的最初定义(1812,Laplace) 古典定义的扩展 1933年(柯尔莫哥洛夫)
(2) B = A1 B + ... + A5 B .
B
A
Ω
A 1
A Ω 5 A4
A1 B
2
A
BA B AB
A3 B
4
A5 B
A2
A 3
第一章
随机事件及其概率
例2 设A,B,C表示三个随机事件,试将下列事件利用事件的关系和运算，用A,B,C表示出来。 (1)三个事件都发生 (2)A发生, 但B、C都不发生 (3)三个事件中至少有一个发生

《概率论与数理统计》第一章知识小结

附加知识：排列组合知识小结：一、计数原理1.加法原理：分类计数。

2.乘法原理：分步计数。

二、排列组合1.排列数（与顺序有关）：)(),1()2)(1(n m m n n n n A m n ≤+---= !n A nn =，n A A n n==10,1 如：25203456757=⨯⨯⨯⨯=A ，12012345!5=⨯⨯⨯⨯= 2.组合数(与顺序无关)：!m A C mn m n=，mn n m n C C -=如：3512344567!44747=⨯⨯⨯⨯⨯⨯==A C ，2112672757757=⨯⨯===-C C C3.例题：（1）从1，2，3，4，5这五个数字中，任取3个数字，组成一个没有重复的3位数，共有___6034535=⨯⨯=A ____种取法。

（2）从0，1，2，3，4这五个数字中，任取3个数字，组成一个没有重复的3位数，共有___483442414=⨯⨯=A A ____种取法。

（3）有5名同学照毕业照，共有__1201234555=⨯⨯⨯⨯=A _种排法。

（4）有5名同学照毕业照，其中有两人要排在一起，那么共有_48)1234()12(4422=⨯⨯⨯⨯⨯=A A ___种排法。

（5）袋子里有8个球，从中任意取出3个，共有___38C ____种取法。

（6）袋子里有8个球，5个白球，3个红球。

从中任意取出3个，取到2个白球1个红球的方法有___1325C C ____种。

3887656321C ⨯⨯==⨯⨯第一章、基础知识小结一、随机事件的关系与运算 1.事件的包含设A ，B 为两个事件，若A 发生必然导致B 发生，则称事件B 包含于A ，记作B A ⊂。

2.和事件事件“A,B 中至少有一个发生”为事件A 与B 的和事件，记作B A 或B A +。

性质：（1）B A B B A A ⊂⊂, ；（2）若B A ⊂，则B B A =3.积事件：事件A,B 同时发生，为事件A 与事件B 的积事件，记作B A 或AB 。

概率论与数理统计整理(一二章)

一、随机事件和概率考试内容：随机事件(可能发生可能不发生的事情)与样本空间(包括所有的样本点) 事件的关系(包含相等和积差互斥对立)与运算(交换分配结合德摸根对差事件文氏图) 完全事件组(所有基本事件的集合) 概率的概念概率的基本性质(非负性规范性可列可加性) 古典型概率几何型概率条件概率概率的基本公式事件的独立性独立重复试验考试要求：1．了解样本空间(基本事件空间)的概念，理解随机事件的概念，掌握事件的关系与运算．2．理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率(弄清几何意义)，掌握概率的加法公式(PAUB=PA+PB--PAB)、减法公式(P(A--B)=PA--PAB)、乘法公式(PAB=PA*PB|A)、全概率公式(关键是对S进行正确的划分)，以及贝叶斯公式．3．理解事件的独立性(PAB=PA*PB)的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法．整理重点：1. 随机事件：可能发生也可能给不发生的事件。

0<概率<1。

2. 样本空间：实验中的结果的每一个可能发生的事件叫做实验的样本点，实验的所有样本点构成的集合叫做样本空间，大写字母S表示。

3. 事件的关系：（1）包含：事件A发生必然导致事件B发生，称事件B包含事件A。

（2）相等：事件A包含事件B且事件B包含事件A。

（3）和：事件的并，记为A∪B。

（4）差：A-B称为A与B的差，A发生而B不发生，A-B=A-AB。

（5）积：事件的交，事件A与B都发生，记为AB或A∩B。

（6）互斥：事件A与事件B不能同时发生，AB=空集。

（7）对立：A∪B=S。

4. 集合的运算：（1）交换律：A∪B=B∪A AB=BA (2结合律：（A∪B）∪C=A∪(B∪C)(AB)C=A（B C）(3)分配率：A (B∪C)=AB∪AC A∪(BC)=(A∪B)(A∪C) (4)德*摩根定律5. 完全事件组：如果n个事件中至少有一个事件一定发生，则称这n个事件构成完全事件组（特别地：互不相容的完全事件组）。

《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。