概率论-复习提纲

合集下载

(完整版)概率论与数理统计复习提纲

二、矩估计法
1.基本思想: 用样本矩（原点矩或中心矩）代替相应的总体矩.
2.求总体X的分布中包含的m个未知参数的矩估计步骤：
① 求出总体矩,即；② 用样本矩代替总体矩，列出矩估计方程：
③ 解上述方程（或方程组）得到的矩估计量为：
④ 的矩估计值为：
3. 矩估计法的优缺点：
优点：直观、简单; 只须知道总体的矩,不须知道总体的分布形式.
（1）分布的分位点（2）分布的分位点其性质：
（3）分布的分位点其性质
（4）N(0,1)分布的分位点有
第六章参数估计
一、点估计:设为来自总体X的样本，为X中的未知参数，为样本值，构造某个统计
量作为参数的估计，则称为的点估计量，为的估计值.
2.常用点估计的方法：矩估计法和最大似然估计法.
合概率函数（或联合密度函数）（或
称为似然函数.
3. 求最大似然估计的步骤：
（1）求似然函数:X离散： X连续：
（2）求和似然方程：
（3）解似然方程，得到最大似然估计值：
（4）最后得到最大似然估计量：
4. 最大似然估计法是在各种参数估计方法中比较优良的方法，但是它需要知道总体X的分布形式.
四、估计量的评价标准
4.伯努利概型：
1.事件的对立与互不相容是等价的。（X）
2.若则。（X）
3. 。(X)
4.A,B,C三个事件恰有一个发生可表示为。(∨)
5.n个事件若满足，则n个事件相互独立。(X)
6.当时，有P(B-A)=P(B)-P(A)。（∨）
第二章随机变量及其分布
一、随机变量的定义：设样本空间为，变量为定义在上的单值实值函数，则称为随机变量，通常用大写英文字母，用小写英文字母表示其取值。

概率论复习课提纲

概率论复习课提纲一、古典概率用古典概型求概率的题在练习册中较多，初步统计有：习题一中的2、3、4、9、13；习题二中的1、2、4；习题四中的1；检测题1-二、三等。

一）、计数原理1、加法原理（两种方法均能完成此事）：m+n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。

2、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。

二）、排列组合1、无重复的排列与组合 1）、无重复的排列 Ⅰ、基础知识从n 个不同元素中，任取m(≤n)个不同元素，按照一定顺序排成一列（或从n 个不同元素中，有序地任取m 个不同元素），叫做从n 个不同元素中取出m 个不同元素的一个排列。

从n 个不同元素中，任取m(≤n)个不同元素的排列的个数，叫做从n 个不同元素中取出m 个不同元素的排列数，用符号m n P 或mn A 表示。

由乘法原理得：)!(!1m -n )2()1(n n m n n n P mn -=+-⋅-⋅=）（（约定0！=1）（取第一个元素放在第一个位置有n 种方法；取定第一位后，由于元素不允许重复，选择第二位时则只有n-1种方法，…，选择第m 位则只有n-(m-1)=n-m+1种方法）。

特别地，当m=n 时，就得到n 个不同元素的全排列数公式 !123)2()1(n n n n P n n =⋅⋅-⋅-⋅=2）、无重复的组合从n 个不同元素中，任取m(≤n)个不同元素并成一组（或从n 个不同元素中，无序地任取m 个不同元素），叫做从n 个不同元素中任出m 个不同元素的组合。

从n 个不同元素中，任取m(≤n)个不同元素的所有组合的个数，叫做从n 个不同元素中取出m个不同元素组合数，用符号mn C 表示，其计算公式为：)!(!!m!1m -n )2()1(n !n m m n n n m P C m n mn-=+-⋅-⋅==）（（约定0！=1）（事实上，对每一个从n 个不同元素m 个不同元素的组合，将其元素进行全排列可产生m!个不同的排列。

概率论与数理统计要点复习

概率论与数理统计复习资料第一章随机事件与概率1．事件的关系 φφ=Ω-⋃⊂AB A B A AB B A B A(1) 包含：若事件A 发生，一定导致事件B 发生，那么，称事件B 包含事件A ，记作A B ⊂(或B A ⊃)．(2) 相等：若两事件A 与B 相互包含，即A B ⊃且B A ⊃，那么，称事件A 与B 相等，记作A B =． (3) 和事件：“事件A 与事件B 中至少有一个发生”这一事件称为A 与B 的和事件，记作A B ⋃；“n 个事件1,2,,n A A A 中至少有一事件发生”这一事件称为1,2,,n A A A 的和，记作12n A A A ⋃⋃⋃（简记为1ni i A=）．(4) 积事件：“事件A 与事件B 同时发生”这一事件称为A 与B 的积事件，记作A B ⋂(简记为AB )；“n 个事件1,2,,n A A A 同时发生”这一事件称为1,2,,n A A A 的积事件，记作12n A A A ⋂⋂⋂（简记为12n A A A 或1nii A =)．(5) 互不相容：若事件A 和B 不能同时发生，即AB φ=，那么称事件A 与B 互不相容(或互斥)，若n 个事件1,2,,n A A A 中任意两个事件不能同时发生，即i j A A φ=(1≤i<j ≤几)，那么，称事件 1,2,,n A A A 互不相容．(6) 对立事件：若事件A 和B 互不相容、且它们中必有一事件发生，即AB φ=且A B ⋃=Ω，那么，称A 与B 是对立的．事件A 的对立事件(或逆事件)记作A ． (7) 差事件：若事件A 发生且事件B 不发生，那么，称这个事件为事件A 与B 的差事件，记作A B -(或AB ) ．2．运算规则（1）交换律：BA AB A B B A =⋃=⋃（2）结合律：)()( )()(BC A C AB C B A C B A =⋃⋃=⋃⋃ （3）分配律))(()( )()()(C B C A C AB BC AC C B A ⋃⋃=⋃⋃=⋃ （4）德摩根（De Morgan ）法则：B A AB B A B A ⋃==⋃3．概率)(A P 满足的三条公理及性质：（1）1)(0≤≤A P （2）1)(=ΩP（3）对互不相容的事件n A A A ,,,21 ，有∑===nk kn k kA P A P 11)()(（n 可以取∞）（4） 0)(=φP （5）)(1)(A P A P -=（6）)()()(AB P A P B A P -=-，若B A ⊂，则)()()(A P B P A B P -=-，)()(B P A P ≤ （7）)()()()(AB P B P A P B A P -+=⋃（8）)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++=⋃⋃ 4．古典概型：基本事件有限且等可能5．几何概率：如果随机试验的样本空间是一个区域(可以是直线上的区间、平面或空间中的区域)，且样本空间中每个试验结果的出现具有等可能性，那么规定事件Ａ的概率为()A P A =的长度（或面积、体积）样本空间的的长度（或面积、体积）·6．条件概率（1）定义：若0)(>B P ，则)()()|(B P AB P B A P =（2）乘法公式：)|()()(B A P B P AB P = 若n B B B ,,21为完备事件组，0)(>i B P ，则有（3）全概率公式： ∑==ni iiB A P B P A P 1)|()()(（4） Bayes 公式： ∑==ni iik k k B A P B P B A P B P A B P 1)|()()|()()|(（5）贝努里概型与二项概率设在每次试验中，随机事件Ａ发生的概率()(01)P A p p =<<，则在n 次重复独立试验中．，事件Ａ恰发生k 次的概率为()(1),0,1,,k n k n n P k p p k nk -⎛⎫=-= ⎪⎝⎭，7．事件的独立性： B A ,独立)()()(B P A P AB P =⇔ （注意独立性的应用）下列四个命题是等价的：(i) 事件A 与B 相互独立； (ii) 事件A 与B 相互独立； (iii) 事件A 与B 相互独立；(iv) 事件A 与B 相互独立．8、思考题１．一个人在口袋里放2盒火柴，每盒n 支，每次抽烟时从口袋中随机拿出一盒（即每次每盒有同等机会被拿到）并用掉一支，到某次他迟早会发现：取出的那一盒已空了．问：“这时另一盒中恰好有m 支火柴”的概率是多少？２．设一个居民区有n 个人，设有一个邮局，开c 个窗口，设每个窗口都办理所有业务．c 太小，经常排长队；c 太大又不经济．现设在每一指定时刻，这n 个人中每一个是否在邮局是独立的，每个人在邮局的概率是p ．设计要求：“在每一时刻每窗口排队人数（包括正在被服务的那个人）不超过m ”这个事件的概率要不小于a （例如，0.8,0.9.95a o =或），问至少须设多少窗口？３．设机器正常时，生产合格品的概率为９５％，当机器有故障时，生产合格品的概率为５０％，而机器无故障的概率为９５％．某天上班时，工人生产的第一件产品是合格品，问能以多大的把握判断该机器是正常的？第二章随机变量与概率分布1．离散随机变量：取有限或可列个值，i i p x X P ==)(满足（1）0≥i p ，（2）∑iip=1（3）对任意R D ⊂，∑∈=∈Dx i ii pD X P :)(2．连续随机变量：具有概率密度函数)(x f ，满足（1）1)(,0)(-=≥⎰+∞∞dx x f x f ；（2）⎰=≤≤badx x f b X a P )()(；（3）对任意R a ∈，0)(==a X P 3．几个常用随机变量名称与记号分布列或密度数学期望方差0—1分布两点分布 ),1(p B p X P ==)1(，p q X P -===1)0(p pq二项式分布),(p n Bn k q p C k X P kn k k n ,2,1,0,)(===-，np npq泊松分布)(λP,2,1,0,!)(===-k k ek X P kλλλλ 几何分布)(p G,2,1 ,)(1===-k p qk X P kp12p q均匀分布),(b a Ub x a a b x f ≤≤-= ,1)(，2ba + 12)(2a b - 指数分布)(λE 0 ,)(≥=-x e x f x λλλ121λ 正态分布),(2σμN222)(21)(σμσπ--=x ex fμ2σ标准正态分布的分布函数记作()x Φ，即()x Φ221()2t xx e dtπ--∞Φ=⎰，当出0x ≥时，()x Φ可查表得到；当0x <时，()x Φ可由下面性质得到()1()x x Φ-=-Φ．设2~(,)X N μσ，则有()()x F x μσ-=Φ； ()()()b a P a X b μμσσ--<≤=Φ-Φ．4．分布函数 )()(x X P x F ≤=，具有以下性质（1）1)( ,0)(=+∞=-∞F F ；（2）单调非降；（3）右连续；（4）)()()(a F b F b X a P -=≤<，特别)(1)(a F a X P -=>；特别的 ()()(0)P X a F a F a ==-- （5）对离散随机变量，∑≤=xx i ii px F :)(；（6）对连续随机变量，⎰∞-=xdt t f x F )()(为连续函数，且在)(x f 连续点上，)()('x f x F = 5．正态分布的概率计算以)(x Φ记标准正态分布)1,0(N 的分布函数，则有（1）5.0)0(=Φ；（2）)(1)(x x Φ-=-Φ；（3）若),(~2σμN X ，则)()(σμ-Φ=x x F ；（4）以αu 记标准正态分布)1,0(N 的上侧α分位数，则)(1)(αααu u X P Φ-==> 6．随机变量的函数 )(X g Y =（1）离散时，求Y 的值，将相同的概率相加；（2）X 连续，)(x g 在X 的取值范围内严格单调，且有一阶连续导数，则|))((|))(()('11y g y g f y f X Y --=，若不单调，先求分布函数，再求导。

概率论大纲

6.2 复习考试内容（大纲的主体）1. 概率论的基本概念1）了解样本空间的基本概念，理解事件的概念，掌握事件的关系与运算。

2）理解概率、条件概率的概念，掌握其基本性质和其它性质，掌握概率的加法公式、乘法公式、以及全概率公式和Bayes 公式及其应用。

会计算古典型概率。

3）理解事件独立性的概念，掌握有关的概率计算公式。

2. 随机变量及其概率分布1 ）理解随机变量及其分布的概念，分布函数的概念。

2 ）理解离散型随机变量及其分布律的概念，掌握（0 — 1 ）分布、几何分布、二项分布和泊松分布及其应用。

3 ）理解连续型随机变量及其概率密度的概念，掌握均匀分布、指数分布、正态分布及其应用。

4）掌握分布律，概率密度与分布函数之间的关系。

5）掌握概率计算公式和方法。

3. 随机向量及其概率分布1) 理解二维随机变量和多维随机变量的概念。

理解概率分布的联合分布和边缘分布的概念。

掌握由联合分布求解边缘分布的方法。

2) 理解随机变量独立性的概念，掌握其定义及条件。

3) 掌握有关的概律计算方法。

4) 掌握二维均匀分布，了解二维正态分布。

4. 随机变量的函数及其概率分布了解随机变量函数的概念，会求解简单函数的概率分布。

5. 随机变量的数字特征理解随机变量数字特征（期望、方差；协方差和相关系数）的概念，掌握数字特征的计算方法，掌握常用分布的数字特征。

6. 大数定律和中心极限定律1 ）了解chebyshev 不等式。

2 ）了解chebyshev 定理的特殊形式，辛钦定理和Bernoulli 定理。

3 ）了解独立同分布中心极限定理及其应用。

7. 数理统计的基本概念1) 理解总体、样本、统计量、样本均植、样本方差以及样本矩的概念。

2) 了解χ -- 分布、t -- 分布和F -- 分布的定义，概率密度曲线和分位点的概念。

3) 掌握抽样分布的有关理论。

8. 参数估计1) 理解参数的点估计、区间估计、估计量和估计值的概念。

2) 掌握矩估计和极大（最大）似然估计法，估计量的评选标准（特别是无偏性和有效性）。

概率论复习大纲

第一章随机事件和概率基本概念：随机试验、样本点、样本空间、随机事件、事件发生、事件关系、事件运算、事件互不相容、概率、概率空间、古典概型、条件概率、全概率公式、贝叶斯公式、事件独立、试验独立。

典型例题：1. 一批产品由90件正品和10件次品组成，从中任取一件，问取得正品的概率多大.2. 甲、乙两人各自向同一目标射击，已知甲命中目标的概率为 0.7，乙命中目标的概率为0.8 求：(1)甲、乙两人同时命中目标的概率；(2)恰有一人命中目标的概率；(3)目标被命中的概率.3. 甲、乙、丙三人同时对飞机进行射击, 三人击中的概率分别为0.4、0.5、0.7. 飞机被一人击中而击落的概率为0.2,被两人击中而击落的概率为0.6, 若三人都击中, 飞机必定被击落, 求飞机被击落的概率.4. 有一批产品是由甲、乙、丙三厂同时生产的.其中甲厂产品占50%,乙厂产品占30%, 丙厂产品占20%,甲厂产品中正品率为95%,乙厂产品正品率为90%, 丙厂产品正品率为85%, 如果从这批产品中随机抽取一件, 试计算该产品是正品的概率多大.第二章随机变量及其分布函数基本概念：随机变量、分布函数、二项分布、正态分布、条件分布、2χ-分布、t -分布、F -分布。

典型例题：1、有1000件产品，其中900件是正品，其余是次品. 现从中每次任取1件，有放回地取5件，试求这5件所含次品数ξ的分布列.2、设随机变量ξ的分布密度为p （x ）＝，⎩⎨⎧<≥-0x 002x ae x ，求：（1）常数a ；（2）P （ξ＞3）.3、已知随机变量ξ的分布列为⎪⎪⎭⎫ ⎝⎛-25.013.02.005.037.073101 ，（1）求η＝2－ξ的分布列；（2）求η＝3＋ξ2分布列.4、设ξ服从N （5，32），求P （ξ＜10），P （102≤<ξ）.5、某工厂生产的一批零件，合格率为95%，今从中抽取100件，试求下列事件的概率：（1）被检验的100件中恰好有4件不合格品；（2）不合格的件数不少于4件；（3）不合格的件数在4到6之间. 6、已知随机变量ξ的分布密度为)(x p ξ＝　，　其他，　⎪⎩⎪⎨⎧<<0412ln 21x x ，且η＝2－ξ，试求η的分布密度. 7、设随机变量X 服从（-2，２）上的均匀分布，求随机变量2X Y =的概率密度函数为)(y f Y .8. 设G 是由直线y=x ，y=3，x=1所围成的三角形区域，二维随机变量),Y X （在G 上服从二维均匀分布求：（1）),Y X （的联合概率密度；（2）}1{≤-X Y P ；（3）X 的边缘概率密度。

概率论与数理统计复习提纲

概率论与数理统计复习提纲概率论与数理统计总复习第⼀讲随机事件及其概率⼀随机事件，事件间的关系及运算 1.样本空间和随机事件 2.事件关系,运算和运算律⑴事件的关系和运算⑶运算律:交换律,结合律,分配律；对偶律: B A B A ?=?,B A B A ?=?；⼆概率的定义和性质 1.公理化定义(P7)2.概率的性质(P8.五个) ⑴)(1)(A P A P -=；⑵)()()()(AB P B P A P B A P -+=?；3.古典概型和⼏何概型4.条件概率 )()()|(A P AB P A B P =三常⽤的计算概率的公式1.乘法公式 )()()()()(B A P B P A B P A P AB P ==2.全概率公式和贝叶斯公式(P17-20.) 四事件的独⽴性1.定义:A 和B 相互独⽴ )()(B P A B P =或)()()(B P A P AB P ?=，2.贝努利试验在n 重贝努利试验中，事件=k A {A 恰好发⽣k 次})0(n k ≤≤的概率为：k n nk n k p p C A P --=)1()(第⼆讲随机变量及其概率分布⼀随机变量及其分布函数1.随机变量及其分布函数 )()(x X P x F ≤=)(+∞<<-∞x2.分布函数的性质(P35.四个)⑴0)(lim =-∞→x F x ；1)(lim =+∞→x F x ；(常⽤来确定分布函数中的未知参数)⑵)()()(a F b F b X a P -=≤<(常⽤来求概率) ⼆离散型随机变量及其分布律1.分布律2.常⽤的离散型分布三连续型随机变量 1.密度函数 ?∞-=xdt t f x F )()(2.密度函数的性质(P39.七个) ⑴1)(=?+∞∞-dx x f ；（常⽤来确定密度函数中的参数）⑵?=≤adx x f b X a P )()(；（计算概率的重要公式）⑶对R x ∈?，有0)(==c X P (换⾔之,概率为0的事件不⼀定是不可能事件). 3.常⽤连续型分布重点:正态分布:)0,(21)(22)(>=--σσµσπσµ都是常数，x ex f标准正态分布)1,0(N :2221)(x ex -=π四随机变量函数的分布1.离散情形设X 的分布律为则)(X g Y =的分布律为2.连续情形设X 的密度函数为)(x f X ,若求)(X g Y =的密度函数,先求Y 的分布函数,再通过对其求导,得到Y 的密度函数。

概率论复习要点

第四章随机变量的数字特征
一、数学期望二、方差三、协方差和相关系数四、矩和协方差矩阵
一、知识点
E( X ) xk pk k 1
数学期望
E(X ) xf (x)dx
E(Y ) E(g( X )) g(xk ) pk k 1
E(Y ) E(g(X )) g(x) f (x)dx
FZ (z) P{X Y z} f (x, y)dxdy
当 z 0 时，FZ (z) 0 xyz
y
当 0 z 1时，
FZ (z)
z
dx
zx e ydy
0
0
z (1 exz )dx 0
z 1 ez
1
z x y 1
1
x
x y z
x y z
f
x,
y
e y ,
0 x 1, y 0,
上的均匀分布，Y 服从 1的指数分布，试求随
机变量 Z=X+Y 的密度函数。解（方法一）由题意可知，用卷积公式
f
X
x
1 0
0 x 1 其它
fY
y
e y 0
y0 y0
则随机变量 Z=X+Y 的密度函数为
fZ z fX x fY z xdx
P82例4对变量y用卷积公式
fZ z f X x fY z xdx, 其中 0 x 1, z x 0
考题选讲
第五章大数定律与中心极限定理
一、大数定律二、中心极限定理
一、知识点
大数定律：对于随机变量序列 X1, X 2, , X n
描述其平均值
1 n
n i1
Xi
在什么条件下以什么形
式呈现出稳定性。

(完整版)自考概率论与数理统计复习资料要点总结

i《概率论与数理统计》复习提要(1) 0 P(A) 1 ( 2)P( ) 1(1) 定义：若 P(B) 0,则 P(A| B)P(AB)P(B)(2)乘法公式：P(AB) P(B)P(A| B)若B 1, B 2, B n 为完备事件组，P(B i )0，则有n(3)全概率公式： P(A) P(B i )P(A| B i )i 1(4)Bayes 公式： P(B k | A)P(Bk)P(A|B k)P(B i )P(A|BJi 17.事件的独立性：A, B 独立 P( AB) P(A)P(B)(注意独立性的应用)第二章随机变量与概率分布1 •离散随机变量：取有限或可列个值，P(X x i ) p i 满足(1) p i 0 , (2) p i =11.事件的关系 AB A B AB A B AAB2.运算规则(1)A B BA ABBA(2) (AB) CA (BC)(AB)C A(BC)(3) (AB)C (AC) (BC) (AB) C (A C)(B(4) AB ABABAB第一章随机事件与概率3•概率P(A)满足的三条公理及性质: C)(4) P() 0 (5) P(A) 1 P(A)(6) P(A B) P(A) P(AB) ，若 A B , 则P(BA) P(B) P(A) ,P(A) P(B)(7) P(A B) P(A) P(B) P(AB)(8) P(ABC) P(A) P(B) P(C)P(AB)P(AC) P(BC)P(ABC)n(3)对互不相容的事件 A l , A 2, , A n ，有P( A k )k 1k 1(n 可以取)4. 古典概型：基本事件有限且等可能5. 几何概率6. 条件概率P(A k )(3)对任意D R, P(X D) p:X i D2.连续随机变量：具有概率密度函数f (x)，满足(1) f (x) 0, f(x)dx 1 ；b(2) P(a X b) f (x)dx ； ( 3)对任意a R，P(X a) 0a4.分布函数F(x) P(X x)，具有以下性质(1)F( ) 0, F( ) 1 ; (2)单调非降；(3)右连续；(4)P(a X b) F(b) F(a)，特别P(X a) 1 F(a)；(5)对离散随机变量，F(x) P i ；i:为x(6)对连续随机变量，F(x) x'f(t)dt为连续函数，且在f (x)连续点上，F (x) f (x)5.正态分布的概率计算以(x)记标准正态分布N (0,1)的分布函数，则有(1)(0) 0.5 ; (2)(2 x x) 1 (x) ； (3)若X ~ N(,)，则F(x) ((4)以u记标准正态分布N(0,1)的上侧分位数，则P(X u ) 1 (u )6.随机变量的函数Y g(X)(1)离散时，求Y的值，将相同的概率相加；(2)X连续，g(x)在X的取值范围内严格单调，且有一阶连续导数，则f Y(y) f x(g 1(y)) |(g 1(y))' |单调，先求分布函数，再求导。

概率论与数理统计总复习知识点归纳

D( X ) E( X 2 ) E 2 ( X ), Cov( X ,Y ) E( XY ) EXEY
XY Cov( X ,Y ) / D( X )D(Y )
⑴ E(aX+b)=aE(X)+b，D(aX+b)=a2D(X)
⑵ E(∑iλi Xi)=∑i λi E(Xi)
(3) D(λ1X±λ2Y)=λ12D(X)+λ22D(Y) ±2λ1λ2Cov(X,Y)
0.587
法二用Bayes公式：
P (C) = 0.1, P(C ) 0.9;
P (D/C) = 0.3*0.8+0.7*0.2,
P(D / C ) 0.3*0.2.
C
C
于是有
D
P(C / D)
P(C ) P(D / C )
P(C) P(D / C) P(C ) P(D / C )
i 1
i 1
i 1
例3 已知X~ f(x)，求Y= -X2的概率密度。解用分布函数法。
y<0 时，FY(y) = P(Y≤y) = P(-X2 ≤y) P(X y) P(X y)
FX ( y ) [1 FX ( y )] y≥0 时， FY(y) = P(Y≤y) =1
于是Y的概率密度为
fY ( y) fX (
y)
1 2
( y)1/ 2
fX
(
y ) 1 ( y)1/2 2
1 2
(
y)1/ 2[
fX
(
y) fX (
y )] , y 0
fY (y) 0 , y 0
例4 设二维随机变量(X,Y )的联合密度函数为：
f
( x,
y)

非常全面的概率论与数理统计复习材料

例 2 从 1,2,…,9,这九个数中任取三个数,求：1 三数之和为 10 的概率 p1；2 三数之积
为 21 的倍数的概率 p2;
解：p1=错误!=错误!, p2= 错误!= 错误!
前提是如果在某一区域任取一例 1 把长度为 a 的棒任意折成三段,求它们可以构成一个三角形的概率;
点,而所取的点落在中任意两解：设折得的三段长度分别为 x,y 和 a-x-y,那么,样本空间,S={x,y|0xa,0ya,0a-x-ya};
A、A=
B、AB= C、A错误!=
D、B=错误!
运 A1,A2,…,An 构成的一个完备事件组或分斥指 A1,A2,…,An 两两互不相容,且错误!Ai=
算
交换律 A∪B=B∪A A∩B=B∩A 运
结合律 A∪B∪C=A∪B∪C A∩B∩C=A∩B∩C 算
分配律 A∪B∩C=AC∪BC A∩B∪C=A∪C∩B∪C 法
题例 3 某物品成箱出售,每箱 20 件,假设各箱中含 0、1 件次品的概率分别为和,一顾客在购买时,他可以开箱,从箱中任取
三件检查,当这三件都是合格品时,顾客才买下该箱物品,否则退货;试求：1 顾客买下该箱的概率；
2 顾客买下该箱物品,问该箱确无次品的概率 ;
解:设事件 A0—箱中 0 件次品, A1—箱中 1 件次品,事件 B—买下该箱;由已知 PA0=, PA1=,
必然事件---每次试验中必定发生的事件; 不可能事件--每次试验中一定不发生的事件;
事包含 AB 件相等 A=B 之对立事件,也称 A 的逆事件间互斥事件 AB=也称不相容事件的 A,B 相互独立 PAB=PAPB 关
例 1 事件 A,B 互为对立事件等价于 D A、A,B 互不相容 B、A,B 相互独立 C、A∪B＝Ω D、A,B 构成对样本空间的一个剖分例 2 设 PA=0,B 为任一事件,则 C A、A= B、AB C、A 与 B 相互独立 D、A 与 B 互不相容

概率论复习提纲

概率论复习提纲第一章随机事件和概率（11）减法公式P(A-B)=P(A)-P(AB)当B A时，P(A-B)=P(A)-P(B)当A=Ω时，P( )=1- P(B)第二章随机变量及其分布（5）八大分布0-1分布P(X=1)=p, P(X=0)=q二项分布在重贝努里试验中，设事件发生的概率为。

事件发生的次数是随机变量，设为，则可能取值为。

，其中，则称随机变量服从参数为，的二项分布。

记为。

当时，，，这就是（0-1）分布，所以（0-1）分布是二项分布的特例。

泊松分布设随机变量的分布律为，，，则称随机变量服从参数为的泊松分布，记为或者P( )。

泊松分布为二项分布的极限分布（np=λ，n→∞）。

超几何分布随机变量X服从参数为n,N,M的超几何分布，记为H(n,N,M)。

几何分布，其中p≥0，q=1-p。

随机变量X服从参数为p的几何分布，记为G(p)。

均匀分设随机变量的值只落在[a，b]内，其密度函数在[a，b]上为常数，即a≤x≤b布其他，则称随机变量在[a，b]上服从均匀分布，记为X~U(a，b)。

分布函数为a≤x≤b0， x<a，1， x>b。

当a≤x1<x2≤b时，X落在区间（）内的概率为。

指数分布,0, ,其中，则称随机变量X服从参数为的指数分布。

X的分布函数为,x<0。

记住积分公式：正态分布设随机变量的密度函数为，，其中、为常数，则称随机变量服从参数为、的正态分布或高斯（Gauss）分布，记为。

具有如下性质：1° 的图形是关于对称的；2° 当时，为最大值；若，则的分布函数为。

参数、时的正态分布称为标准正态分布，记为，其密度函数记为，，分布函数为。

是不可求积函数，其函数值，已编制成表可供查用。

Φ(-x)＝1-Φ(x)且Φ(0)＝。

如果 ~ ，则 ~ 。

第三章二维随机变量及其分布（2）期望的性质（1） E(C)=C（2） E(CX)=CE(X)（3） E(X+Y)=E(X)+E(Y)，（4） E(XY)=E(X) E(Y)，充分条件：X和Y独立；充要条件：X和Y不相关。

概统精华公式提纲全整理

第一章概率论基础知识 §1.1.1 随机试验特点:1.可在相同条件下重复进行；2.试验结果不止一个，且可以预知一切可能的结果的取值范围；3.试验前不能确定会出现哪一个结果。

§1.1.2 样本空间定义: Ω表示一个试验的所有可能的集合，称Ω为样本空间. 而这个随机试验的每个基本结果称为样本点，记作ω.基本事件:只含有一个样本点ω的事件,记为{ω}.两个特殊事件: 必然事件、不可能事件.§1.1.3 事件的关系及运算交换律 ,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 AB AC A B C A B A C ==对偶律 ,AB AB AB AB ==§1.2.1 频率及性质:().n n A k k A kA f A n定义在次重复试验中，若事件发生了次，则称为事件发生的频数，称为事件发生的频率，记为频率的性质:()()()1211(1) 01(2)1; ()0;3,,,()().n n n rrr n i n i i i f A f f A A A r f A f A φ==≤≤Ω==∑；＝若为个两两互斥的事件，则§1.2.2 概率的公理化定义1.1211,,,P()P()i i i i A A A A ∞∞===∑对于两两互不相容的事件2. A,B AB ϕ=互斥（即）()()()P A B P A P B ⇒=+3. ()()()P A B P A P AB -=-4. ()()()()P AB P A P B P AB =+-()()()()()()()()P A B C P A P B P C P AB P AC P BC P ABC =++---+§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Ω中有n 个样本点，事件A 中有k 个样本点，则()k nP A =.Eg.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。

概率论主要内容和复习重点

概率论主要内容和复习重点
第一章随机事件与概率主要内容：一．事件的运算：交、并、补等二．概率的性质：加法公式等三．三种概型：古典概型、几何概型、伯努利概型四．条件概率及其三个公式：乘法公式、全概率公式、贝叶斯公式五．事件独立性
重点：条件概率及其三个公式；事件独立性。
第二章随机变量及其分布主要内容：一．三类变量：离散、连续、混合二．三个函数：概率函数、密度函数、分布函数三．十种重要分布：二项、泊松、超几何、均匀、指数、正态
重点：特征函数：计算、性质（4）、唯一性中心极限定理：化为正态分布计算
几何、负二项、伽玛、贝塔（了解）四．数字特征：期望、方差与标准差、切比雪夫不等式
矩、分位数、变异系数、偏度、峰度（了解）五．随机变量函数的分布：离散、连续
重点：求概率：离散用求和、连续用积分、混合用斯蒂阶积分重要分布：记住六种分布的概率或密度函数、实际背景、期望与方差、特征函数求期望方差：离散用求和、连续用积分、混合用斯蒂阶积分随机变量函数：连续情形下，一般函数的分布函数法与严格单调函数的公式法
第三章多维随机变量及其分布主要内容：一．两类变量：离散、连续二．三个函数：概率函数、密度函数、分布函数，各自的联合、边际、条件分布三．四种重要分布：二维均匀、二维正态、多项、多维超几何四．数字特征：期望、方差与标准差、协方差与相关系数，条件期望与条件方差五．二维随机变量函数的分布：离散、连续
重点：求概率：离散用求和、连重要分布：记住两种分布的联合密度函数求期望方差协方差：离散用求和、连续用二重积分求复合随机变量的期望方差：重期望公式与条件方差公式随机变量函数：连续情形下，一般函数的分布函数法与单调函数的增补变量法
第四章大数定律与中心极限定理主要内容：一．两种收敛性：依概率收敛、按分布收敛二．特征函数：定义、性质、重要分布的特征函数三．大数定律：伯努利、切比雪夫、马尔可夫、辛钦四．中心极限定理：棣莫弗-拉普拉斯、林德贝格-列维

《概率论》总复习提纲【精选】精心总结

《概率论》总复习提纲【精选】精⼼总结ang 《概率论与数理统计》总复习提纲第⼀块随机事件及其概率内容提要基本内容：随机事件与样本空间，事件的关系与运算，概率的概念和基本性质，古典概率，⼏何概率，条件概率，与条件概率有关的三个公式，事件的独⽴性，贝努⾥试验.1、随机试验、样本空间与随机事件（1）随机试验：具有以下三个特点的试验称为随机试验，记为E .1）试验可在相同的条件下重复进⾏；2）每次试验的结果具有多种可能性，但试验之前可确知试验的所有可能结果； 3）每次试验前不能确定哪⼀个结果会出现.（2）样本空间：随机试验E 的所有可能结果组成的集合称为E 的样本空间ω记为Ω；试验的每⼀个可能结果，即Ω中的元素，称为样本点，记为w .（3）随机事件：在⼀定条件下，可能出现也可能不出现的事件称为随机事件，简称事件；也可表述为事件就是样本空间的⼦集，必然事件（记为Ω）和不可能事件（记为Φ）. 2、事件的关系与运算（1）包含关系与相等：“事件A 发⽣必导致B 发⽣”，记为B A ?或A B ?；B A B A ??=且A B ?.（2）互不相容性：φ=AB ；B A 、互为对⽴事件Ω=??B A 且Φ=AB . （3）独⽴性：（1）设A B 、为事件，若有)()()(B P A P AB P =，则称事件A 与B 相互独⽴. 等价于：若)|()(A B P B P =(0)(>A P ).（2）多个事件的独⽴：设n A A A ,,,21 是n 个事件，如果对任意的)1(n k k ≤<，任意的n i i i k ≤<<<≤ 211，具有等式)()()()(2121k k i i i i i i A P A P A P A A A P =，称n 个事件n A A A ,,,21 相互独⽴． 3、事件的运算（1）和事件（并）：“事件A 与B ⾄少有⼀个发⽣”，记为B A ?. （2）积事件（交）：“ 事件A 与B 同时发⽣”，记为B A ?或AB .（3）差事件、对⽴事件(余事件)：“事件发⽣A ⽽B 不发⽣”，记为A B -称为A 与B 的差事件；B B =-Ω称为B 的对⽴事件；易知：B A B A =-. 4、事件的运算法则1) 交换律：A B B A ?=?，BA AB =；2) 结合律：C B A C B A ??=??)()(，)()(BC A C AB =； 3) 分配律：BC AC C B A ?=?)(，))(()(C B C A C AB ??=?； 4) 对偶(De Morgan)律：B A B A =?，B A AB ?=，可推⼴kkkkkkAA A A ==,5、概率的概念（1）概率的公理化定义：（了解）ΩΩ设是⼀个样本空间，为的某些⼦集组成F()A P A ?∈的⼀个事件域.,定义在上的⼀个集值函数满⾜:F.F 1()0;P A ≥）⾮负性： 2()1;P Ω=）规范性： 123,,A A ）可列可加性：设是可列个互不相容事件，则11()()n n n n P A P A ∞∞===∑().P A A 则称为事件的概率（2）频率的定义：（了解）事件A 在n 次重复试验中出现A n 次，则⽐值n n A 称为事件A 在n 次重复试验中出现的频率，记为)(A f n ，即n n A f An =)(.（3）概率的统计定义：（了解）频率具有稳定性，即()n kf A n=随n 的增⼤越来越靠近某个常数p ，称p 为事件A 的（统计）概率.在实际问题中，当n 很⼤时，取()().n P A p f A =≈（4）古典概率（有限等可能型）：若试验的基本结果数为有限个，且每个事件发⽣的可能性相等，则（试验对应古典概型）事件A 发⽣的概率为：n A k n k A A P )()(＝＝中样本点总数中所含样本点数Ω=.（5）⼏何概率（⽆限等可能型）：（了解）若试验基本结果数⽆限，随机点落在某区域g 的概率与区域g 的测度(长度、⾯积、体积等)成正⽐，⽽与其位置及形状⽆关，则（试验对应⼏何概型），“在区域Ω中随机地取⼀点落在区域A 中”这⼀事件A 发⽣的概率为：()A P A Ω的测度的测度.（6）主观概率：（了解）⼈们根据经验对该事件发⽣的可能性所给出的个⼈信念. 6、概率的基本性质（1）不可能事件概率为零： ()0P Φ=. （2）有限可加性：设n A A A ,,,21 是n 个两两互不相容的事件，即i jA A =Φ，（i j ≠）n j i ,2,1,,=，则有)(21n A A A P ＝)(1A P ＋)()(2n A P A P ++ .（3）单调不减性：若事件,()()B A P B P A ?≥则，且()()()P B A P B P A -=-.（4）互逆性：()1()P A P A =-且()1P A ≤.（5）加法公式：对任意两事件B A 、，有=?)(B A P )()(B P A P +－)(AB P ；此性质可推⼴到任意n 个事件n A A A ,,,21 的情形.（6）可分性：对任意两事件B A 、，有)()()(B A P AB P A P +=，且()()()P A B P A P B ?≤+7、条件概率与乘法公式（1）条件概率：设B A 、是两个事件，若()0,P A >则)()()|(A P AB P A B P =称为事件A 发⽣的条件下事件B 发⽣的条件概率．（2）乘法公式：设()0,()0,P A P B >>则)|()()|()()(B A P B P A B P A P AB P ==.称为事件B A 、的概率乘法公式.其可推⼴成有即个的情形,详见书上第16页，其主要的意义在说明了前⾯的事件对后⾯的事件发⽣的概率产⽣影响. 8、全概率公式与贝叶斯(Bayes)公式（1）全概率公式：设n A A A ,,,21 是Ω的⼀个划分，且0)(>i A P ，),,2,1(n i =，则对任何事件B ∈F.，有∑=ni i i A B P A P B P 1)|()()(＝称为全概率公式.应⽤背景：若影响某⼀事件（“结果”）发⽣有⼏种不同的情况（“原因”），那么计算结果的概率就要⽤全概率公式, 相当于其是由原因计算结果.（2）贝叶斯(Bayes)公式：设n A A A ,,,21 是Ω的⼀个划分，且0)(>i A P ),,2,1(n i =，则对任何事件B ∈F.，有),,1(,)|()()n j A B P A P A B P A P B A P ni iij j j ==∑=称为贝叶斯公式或逆概率公式.应⽤背景：若影响某⼀事件（“结果”）发⽣有⼏种不同的情况（“原因”），那么若告诉你结果已发⽣，那么要计算某⼀种情况（“原因”）发⽣的概率时，就要⽤到贝叶斯公式，相当其主要的应⽤是要由结果计算原因. 9、贝努⾥(Bernoulli)概型（1）只有两个可能结果的试验称为贝努⾥试验，常记为E ．E 也叫做“成功—失败”试验,“成功”的概率常⽤)(A P p =表⽰，其中A ＝“成功”.（2）把E 重复独⽴地进⾏n 次，所得的试验称为n 重贝努⾥试验，记为nE ．（3）把E 重复独⽴地进⾏可列多次，所得的试验称为可列重贝努⾥试验，记为∞E ．以上三种贝努⾥试验统称为贝努⾥概型．（4）nE 中成功k 次的概率是：)0(,)1(n k q p C p p C k n k k n kn k k n ≤≤=---其中1(01)p q p +=≤≤.疑难分析1、必然事件与不可能事件必然事件是在⼀定条件下必然发⽣的事件，不可能事件指的是在⼀定条件下必然不发⽣的事件.它们都不具有随机性，是确定性的现象，但为研究的⽅便，把它们看作特殊的随机事件.2、互逆事件与互斥（不相容）事件如果两个事件A 与B 必有⼀个事件发⽣，且⾄多有⼀个事件发⽣，则A 、B 为互逆事件；如果两个事件A 与B 不能同时发⽣，则A 、B 为互斥事件.因⽽，互逆必定互斥，互斥未必互逆.区别两者的关键是：当样本空间只有两个事件时，两事件才可能互逆，⽽互斥适⽤与多个事件的情形.作为互斥事件在⼀次试验中两者可以都不发⽣，⽽互逆事件必发⽣⼀个且只发⽣⼀个. 3、两事件独⽴与两事件互斥两事件A 、B 独⽴，则A 与B 中任⼀个事件的发⽣与另⼀个事件的发⽣⽆关，这时)()()(B P A P AB P =⽣，这两事件的发⽣是有影响的，这时0)(,=Φ=AB P AB .可以⽤图形作⼀直观解释.在图1.1左边的正⽅形中，)(21)(,41)(B P A P AB P ===，表⽰样本空间中两事件的独⽴关系，⽽在右边的正⽅形中，0)(=AB P ，表⽰样本空间中两事件的互斥关系.4、条件概率)|(B A P 与积事件概率)(AB P)(AB P 是在样本空间Ω内，事件AB 的概率，⽽)|(B A P 是在试验E 增加了新条件B发⽣后的缩减的样本空间B Ω中计算事件A 的概率.虽然A 、B 都发⽣，但两者是不同的，⼀般说来，当A 、B 同时发⽣时，常⽤)(AB P ，⽽在有包含关系或明确的主从关系时，⽤)|(B A P .如袋中有9个⽩球1个红球，作不放回抽样，每次任取⼀球，取2次，求：（1）第⼆次才取到⽩球的概率；（2）第⼀次取到的是⽩球的条件下，第⼆次取到⽩球的概率.问题（1）求的就是⼀个积事件概率的问题，⽽问题（2）求的就是⼀个条件概率的问题. 5、全概率公式与贝叶斯(Bayes)公式当所求的事件概率为许多因素引发的某种结果，⽽该结果⼜不能简单地看作这诸多事件之和时，可考虑⽤全概率公式，在对样本空间进⾏划分时，⼀定要注意它必须满⾜的两个条件.贝叶斯公式⽤于试验结果已知，追查是何种原因（情况、条件）下引发的概率.第⼆块随机变量及其分布内容提要基本内容：随机变量，随机变量的分布的概念及其性质，离散型随机变量的概率分布，连续型随机变量的概率分布，常见随机变量的分布，随机变量函数的分布.1、随机变量设Ω是随机试验的样本空间，如果对于试验的每⼀个可能结果Ω∈ω，都有唯⼀的实数)(ωX 与之对应，则称)(ωX 为定义在Ω上的随机变量，简记为X .随机变量通常⽤⼤写字母Z Y X 、、等表⽰.根据其取值的情形可以分成为离散型随机变量（可能取值⾄多可列）随机变量连续型随机变量（可能取值充满某个区间）奇异型随机变量2、离散型随机变量及其分布列如果随机变量X 只能取有限个或可列个可能值，则称X 为离散型随机变量.如果X 的⼀切可能值为 ,,21x x ，并且X 取k x 的概率为k p ，则称),3,2,1}({ ===k x X P p k k 为离散型随机变量X 的概率函数（概率分布或分布律）.也称分布列，常记为1212n nx x x p p p ?? ???其中1,0=≥∑i常见的离散型随机变量的分布有：（1）两点分布（0-1分布）：记为(1,)((1,))Xb p B p ，分布列为10,1,0,)1(}{1<<=-==-p k p p k X P k k或1~X q p ??（2）⼆项分布：记为(,)((,))X b n p B n p ，概率函数10,,,1,0,)1(}{<<=-==-p n k p p C k X P k n kk n（3）泊松分布，记为()(())X P πλλ，概率函数,,1,0,!}{>===-λλλk k e k X P k泊松定理：设0>λ是⼀常数，n 是任意正整数，设λ=nnp ，则对于任⼀固定的⾮负整数k ，有!)1(lim k e p p C k kn n k nknn λλ--∞→=-.根据泊松定理可得，当n 很⼤(⼤于50)且p 很⼩（⼀般是⼩于0.05）时，⼆项分布可以⽤泊松分布近似代替，即!)1(k e p p C k kn k k nλλ--≈-，其中np =λ3、分布函数及其性质分布函数的定义：设X 为随机变量，x 为任意实数，函数)}({)(+∞<<-∞≤=x x X P x F分布函数完整地描述了随机变量取值的统计规律性，具有以下性质：（1）有界性： )(1)(0+∞<<-∞≤≤x x F；（2）单调性：如果21x x <，则)()(21x F x F ≤；（3）右连续：即)()0(x F x F =+；（4）极限性：1)(lim ,0)(lim ==+∞→-∞→x F x F x x ；（5）完美性： )()(}{}{}{121221x F x F x X P x X P x X x P -=≤-≤=≤<.4、连续型随机变量及其分布如果对于随机变量X 的分布函数)(x F ，存在⾮负函数()p x ，使对于任⼀实数x ，有()()xF x p t dt -∞=?，则称X 为连续型随机变量.函数()p x 称为X 的概率密度函数，简称为概率密度.概率密度函数具有以下性质：（1）()0p x ≥；（2）()1p x dx +∞-∞=?；（3）2112{}()x x P x X x p t dt<≤=?；（4）0}{1==x X P ；（5）如果()p x 在x 处连续，则()()F x p x '=. 常⽤连续型随机变量的分布：（1）均匀分布：记为),(~b a U X ，概率密度为1,,()0,a x b p x b a≤≤=-其它分布函数为>≤≤--<=b x bx a ab a x a x x F ,1,,0)(P c X d b a-<<=- （2）指数分布：记为()XExp θ，概率密度为/1,0,()0,x e x p x θθ-?>?=其他，分布函数为/1,0,()0,x e x F x θ-?->=??其他.⽆记忆性质：对于任意,0,s t >有{|}{}P X s t X s P X t >+>=>.（3）正态分布：记为),(~2σµN X ，概率密度为2()2(),x p x X µσ--=-∞<<+∞，相应的分布函数为∞---=xx dtex F 222)(21)(σµπ当1,0==σµ时，即)1,0(~N X 时，称X 服从标准正态分布.这时分别⽤)(x ?和)(x Φ表⽰X 的密度函数和分布函数，即-=Φ=x t x dte x ex 222221)(,21)(ππ性质：①若2(,)XN µσ,则其密度函数关于x µ=对称，从⽽1()()2P X P X µµ>=<=. ② )(1)(x x Φ-=-Φ. ③若2(,)XN µσ,则(0,1)X N µσ-，即⼀般正态分布),(~2σµN X 的分布函数)(x F 与标准正态分布的分布函数)(x Φ有关系：)()(σµ-Φ=x x F .5、随机变量函数的分布（1）离散型随机变量函数的分布设X 为离散型随机变量，其分布列为(表2-2)：则)(X g Y =任为离散型随机变量，其分布列为(表2-3)：表2-3i y 有相同值时，要合并为⼀项，对应的概率相加.（2）连续型随机变量函数的分布设X 为离散型随机变量，概率密度为()X p x ，则)(X g Y =的概率密度有两种⽅法可求.1）定理法：若)(x g y =在X 的取值区间内有连续导数)(x g '，且)(x g 单调时，)(X g Y =是连续型随机变量，其概率密度为<<'=其它,0,)()]([)(βαy y h y h f y f XY .其中)()}.(),(max{)},(),(min{y h g g g g +∞-∞=+∞-∞=βα是)(x g 的反函数. 2）分布函数法：先求)(X g Y =的分布函数∑=≤=≤=k y xY k dxx fy X g P y Y P y F )()(})({}{)(然后求 ()[()]Y Y p y F y '=. 结论：若2(,)X N µσ，则22(0)(,)aX b a N a b a µσ+≠+.疑难分析1、随机变量与普通函数随机变量是定义在随机试验的样本空间Ω上，对试验的每⼀个可能结果Ω∈ω，都有唯⼀的实数)(ωX 与之对应.从定义可知：普通函数的取值是按⼀定法则给定的，⽽随机变量的取值是由统计规律性给出的，具有随机性；⼜普通函数的定义域是⼀个区间，⽽随机变量的定义域是样本空间. 2、分布函数)(x F 的连续性定义左连续或右连续只是⼀种习惯.有的书籍定义分布函数)(x F 左连续，但⼤多数书籍定义分布函数)(xF为右连续. 左连续与右连续的区别在于计算)F时，xX=点的概率是否计算在内.对于连续型随机变量，由于}{1==xXP，故定义左连续或右连续没有什么区别；对于离散型随机变量，由于}{1≠=xXP，则定义左连续或右连续时)(xF值就不相同，这时，就要注意对)(xF定义左连续还是右连续.第三块多维随机变量及其分布内容提要基本内容：多维随机变量及其分布函数⼆维离散型随机变量的联合分布列，⼆维连续型随机变量的联合分布函数和联合密度函数，边际分布，随机变量的独⽴性和不相关性，常⽤多维随机变量，随机向量函数的分布.1、⼆维随机变量及其联合分布函数 12(),(),,()(,,),n X X X F P ωωωΩ如果随机变量定义在同⼀概率空间上则称12(),(),,()n X X X X ωωωω=（）（为n 维(n 元)随机变量或随机向量.n 当=2时,称为⼆维随机变量,常记为(,).X Y 联合分布函数的定义：设12(),(),,()n XX X X n ωωωω=（）（）是维随机变量,,nx R n ?∈则称元函数121122(,,,),,,)n n n F x x x P X x X x X x =≤≤≤（为随机向量12(),(),,()n X X X X ωωωω=（）（的联合分布函数2,,n =特别时称为⼆维联合分布函数即(,)(,)F x y P X x Y y =≤≤⼆维联合分布函数具有以下基本性质：（1）单调性： ),(y x F 是变量x 或y 的⾮减函数；（2）有界性： 1),(0≤≤y x F ；（3）极限性：1),(0),(0),(0),(=+∞+∞=-∞-∞=-∞=-∞F F x F y F ，　，　，，但注意(,)(),(,)()Y X F y F y F x F x +∞=+∞=，其中()X F x 与()Y F y 分别表⽰X 与Y 的分布函数.（4）连续性: ),(y x F 关于x 右连续，关于y 也右连续；（5）⾮负性: 对任意点),(),,(2211y x y x ，若2121,y y x x <<，则0),(),(),(),(11211222≥+--y x F y x F y x F y x F .上式表⽰随机点),(Y X 落在区域],[2121y Y y x X x ≤<≤<内的概率为：},{2121y Y y x X x P ≤<≤<.2、⼆维离散型随机变量及其联合分布列如果⼆维随机变量),(Y X 所有可能取值是有限对或可列对，则称),(Y X 为⼆维离散型随机变量.设),(Y X 为⼆维离散型随机变量,它的所有可能取值为,2,1,),,(=j i y x j i 将),2,1,(},{ ====j i p y Y x X P ij j i 或表3.1称为),(Y X 的联合分布列.表3.1联合分布列具有下列性质：（1）≥ij p ；（2）111=∑∑∞=∞=i j ijp.3、⼆维连续型随机变量及其概率密度函数如果存在⼀个⾮负函数),(y x p ,使得⼆维随机变量),(Y X 的分布函数),(y x F 对任意实数y x ,有∞-∞-=xydydx y x p y x F ),(),(，则称),(Y X 是⼆维连续型随机变量，称),(y x p 为),(Y X 的联合密度函数（或概率密度函数）.联合密度函数具有下列性质：（1）⾮负性对⼀切实数y x ,，有0),(≥y x p ；（2）规范性1),(=??+∞∞-+∞∞-dy dx y x p ；（3）在任意平⾯域D 上，),(Y X 取值的概率=∈Ddxdyy x p D Y X P ),(}),{(；（4）如果),(y x p 在),(y x 处连续，则),(),(2y x p y x y x F =.常⽤连续型随机变量的分布：(1) 设D 是平⾯上的⼀个有界区域，其⾯积为A .若⼆维随机变量(,)X Y 的联合概率密度为1,(,),(,)0,x y D f x y A ?∈?=其它，则称(,)X Y 服从区域D 上的⼆维均匀分布.(2) ⼆元正态分布：其密度函数不要求背，具体的请见课本P67. 4、⼆维随机变量的边缘分布设),(Y X 为⼆维随机变量，则称},{)(+∞<<-∞≤=Y x X P x F X },{)(y Y X P y F Y ≤+∞<<-∞=分别为),(Y X 关于X 和关于Y 的边缘（边际）分布函数.当),(Y X 为离散型随机变量，则称),2,1(),2,1(1.1. ====∑∑∞=∞=j p p i p p i ij j j ij i分别为),(Y X 关于X 和关于Y 的边缘分布列.当),(Y X 为连续型随机变量，则称+∞∞-+∞∞-==dxy x p y p dy y x p x p Y X ),()(,),()(分别为),(Y X 关于X 和关于Y 的边缘密度函数. 性质：221212(,)(,,,,)X Y N µµσσρ，则211(,)XN µσ，222(,)Y N µσ.5、随机变量的独⽴性设),(y x F 及)()(y F x F Y X 、分别是),(Y X 的联合分布函数及边缘分布函数.如果对任何实数y x ,有)()(),(y F x F y x F Y X ?=则称随机变量X 与Y 相互独⽴.设),(Y X 为⼆维离散型随机变量，X 与Y 相互独⽴的充要条件是),2,1,(.. ==j i p p p j i ij .设),(Y X 为⼆维连续型随机变量，X 与Y 相互独⽴的充要条件是对⼏乎⼀切实数y x ,，有)()(),(y p x p y x p Y X =.性质：221212(,)(,,,,)X Y N µµσσρ，则0X Y ρ=?与相互独⽴.6、两个随机变量函数的分布设⼆维随机变量),(Y X 的联合概率密度函数为),(y x p ，),(Y X Z ?=是Y X ,的函数，则Z 的分布函数为dxdyy x p z F zy x Z ??≤=),(),()(?.对于⼀般的函数?,求()Z F z 通过分布函数的⽅法，如第三章，习题29就是使⽤这种⽅法.但对于以下的⼏个，更加常⽤的是公式的⽅法. 若),(Y X 为连续型随机变量，概率密度函数为),(y x p .（1）Y X Z +=的分布:dyy y z p dx x z x p z p Z ??+∞∞-+∞∞--=-=),(),()(.特别地，若X 与Y 相互独⽴，则()()()()().Z X Y X Y p z p x p z x dx p z y p y dy +∞+∞-∞-∞=-=-?（2）Z X Y =-的分布：()(,).Z p z p z y y dy +∞-∞=+?特别地，若X 与Y 相互独⽴，则()()().Z X Y p z p z y p y dy +∞-∞=+?（3）Z XY =的分布：1()(,).||Z zp z p x dx x x+∞-∞=?特别地，若X 与Y 相互独⽴，则1()()().||Z X Y zp z p x p dx x x+∞-∞=?（4）Y XZ =的分布若),(Y X 为连续型随机变量，概率密度函数为),(y x p ，则Z 的概率函数为：+∞∞-=dyy yz p y z p Z ),()(.性质：①若(,),(,),(,)X b n p Y b m p X Y X Y b n m p ++且与相互独⽴，则.②若1212(),()().XY X Y X Y πλπλπλλ++且与相互独⽴，则③若221122(,),(,)XN YN µσµσ，且X 与Y 相互独⽴的，则22221212(,).X bY cN a b c a b µµσσ+++++a7．最⼤值与最⼩值的分布 1,,n X X n 设是相互独⽴的个随机变量,则1()()(max(,,))Y n F y P Y y P X X y =≤=≤1()ni i F y ==∏1()()(min(,,))Y n F y P Y y P X X y =≤=≤11(1())n i i F y ==--∏其中的()i F y 表⽰的是随机变量i X 的分布函数.疑难分析1、事件},{y Y x X ≤≤表⽰事件}{x X ≤与}{y Y ≤的积事件，为什么},{y Y x X P ≤≤不⼀定等于}{}{y Y P x X P ≤?≤？如同仅当事件B A 、相互独⽴时，才有)()()(B P A P AB P ?=⼀样，这⾥},{y Y x X P ≤≤依乘法原理}|{}{},{x X y Y P x X P y Y x X P ≤≤?≤=≤≤.只有事件}{x X P ≤与}{y Y P ≤相互独⽴时，才有}{}{},{y Y P x X P y Y x X P ≤?≤=≤≤，因为}{}|{y Y P x X y Y P ≤=≤≤.2、⼆维随机变量),(Y X 的联合分布、边缘分布及条件分布之间存在什么样的关系？由边缘分布与条件分布的定义与公式知，联合分布唯⼀确定边缘分布，因⽽也唯⼀确定条件分布.反之，边缘分布与条件分布都不能唯⼀确定联合分布.但由)|()(),(|x y p x p y x p X Y X ?=知，⼀个条件分布和它对应的边缘分布，能唯⼀确定联合分布.但是，如果Y X 、相互独⽴，则}{}{},{y Y P x X P y Y x X P ≤?≤=≤≤，即)()(),(y F x F y x F Y X ?=.说明当Y X 、独⽴时，边缘分布也唯⼀确定联合分布，从⽽条件分布也唯⼀确定联合分布.3、两个随机变量相互独⽴的概念与两个事件相互独⽴是否相同？为什么？两个随机变量Y X 、相互独⽴，是指组成⼆维随机变量),(Y X 的两个分量Y X 、中⼀个分量的取值不受另⼀个分量取值的影响，满⾜}{}{},{y Y P x X P y Y x X P ≤?≤=≤≤.⽽两个事件的独⽴性，是指⼀个事件的发⽣不受另⼀个事件发⽣的影响，故有)()()(B P A P AB P ?=.两者可以说不是⼀个问题.但是，组成⼆维随机变量),(Y X 的两个分量Y X 、是同⼀试验E 的样本空间上的两个⼀维随机变量，⽽B A 、也是⼀个试验1E 的样本空间的两个事件.因此，若把“x X ≤”、“y Y ≤”看作两个事件，那么两者的意义近乎⼀致，从⽽独⽴性的定义⼏乎是相同的.第四块随机变量的数字特征内容提要基本内容：随机变量的数学期望和⽅差、标准差及其性质，随机变量函数的数学期望，原点矩和中⼼矩，协⽅差和相关系数及其性质.1、随机变量的数学期望设离散型随机变量X 的分布列为 ,2,1,}{===k p x X P k k ，如果级数∑∞=1k kk p x 绝对收敛，则称级数的和为随机变量X 的数学期望.设连续型随机变量X 的密度函数为)(x p ，如果⼴义积分+∞∞-dxx xp )(绝对收敛，则称此积分值?+∞∞-=dxx xp X E )()(为随机变量X 的数学期望.数学期望有如下性质：（1）设C 是常数，则C C E =)(；（2）设C 是常数，则)()(X CE CX E =；（3）若21X X 、是随机变量，则)()()(2121X E X E X X E +=+；对任意n 个随机变量n X X X ,,,21 ，有)()()()(2121n n X E X E X E X X X E +++=+++ ；（4）若21X X 、相互独⽴，则)()()(2121X E X E X X E =；对任意n 个相互独⽴的随机变量n X X X ,,,21 ，有)()()()(2121n n X E X E X E X X X E =.2、随机变量函数的数学期望（1）设离散型随机变量X 的分布律为,2,1,}{===k p x X P k k ，则X 的函数)(X g Y =的数学期望为2,1,)()]([1==∑∞=k p x g x g E k k k ，式中级数绝对收敛.。

概率论复习资料大全

出现的次数，则
P(X k)Cnk pk (1 p)nk , k 0,1,, n
称r.v X服从参数为n和p的二项分布，记作 X ~ b(n,p)
9
4.泊松分布
定义：设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为：
P( X k) e k , k0,1,2,,
称的钟形曲线.
特点是“两头小，中间大，左右对称”.
正态分布表
15
9.连续型随机变量函数的分布
定理设 r.v X具有概率密度 f(x), x , 又设g(x)处处可导，且恒有g(x) 0(或 g(x) 0) 则Y=g(X)是连续型r.v，其概率密度为
fY
(
y)

计算方差的一个简化公式 D(X)=E(X2)-[E(X)]2
26
6.方差的性质
1. 设C是常数,则D(C)=0; 2. 若C是常数X是随机变量,则D(CX)=C2 D(X);
3. 设X与Y 是两个随机变量，则有 D(X+Y)= D(X)+D(Y) + 2E{(X-E(X))(Y-E(Y))}. 特别，若X与Y 相互独立，则有 D(X+Y)= D(X)+D(Y)
p
B(n,p)
π()
P( X k) Cnk pk (1 p)nk k 0,1,2,,n
np
P( X k) ke

k!
k 0,1,2,
23
分布
概率密度
期望
区间(a,b)上的均匀分布
f
(
x)

b
1
a
,
0,
a x b, 其它

(完整版)概率论与数理统计复习提纲

缺点：没有充分利用总体分布提供的信息；矩估计量不具有唯一性；可能估计结果的精度比其它估计法的低
三、最大似然估计法
1. 直观想法：在试验中，事件A的概率P(A)最大, 则A出现的可能性就大；如果事件A出现了，我们认为事件A的概率最大.
2. 定义设总体X的概率函数或密度函数为（或），其中参数未知，则X的样本的联
(1) 设总体X的概率密度函数为f(x), 则样本的联合密度函数为
(2)设总体X的概率函数为 , 则样本的联合概率函数为
二、统计量
1. 定义
不含总体分布中任何未知参数的样本函数称为统计量, 是的观测值.
注：（1）统计量是随机变量；（2）统计量不含总体分布中任何未知参数；
（3）统计量的分布称为抽样分布.
3.样本：从总体X中，随机地抽取n个个体 ,称为总体X的容量为n的样本。
注：⑴ 样本是一个n维的随机变量；⑵ 本书中提到的样本都是指简单随机样本，其满足2个特性：
① 代表性：中每一个与总体X有相同的分布.② 独立性：是相互独立的随机变量.
4.样本的联合分布
设总体X的分布函数为F(x)，则样本的联合分布函数为
都有确定的实值P(A)，满足下列性质：
(1)非负性： (2)规范性：
(3)有限可加性(概率加法公式)：对于k个互不相容事件，有 .
则称P(A)为随机事件A的概率.
2．概率的性质
① ②
③若，则
④
注：性质的逆命题不一定成立的.如若则。（×）若，则。（×）
三、古典概型的概率计算
古典概型：若随机试验满足两个条件：①只有有限个样本点,
合概率函数（或联合密度函数）（或
称为似然函数.
3. 求最大似然估计的步骤：

《概率论与数理统计》(公共)复习提纲

概率论与数理统计（公共课）复习提纲注：方框标示的内容为重点。

第1章随机事件及其概率1. 样本点与样本空间、事件的关系与运算；2. 事件的运算规律；(1) 交换律 A ∪B =B ∪A , A ∩B =B ∩A ;(2) 结合律 (A ∪B )∪C =A ∪(B ∪C ), (A ∩B )∩C =A ∩(B ∩C );(3) 分配律 (A ∪B )∩C =(A ∩C )∪(B ∩C ), (A ∩B )∪C =(A ∪C )∩(B ∪C)3. 事件概率的定义及其性质、古典概型的概率计算；条件概率 P (B |A ) = P (AB ) / P (A )；乘法公式 P (AB ) = P (A )P (B |A ) 或 P (AB ) = P (B )P (A |B )全概率公式 P (B ) = P (A 1)P (B |A 1) + … + P (A n )P (B |A n ) + …n = 2的情形(样本空间被对立事件划分) )|()()|()()(A B P A P A B P A P B P += n = 3的情形 )|()()|()()|()()(332211A B P A P A B P A P A B P A P B P ++=贝叶斯公式(已知事件B 发生后，求其由A i 所引起的概率),...2,1,)|()()|()()()()|(===∑i A B P A P A B P A P B P B A P B A P jj j i i i i事件的独立性 P (AB ) = P (A )P (B )；9．有限事件的两两独立与相互独立；伯努利概型及其概率计算；随机变量及其分布与数字特征1. 常用离散型概率分布两点分布(0-1分布) P { X = x 1 } = p , P { X = x 2 } = 1 – p (0 < p < 1) E (X ) = p , D (X ) = p (1 – p )二项分布 X ~ b (n , p ) n k p p C k X P k n k k n ,...,1,0,)1(}{=-==-E (X ) = np , D (X ) = np (1 – p )泊松分布 X ~ P (λ) ,...2,1,0,!}{===-k e k k X P k λλE (X ) = D (X ) = λ2. 二项分布的泊松近似100,10,!)1(><=≈---n np e k p p C kk n k kn λλλ 3. 随机变量的分布函数(1) 定义：F (x ) = P { X ≤ x };(2) 性质：a. 单调非减；b. F (-∞) = 0、F (+∞) = 1；c. 右连续；4. 常用连续型概率分布均匀分布 X ~ U (a , b )密度函数：b x a a b x f <<-=,1)(，分布函数：⎪⎪⎩⎪⎪⎨⎧≥<≤--<=bx b x a ab a x a x x F ,1,,0)( 2)(a b X E -=， 12)()(2a b X D -= 指数分布 X ~ e(λ)密度函数：0,)(>=-x ex f x λλ，分布函数：⎩⎨⎧>-=-其它,00,1)(x e x F x λ λ1)(=X E ， 21)(λ=X D正态分布 X ~ N (μ, σ2) μ=)(X E ， 2)(σ=X D标准正态分布 X ~ N (0, 1)，E (X ) = 0, D (X ) = 1；5. 随机变量函数 Y = f ( X ) 的分布离散型：列出分布律；连续型：（1）用概率的方法求出函数 Y 的分布函数后，再求其密度函数；（2）如果函数 Y = f (X ) 满足严格单调，则可使用公式直接求 Y 的密度函数：的反函数为其中)()(,|,)(|))(()(x f y y h y y h y h f y f X Y =<<'=βα6. 随机变量函数 Y = f ( X ) 的数学期望离散型：∑==ii i p x g X g E X E )()]([)(连续型：⎰+∞∞-==x x f x g X g E X E d )()()]([)( 7. 方差的计算D (X ) =E [ X – E (X ) ]2 = E (X 2) – [E (X )]28. 数学期望与方差的性质(E (X ), E (Y ), D (X ), D (Y )均存在)E (aX ± bY ) = aE (X ) ± bE (Y ) D (aX ± bY ) = a 2D (X ) + b 2D (Y )9. 中心极限定理定理3 设随机变量 X 1, X 2, …, X n , … 相互独立，服从同一分布，且 E (X i ) = μ, D (X i ) = σ2, ( i = 1, 2, …)，则)(lim 1x x n n X P n i i n Φ=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-∑=∞→σμ或),(~2n n N X X n i i σμ ∑= 即n 个随机变量的和的极限分布是正态分布。

概率论复习提纲

P91 例1,P114 第6(1)题；P94 例7；P96 例8； P99 例12;P115 第15题
二、方差
1. 方差的定义及计算 X的方差：
D( X ) Var( X ) E{[ X E( X )]2 }. 方差的计算：
D( X ) E( X 2 ) [E( X )]2.
二、方差
2. 方差的性质 (1) 设 C 是常数, 则有 D(C ) 0. (2) 设 X 是一个随机变量, C 是常数, 则有
一、随机变量的定义
设随机试验的样本空间S={e}. X=X(e)是定义在样本空间S上的实值函数，称X=X(e)为随机变量.
随机变量的2个特征: 1) 它的取值随试验结果而定 2) 它的取值有一定的概率
二、离散型随机变量
1.离散型随机变量的定义
其全部可能取到的值是有限多个或无限可列多个. 2.分布律
2.概率的性质：
(4) 对于任一事件 A, P( A) 1. (5) 设 A 是 A的对立事件, 则 P( A) 1 P( A).
(6) (加法公式) 对于任意两事件 A, B 有
P( A B) P( A) P(B) P( AB).
n 个事件和的情况
n
P( A1 A2 An ) P( Ai )
已知分布函数求概率 P{ x1 X x2 } F ( x2 ) F ( x1 )
P39 例1；P55 第2(1)题，P57 第17(2)题
三、连续型随机变量
1. 连续型随机变量的分布函数
x
F ( x ) P{ X x } f ( t )dt , x .
基本要求：
已知概率密度求分布函数
X ,Y 可能取的值是 xi , y j , i, j 1,2, ,

概率论与数理统计复习提纲

第一章随机事件及其概率一、随机事件及其运算1.样本空间、随机事件①样本点：随机试验的每一个可能结果，用表示；②样本空间：样本点的全集，用表示；注：样本空间不唯一.③随机事件：样本点的某个集合或样本空间的某个子集，用A,B,C,⋯表示；④必然事件就等于样本空间；不可能事件( )是不包含任何样本点的空集；⑤基本事件就是仅包含单个样本点的子集。

2.事件的四种关系①包含关系： A B，事件A发生必有事件B发生；②等价关系： A B，事件A发生必有事件B发生，且事件B发生必有事件A发生；③互不相容（互斥）：AB ，事件A与事件B一定不会同时发生。

④对立关系（互逆）：A，事件A发生事件A必不发生，反之也成立；AA 互逆满足AA注：互不相容和对立的关系（对立事件一定是互不相容事件，但互不相容事件不一定是对立事件。

）3.事件的三大运算①事件的并： A B，事件A与事件B至少有一个发生。

若AB ，则A B A B；②事件的交： A B或AB，事件A与事件B都发生；③事件的差： A-B，事件A发生且事件B不发生。

4.事件的运算规律①交换律： A B B A,AB BA②结合律：(A B) C A (B C),(A B) C A (B C)③分配律： A (B C) (A B) (A C),A (B C) (A B) (A C)n n④德摩根（DeMorgan）定律：二、随机事件的概率定义和性质A B AB,AB A BA i A i,对于n个事件，有i1i1n nA i A ii1 i11．公理化定义：设试验的样本空间为，对于任一随机事件A(A), 都有确定的实值P(A)，满足下列性质：(1)非负性：P(A)0; (2)规范性：P( )1;(3)有限可加性(概率加法公式)：对于k个互不相容事件A1,A2k k,Ak，有P( A i) P(A i).i 1i1则称P(A)为随机事件A的概率.2．概率的性质①P( )1,P()0 ②P(A) 1P(A)③若A B，则P(A) P(B),且P(B A) P(B)P(A)1④P(A B) P(A) P(B) P(AB)P(A B C) P(A) P(B)P(C) P(AB) P(BC) P(AC)P(ABC)注：性质的逆命题不一定成立的.如若P(A) P(B),则A B 。

《概率论与数理统计》复习资料要点总结

《概率论与数理统计》复习提要第一章随机事件与概率1．事件的关系φφ=Ω-⋃⊂AB A B A AB B A B A 2．运算规则（1）BAAB A B B A =⋃=⋃ （2）)()( )()(BC A C AB C B A C B A =⋃⋃=⋃⋃（3）))(()( )()()(C B C A C AB BC AC C B A ⋃⋃=⋃⋃=⋃（4）BA AB B A B A ⋃==⋃ 3．概率)(A P 满足的三条公理及性质：（1）1)(0≤≤A P （2）1)(=ΩP （3）对互不相容的事件n A A A ,,,21 ，有∑===nk kn k kA P A P 11)()( （n 可以取∞）（4）0)(=φP （5）)(1)(A P A P -=（6）)()()(AB P A P B A P -=-，若B A ⊂，则)()()(A P B P A B P -=-，)()(B P A P ≤（7）)()()()(AB P B P A P B A P -+=⋃（8）)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++=⋃⋃4．古典概型：基本事件有限且等可能5．几何概率6．条件概率（1）定义：若0)(>B P ，则)()()|(B P AB P B A P =（2）乘法公式：)|()()(B A P B P AB P =若n B B B ,,21为完备事件组，0)(>i B P ，则有（3）全概率公式：∑==ni iiB A P B P A P 1)|()()(（4）Bayes 公式：∑==ni iik k k B A P B P B A P B P A B P 1)|()()|()()|(7．事件的独立性：B A ,独立)()()(B P A P AB P =⇔（注意独立性的应用）第二章随机变量与概率分布1．离散随机变量：取有限或可列个值，i i p x X P ==)(满足（1）0≥i p ，（2）∑iip=1（3）对任意R D ⊂，∑∈=∈Dx i ii pD X P :)(2．连续随机变量：具有概率密度函数)(x f ，满足（1）1)(,0)(-=≥⎰+∞∞dx x f x f ；（2）⎰=≤≤badx x f b X a P )()(；（3）对任意R a ∈，0)(==a X P 3．几个常用随机变量名称与记号分布列或密度数学期望方差两点分布),1(p B p X P ==)1(，pq X P -===1)0(p pq 二项式分布),(p n B n k q p C k X P kn k k n ,2,1,0,)(===-，npnpqPoisson 分布)(λP,2,1,0,!)(===-k k e k X P kλλλλ几何分布)(p G,2,1 ,)(1===-k p qk X P k p 12p q 均匀分布),(b a U b x a a b x f ≤≤-= ,1)(，2b a +12)(2a b -指数分布)(λE 0,)(≥=-x e x f x λλλ121λ正态分布),(2σμN 222)(21)(σμσπ--=x ex f μ2σ4．分布函数)()(x X P x F ≤=，具有以下性质（1）1)( ,0)(=+∞=-∞F F ；（2）单调非降；（3）右连续；（4）)()()(a F b F b X a P -=≤<，特别)(1)(a F a X P -=>；（5）对离散随机变量，∑≤=xx i ii px F :)(；（6）对连续随机变量，⎰∞-=xdt t f x F )()(为连续函数，且在)(x f 连续点上，)()('x f x F =5．正态分布的概率计算以)(x Φ记标准正态分布)1,0(N 的分布函数，则有（1）5.0)0(=Φ；（2）)(1)(x x Φ-=-Φ；（3）若),(~2σμN X ，则()(σμ-Φ=x x F ；（4）以αu 记标准正态分布)1,0(N 的上侧α分位数，则)(1)(αααu u X P Φ-==>6．随机变量的函数)(X g Y =（1）离散时，求Y 的值，将相同的概率相加；（2）X 连续，)(x g 在X 的取值范围内严格单调，且有一阶连续导数，则|))((|))(()('11y g y g f y f X Y --=，若不单调，先求分布函数，再求导。