概率论-Ch01-090322

合集下载

概率论和数理统计知识总结之第一章

概率论和数理统计知识总结之第一章

第一章 概率论的基本概念确定性现象:在一定条件下必然发生的现象随机现象:在个别实验中其结果呈现出不确定性,在大量重复实验中其结果又具有统计规律性的现象随机实验:具有下述三个特点的实验:1.可以在相同的条件下重复地进行2.每次实验的可能结果不止一个,且能事先明确实验的所有可能结果3.进行一次实验之前不能确定哪一个结果会出现样本空间:将随机实验E 的所有可能出现的结果组成的集合称为E 的样本空间,记为S 样本点:样本空间的元素,即E 的每个结果,称为样本点 样本空间的元素是由实验的目的所确定的。

随机事件:一般,我们称实验E 的样本空间S 的子集为E 的随机事件,简称事件在每次实验中,当且仅当这一子集中的一个样本点出现时,称这一事件发生。

基本事件:由一个样本点组成的单点集,称为基本事件。

必然事件:样本空间S 包含所有的样本点,它是S 自身的子集,在每次实验中它总是发生的,称为必然事件。

不可能事件:空集Φ不包含任何样本点,它也作为样本空间的子集,在每次实验中,称为不可能事件。

事件间的关系与运算:设实验E 的样本空间为S ,而A,B,k A (k=1,2,…)是S 的子集。

1.若B A ⊂,则称事件B 包含事件A ,这指的是事件A 发生必然导致事件B 发生。

若B A ⊂且A B ⊂,即A=B ,则称事件A 与事件B 相等。

2.事件{x B A =⋃|A x ∈或}B x ∈称为事件A 与事件B 的和事件。

当且仅当A,B 中至少有一个发生时,事件B A ⋃发生。

类似地,称nk U 1=k A 为事件,,21A A …n A ,的和事件;称k k A U ∞=1为可列个事件,,21A A …的和事件。

3.事件B A ⋂=x {|A x ∈且}B x ∈称为事件A 与事件B 的积事件。

当且仅当A,B同时发生时,事件B A ⋂发生。

B A ⋂记作AB 。

类似地,称I nk k A 1=为n 个事件,,21A A …n A ,的积事件;称I ∞=1k k A 为可列个事件,,21A A …的积事件。

概率论与数理统计-大学课件-ch1.1

概率论与数理统计-大学课件-ch1.1

随机试验
研究随机现象,首先要对研究对象进行观察试验. 这里的试验,指的是随机试验:.
如果每次试验的可能结果不止一个,且事先不能肯定 会出现哪一个结果,这样的试验称为随机试验.
例如, 掷寿硬命币试试验验 测命掷试. 一在枚掷同硬一一币颗工,骰艺观子掷条察,骰件出观子下正察试生还出验产是现出反的的.点灯数泡的寿
.
A B

AB
在可列无穷的场合,用 表示事件“A1、A2 、 …诸事件
同时发生。”
事件A发生但事件B不发生, 称为事件A与B的差事件。

A B
A B

显然:
AB
数理学院
SCHOOL OF MATHEMATICS AND PHYSICS
则称A和B是互不相容的或互斥的,
指事件A与B不可能同时发生。 基本事件是两两互不相容的。
H
T
随机试验的特点
数理学院
SCHOOL OF MATHEMATICS AND PHYSICS
试验可以在相同条件重复进行;
试验的可能结果不只有一个, 但试验的全部可能结果,是在试验前就明确的;
每次试验的结果是不可预知的.
数理学院
SCHOOL OF MATHEMATICS AND PHYSICS
样本空间与事件
数理学院
SCHOOL OF MATHEMATICS AND PHYSICS
表示事件A与事件B同时发生, 称为事件A与事件B
的积(交)事件,记为AB。积事件AB是由A与B的公共样本
点所构成的集合。
n个事件A1 , A2 , … , An 的积
记为A1 ∩ A2 ∩ … ∩ An ,
或A1A2 … An ,也可简记为

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ch1

概率论与数理统计ch1

§1.3条件概率、全概公式和贝叶斯公式一 .条件概率和乘法公式已知大事A发生,大事B发生的可能性多大?这就是条件概率,记作P(3∣A).例 1 一个家庭有两个小孩,假定男、女诞生率一样,令〃={这两个小孩一男一女}, A={两个小孩中至少有一女孩}.则两个孩子依大小排列的性别为(男,男),(男,女),(女,男),(女,女)的可能性是一样的.也就是说Ω={(男,男),(男,女),(女,男),(女,女)}基本领件总数〃=4, 5的有利基本领件数〃户2,所以P(B)=2∕4=1∕2但若已知A发生了,即至少有一女孩,则考虑b发生的概率时,样本空间就缩减为Q={(男,女),(女,男),(女,女)},总数〃4=3,而有利基本领件(至少有一女孩,且有一男一女)数∕us=2,从而P{B∖A) = r^- = -n A 3这里P(B∣A)≠P(因,说明预知4发生这个信息起了作用.儿 AB n AB∣n Pl”)--------- = -------- = ,所以ΠA∏A'N P(A)尸(例A)="殁P(A)定义设4 3为试验£的两个随机大事,且P(4>0,则称此外,P(B | A)=P(AB) P(A)为大事力发生的条件下,大事8发生的条件概率.将上式变形得P(AB)=P(A P(B∖A)称上式为概率的乘法公式.乘法公式可以推广到〃个大事4, A2,…,4的场合.即P(Aι Ai …A H)=P(A I )P(A I∣A1)P(A3∣ Ai Ai)∙∙∙P(Aπ∣A∖ Ai ♦・・A∏-∖)条件概率的性质:例2・已知p(A) = ;,P(β) = i^ P(A月)=;求:P(A∖B)9 P(B IA)例3.某零件寿命超过1年的概率为0.99,超过2年的概率为0.9,求已经使用1年后还能使用1年的概率。

二.全概公式和贝叶斯公式互斥完备大事组:设4, 4,…是随机试验£■下的一组大事,假如满意(D 0A=Ω/=1(2) A i ArΦ (f≠/ 4 j=k 2,…)(完备性)(互斥性)则称4, A 29…为互斥完备大事组.或称4, 4,…构成样本空间Q 的一个划分.明显,若大事组Ai, 42,…是。

(完整版)大学概率论与数理统计公式全集

(完整版)大学概率论与数理统计公式全集

大学概率论与数理统计公式全集一、随机事件和概率1、随机事件及其概率2、概率的定义及其计算二、随机变量及其分布1、分布函数性质FbF(aba<≤=P-X)(b()()bFX()P=≤)2、离散型随机变量3、连续型随机变量三、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 ),()(∑∑======⋅iiijjij 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 jij 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:⎰⎰∞-+∞∞-=xX dvdu v u f x F ),()( 边缘密度函数:⎰+∞∞-=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=XYρ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 Cov Y X Cov =(2)),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+ ),(),(Y X abCov d bY c aX Cov =++8、常见数学分布的期望和方差五、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 n 11)(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:)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 np P )(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 X a P nk knk k -Φ--Φ≈-≤-≤-=≤≤∑∑==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 n X 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。

概率论基础:入门知识点

概率论基础:入门知识点

概率论基础:入门知识点概率论是数学中的一个重要分支,研究随机事件发生的规律和概率计算的方法。

它在各个领域都有广泛的应用,如统计学、金融、工程等。

本文将介绍概率论的入门知识点,帮助读者了解概率论的基本概念和计算方法。

一、随机事件和样本空间在概率论中,我们将可能发生的事件称为随机事件。

样本空间是指所有可能的结果组成的集合。

例如,掷一枚硬币的结果可以是正面或反面,那么样本空间就是{正面,反面}。

样本空间通常用Ω表示。

二、事件的概率事件的概率是指事件发生的可能性大小。

概率的取值范围是0到1之间,其中0表示不可能发生,1表示一定发生。

概率可以通过实验或理论计算得到。

三、事件的运算1. 事件的和:事件A和事件B的和是指事件A或事件B发生的情况。

用符号表示为A∪B。

2. 事件的积:事件A和事件B的积是指事件A和事件B同时发生的情况。

用符号表示为A∩B。

3. 事件的差:事件A和事件B的差是指事件A发生而事件B不发生的情况。

用符号表示为A-B。

四、概率的计算方法1. 古典概型:当样本空间中的每个结果发生的可能性相等时,可以使用古典概型计算概率。

例如,掷一枚均匀的骰子,每个面的概率都是1/6。

2. 频率概率:通过实验的频率来估计概率。

例如,掷一枚硬币100次,正面朝上的频率为60次,那么正面朝上的概率为0.6。

3. 几何概率:通过几何方法计算概率。

例如,从一个圆盘上随机选择一个点,落在某个区域的概率等于该区域的面积与圆盘的面积之比。

4. 条件概率:指在已知某个事件发生的条件下,另一个事件发生的概率。

用符号表示为P(A|B),读作“在B发生的条件下A发生的概率”。

五、概率的性质1. 非负性:概率的取值范围是0到1之间。

2. 规范性:样本空间的概率为1,即P(Ω)=1。

3. 加法性:对于互斥事件A和B,有P(A∪B)=P(A)+P(B)。

4. 减法性:对于事件A和事件B,有P(A-B)=P(A)-P(A∩B)。

5. 乘法性:对于独立事件A和B,有P(A∩B)=P(A)×P(B)。

大学概率与统计课件

大学概率与统计课件
A B A (B A) B ( A B)
A B A AB A B B AB
A B C A(B C) A B C
28
例1.1 设A,B,C为3个事件,用A,B,C的运算式表示下列事件:
(1) A发生而B与C都不发生: ABC 或 A B C 或 A (B C).
结果有可能出现正面也可能出现反面.
5
实例2 用同一门炮向同 一目标发射同一种炮弹多 发 , 观察弹落点的情况. 结果: 弹落点会各不相同.
实例3 抛掷一枚骰子,观 察出现的点数.
结果有可能为:
1, 2, 3, 4, 5 或 6.
6
实例4 从一批含有正品 和次品的产品中任意抽取 一个产品.
实例5 过马路交叉口时, 可能遇上各种颜色的交通 指挥灯.
个发生 A∪B
AB
AB
将事件 A的基本事件和 B的基本事件合在一起组成的 一个新事件,称为 A 和B 的和事件,记为A B ,可 读成 A并 B或 A加B.有时也可记为 A B .
实例 某种产品的合格与否是由该产品的长度与直径
是否合格所决定,因此 C=“产品不合格”是A=“长度
不合格”与B=“直径不合格”的并,即 C A B
其结果可能为: 正品 、次品.
7
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.
8
说明 随机现象在一次观察中出现什么结果具有偶然 性, 但在大量试验或观察中, 这种结果的出现具有 一定的统计规律性 , 概率论就是研究随机现象规 律性的一门数学学科. 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?

考研数学《概率论与数理统计》知识点总结[免费专享]

考研数学《概率论与数理统计》知识点总结[免费专享]

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.AB=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 ),kn k k 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 ab 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 l l 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)(ex p[21)(22σμσπ--=x x f ;t t x F xd ]2)(ex p[21)(22⎰∞---=σμσπ.性质: 1.f (x )关于x =μ对称,且P {μ-h <X ≤μ}=P {μ<X ≤μ+h };2.有最大值f (μ)=(σπ2)-1. 标准正态分布:]2exp[21)(2x x -=πϕ;⎰∞--=Φxt t x d ]2ex p[21)(2π.即μ=0,σ=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.3σ法则: P =Φ(1)-Φ(-1)=68.26%;P =Φ(2)-Φ(-2)=95.44%;P =Φ(3)-Φ(-3)=99.74%,P 多落在(μ-3σ,μ+3σ)内. 上ɑ分位点: 对X~N(0,1),若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 Yh (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 |σ)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,σ12,σ22,ρ)]2)(exp[21)(21211σμσπ--=x x f X ,∞<<∞-x .]2)(exp[21)(22222σμσπ--=y y f Y ,∞<<∞-y . 离散型条件分布律: jij j j i j i p p y Y P y Y x X P y Y x X P *=======}{},{}{. *=======i ij i j i i j p p x X P y Y x X P x X y Y P }{},{}{.连续型条件分布:条件概率密度:)(),()(y f y x f y x f Y Y X =|| 条件分布函数:x y f y x f y Y x X P y x F xY Y X d )(),(}{)(⎰∞-==≤=||| )(),()(x f y x f x y f X X Y =|| y x f y x f x X y Y P x y F yX X Y d )(),(}{)(⎰∞-==≤=||| 含义:当0→ε时,)|(d )|(}|{||y x F x y x f y Y y x X P Y X xY X =≈+≤<≤⎰∞-ε.均匀分布: 若⎪⎩⎪⎨⎧∈=其他,0),(,1),(Gy x Ay x f ,则称(X ,Y)在G 上服从均匀分布. 独立定义: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,σ12),记Y ~N (μ2,σ22),则对Z=X+Y 有Z ~N (μ1+μ2,σ12+σ22).1.上述结论可推广至n 个独立正态随机变量.2.有限个独立正态随机变量的线性组合仍服从正态分布.伽马分布:记),(~θαΓX ,0>α,0>θ.⎪⎩⎪⎨⎧>Γ=--其他,,00)(1)(1x e x x f x θαααθ,其中⎰+∞--=Γ01d )(t e t t αα.若X 和Y 独立且X ~Γ(α,θ),记Y ~Γ(β,θ),则有X+Y~Γ(α+β,θ).可推广到n 个独立Γ分布变量之和.X YZ =:⎰∞∞-=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: ⎰∞∞-=xxzx f x z f XY d ),(1)(,若X 和Y 相互独立,则有⎰∞∞-=x x z 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σ(X ),σ(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.)(x D|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:⎪⎪⎪⎪⎪⎭⎫⎝⎛=nnnnnnccccccccc212222111211C,),Cov(jiijXXc==E{[X i-E(X i)][X j-E(X j)]}.k+l阶混合矩:E(X k Y l ).k阶中心矩:E{[X-E(X)] k }.k+l阶混合中心矩:E{[X-E(X)]k[Y-E(Y)]l}.n维正态分布:)}()(21ex p{det)2(1),,,(1T221μXCμXC---=-nnxxxfπ,T21T21),,,(),,,(nnxxxμμμ==μX.性质:1.n维正态随机变量(X1,X2,…,X n)的每一个分量X i (i=1,2,…,n)都是正态随机变量,反之,亦成立.2.n维随机变量(X1,X2,…,X n)服从n维正态分布的充要条件是X1,X2,…,X n的任意线性组合l1X1+l2X2+…+l n X n服从一维正态分布(其中l1,l2,…,l n不全为零).3.若(X1,X2,…,X n)服从n维正态分布,且Y1,Y2,…,Y k是X j (j=1,2,…,n)的线性函数,则(Y1,Y2,…,Y k)也服从多维正态分布.4.若(X1,X2,…,X n)服从n维正态分布,则“X i 相互独立”与“X i 两两不相关”等价.第五章大数定律及中心极限定理弱大数定理:若X1,X2,…是相互独立并服从同一分布的随机变量序列,且E(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(Xk)=μ,D(Xk)=σ2 >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)=σk2 >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.~ 近似的箱线图:x p 选择: 记⎪⎩⎪⎨⎧∈+∉=++N np x x N np x x np np np p 当,当,][211)()()1]([. 分位数x 0.5,记为Q 2或M ,称为样本中位数.分位数x 0.25,记为Q 1,称为第一四分位数. 分位数x 0.75,记为Q 3,称为第三四分位数.图形:图形特点:M 为数据中心,区间[min ,Q 1],[Q 1,M ],[M ,Q 3],[Q 3,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 =Q 3-Q 1;若数据X<Q 1-1.5IQR 或X>Q 3+1.5IQR ,就认为X 是疑似异常值.抽样分布:样本平均值: i ni X n X 11=∑=样本方差: )(11)(11221212X n X n X X n S i n i i n i -∑-=-∑-=== 样本标准差: 2S S =样本k 阶(原点)矩: k i n i k X n A 11=∑=,k ≥1样本k 阶中心矩: k i n i k X X n B )(11-∑==,k ≥2 经验分布函数: )(1)(x S nx F n =,∞<<∞-x . )(x S 表示F 的一个样本X 1,X 2,…,X n 中不大于x 的随机变量的个数.自由度为n 的χ2分布:记χ2~χ2(n ),222212n X X X +++= χ,其中X 1,X 2,…,X n 是来自总体N (0,1)的样本.E (χ2 )=n ,D (χ2)=2n . χ12+χ22~χ2(n 1+n 2). ⎪⎩⎪⎨⎧>Γ=--其他,,00)2(21)(2122y e x n y f y n n .χ2分布的分位点:对于0<α<1,满足αχχαχα==>⎰∞y y f n P n )(222d )()}({,则称)(2n αχ为)(2n χ的上α分位点. 当n 充分大时(n >40),22)12(21)(-+≈n z n ααχ,其中αz 是标准正态分布的上α分位点. 自由度为n的t 分布: 记t ~t (n ),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,σ2)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,σ2)的样本,样本均值和样本方差分别记为 X ,2S ,则有1.)1(~)1(222--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,σ2)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,σ12)和N (μ2,σ22)的样本,且相互独立.设这两个样本的样本均值和样本方差分别记为X ,Y ,21S ,22S ,则有1.)1,1(~2122212221--n n F S S σσ.min Q 1 M Q 3 max2.当σ12=σ22=σ2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σ2都存在,则有X A ==1ˆμ,212212122)(11ˆX X n X X n A A i n i i n i -∑=-∑=-===σ. 最大似然估计法: 似然函数:离散:);()(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 et t F -=>}{,则)(}){()(1i mi mn m mnt 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),,,(ˆ21nX 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,σ2)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μσ2已知)1,0(~N nX Z σμ-=)(2ασz nX ±ασμz nX +=,ασμz nX -=μσ2未知 )1(~--=n t nS X t μ⎪⎭⎫ ⎝⎛±2αt n S X αμt n S X +=,αμt nSX -= σ2μ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-μ2σ12,σ22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-μ2σ12=σ22=σ2 未知)2(~)()(21121121-++---=--n n t n n S Y X t w μμ2)1()1(212222112-+-+-=n n Sn S n S w()12112--+±-nn S tY X wα2w w S S =121121121121----+--=-++-=-n n S t Y X n n S t Y X w w ααμμμμσ12/σ22μ1,μ2未知)1,1(~2122212221--=n n F S S F σσ⎪⎪⎭⎫ ⎝⎛-212221222211,1ααF S S F S S ασσ-=1222122211F S S ,ασσF S S 122212221=单个总体X ~N (μ,σ2),两个总体X ~N (μ1,σ12),Y ~N (μ2,σ22).第八章 假设实验定义: H 0:原假设或零假设,为理想结果假设;H 1:备择假设,原假设被拒绝后可供选择的假设. 第Ⅰ类错误:H 0实际为真时,却拒绝H 0.第Ⅱ类错误:H 0实际为假时,却接受H 0.显著性检验:只对犯第第Ⅰ类错误的概率加以控制,而不考虑第Ⅱ类错误的概率的检验.P {当H 0为真拒绝H 0}≤α,α称为显著水平.拒绝域:取值拒绝H 0.临界点:拒绝域边界.双边假设检验:H 0:θ=θ0,H 1:θ≠θ0.右边检验:H 0:θ≤θ0,H 1:θ>θ0.左边检验:H 0:θ≥θ0,H 1:θ<θ0.正态总体均值、方差的检验法(显著性水平为α)原假设H 0备择假设H 1检验统计量拒绝域 1 σ2已知μ≤μ0 μ>μ0 nX Z σμ0-=z ≥z α μ≥μ0μ<μ0z ≤-z αμ=μ0μ≠μ0|z|≥zα/22 σ2未知μ≤μ0μ>μ0nSXt0μ-=t≥tα(n-1) μ≥μ0μ<μ0t≤-tα(n-1) μ=μ0μ≠μ0|t|≥tα/2(n-1)3 σ1,σ2已知μ1-μ2≤δμ1-μ2>δ222121nnYXZσσδ+--=z≥zαμ1-μ2≥δμ1-μ2<δz≤-zαμ1-μ2=δμ1-μ2≠δ|z|≥zα/24 σ12=σ22=σ2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σ2≤σ02σ2>σ02222)1(σχSn-=χ2≥χα2(n-1)σ2≥σ02σ2<σ02χ2≤χ21-α(n-1)σ2=σ02σ2≠σ02χ2≥χ2α/2(n-1)或χ2≤χ21-α/2(n-1)6 μ1,μ2未知σ12≤σ22σ12>σ222221SSF=F≥Fα(n1-1,n2-1) σ12≥σ22σ12<σ22F≤F1-α(n1-1,n2-1)σ12=σ22σ12≠σ22F≥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.。

概率论与数理统计—第一章概率论的基本概念

概率论与数理统计—第一章概率论的基本概念

例如在E 4中,如果用A 表示事件“掷出奇点数”,那么A 是一个随机事件.由于在一次投掷中,当且仅当掷出的点数是1,3,5中的任何一个时才称事件A 发生了,所以我们把事件A 表示为{}1,3,5=A 。

同样地,若用B 表示事件“掷出偶点数",那么B 也是一个随机事件,{}2,4,6B =。

对于一个试验E ,在每次试验中必然发生的事件,称为E 的必然事件;在每次试验中都不发生的事件,称为E 的不可能事件.例如在3E 中,“掷出的点数不超过6"就是必然事件,用集合表示这一事件就是3E 的样本空间{}31,2,3,4,5,6S =。

而事件“掷出的点数大于6"是不可能事件,这个事件不包括3E 的任何一个可能结果,所以用空集φ表示。

对于一个试验E ,它的样本空间S 是E 的必然事件;空集φ是不可能事件。

必然事件与不可能事件虽已无随机性可言,但在概率论中,常把它们当作两个特殊的随机事件,这样做是为了数学处理上的方便。

(三)事件间的关系与运算因为事件是一个集合,因而事件间的关系和运算是按集合间的关系和运算来处理的.下面给出这些关系和运算在概率中的提法。

并根据“事件发生"的含义,给出它们在概率中的含义。

设试验E 的样本空间为S ,而),2,1(,, =k A B A k 是S 的子集。

1°事件的包含与相等 事件“若事件A 发生必然导致事件B 发生”称事件B 包含事件A ,记为A B ⊃或者B A ⊂。

若B A ⊂且A B ⊂,则称事件A 与事件B 相等,记B A =.2°事件的和 事件“A 与B 至少有一个发生”称为事件A 与事件B 的和,记为B A .事件B A 发生意味着:或事件A 发生,或事件B 发生,或事件A 与事件B 都发生。

事件的和可以推广到多个事件的情景。

设有n 个事件n A A A ,,,21 ,定义它们的和事件{n A A A ,,,21 中至少有一个发生}为k nk A 1= 。

概率论与数理统计第一章01 第一节 随机事件

概率论与数理统计第一章01 第一节 随机事件

第一章 随机事件及其概率概率论与数理统计是从数量化的角度来研究现实世界中一类不确定现象(随机现象)规律性的一门应用数学学科,20世纪以来,广泛应用于工业、国防、国民经济及工程技术等各个领域. 本章介绍的随机事件与概率是概率论中最基本、最重要的概念之一.第一节 随机事件教学目的 理解随机事件的概念,了解样本空间的概念,掌握事件之间的关系与运算 教学重点 事件之间的关系与运算教学难点 事件之间的关系与运算 教学内容一、随机现象在自然界和人类社会生活中普遍存在着两类现象:一类是在一定条件下必然出现的现象,称为确定性现象。

例如:(1)一物体从高度为h (米)处垂直下落,则经过t (秒)后必然落到地面,且当高度h 一定时,可由公式221gt h =得到,g h t /2=(秒)。

(2)设有一块长方形的金属板,若在其边界上持续施加确定的温度,产生确定的温度分布。

(3)异性电荷相互吸引,同性电荷相互排斥。

…另一类则是在一定条件下我们事先无法准确预知其结果的现象,称为随机现象。

例如:(1)在相同条件下抛掷同一枚硬币,我们无法事先预知将出现正面还是反面。

(2)在相同的条件下抛掷同一枚骰子,我们无法事先预知六面中哪一面朝上。

(3)将来某日某种股票的价格是多少。

…从亚里士多德时代开始,哲学家们就已经认识到随机性在生活中的作用,但直到20世纪初,人们才认识到随机现象亦可以通过数量化方法来进行研究。

概率论就是以数量化方法来研究随机现象及其规律性的一门数学学科。

二、 随机试验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,就需要对随机现象进行重复观察, 我们把对随机现象的观察称为随机试验,并简称为试验,记为E 。

例如,观察某射手对固定目标进行射击; 抛一枚硬币三次,观察出现正面的次数;记录某市120急救电话一昼夜接到的呼叫次数等均为随机试验。

随机试验具有下列特点:1.可重复性;试验可以在相同的条件下重复进行;2.可观察性;试验结果可观察,所有可能的结果是明确的; 3.不确定性: 每次试验出现的结果事先不能准确预知。

概率论与数理统计各章重点知识整理

概率论与数理统计各章重点知识整理

概率论与数理统计各章重点知识整理 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,当P(A)>0, P(B i )>0时,.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) .2.三个事件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()()()()kki i 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 k k 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)(x x 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 e x 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(z α)=1-α , z 1- α= -z α. 四.随机变量X 的函数Y= g (X)的分布 1.离散型随机变量的函数若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)=⎰⎰∞-∞-y xdudv 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)(=⎰∞∞-dy y 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 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),}{},{jji j j i p p y Y P y Y x X P ∙=====,}{},{∙=====i j i i j i p p x X P y Y x X P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 2 D(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 pn p (1- p)3.X~ π(λ) λ λ4.X~ U(a,b) (a+b)/2 (b-a) 2/125.X 服从参数为θ的指数分布 θ θ26.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 X X 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∑-==ni k i k X X n B 1)(1( k=1,2,…)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 n1X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2 Y S 22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 ,…,X n 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∧∧∧k θθθ,,,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. 二.区间估计1.求参数θ的置信水平为1-α的双侧置信区间的步骤(1)寻找样本函数W=W(X 1 ,X 2 ,…,X n ,θ),其中只有一个待估参数θ未知,且其分布完全确定. (2)利用双侧α分位点找出W 的区间(a,b),使P{a<W <b}=1-α.(3)由不等式a<W<b 解出θθθ<<则区间(θθ,)为所求. 2.单个正态总体待估参数 其它参数 W 及其分布 置信区间μ σ2已知nX σμ-~N (0,1) (2/ασz n X ±) μ σ2未知 nS X μ-~ t (n-1) )1((2/-±n t n S X α σ2 μ未知 22)1(σS n -~ χ2(n-1) ))1()1(,)1()1((22/1222/2-----n Sn n S n ααχχ 3.两个正态总体 (1)均值差μ 1-μ 2其它参数 W 及其分布 置信区间已知2221,σσ22212121)(n n Y X σσμμ+--- ~ N(0,1) )(2221212n n z Y X σσα+±-未知22221σσσ== 212111)(n n S Y X w+---μμ~t(n 1+n 2-2) )11)2((21212n n S n n t Y X w +-+±-α其中S w 等符号的意义见第六章二. 3 (2)③.(2) μ 1,μ 2未知, W=22212221σσS S ~ F(n 1-1,n 2-1),方差比σ12/σ22的置信区间为))1,1(1,)1,1(1(212/12221212/2221----⋅-n n F S S n n F S S αα注意:对于单侧置信区间,只需将以上所列的双侧置信区间中的上(下)限中的下标α/2改为α,另外的下(上)限取为-∞ (∞)即可.。

概率论与数理统计基本概念

概率论与数理统计基本概念

伯努利试验
伯努利试验是一种具有两个可能结 果的随机试验,其中成功的概率为 p,失败的概率为q=1-p。
二项分布
二项分布是描述在n次伯努利试验中 成功的次数的离散概率分布,记为 B(n,p)。
连续随机变量及其分布
01
02
03
连续随机变量
连续随机变量是在不可数 样本空间上的随机变量, 其取值是连续的。
条件概率与独立性
条件概率
01
在事件B发生的条件下,事件A发生的概率,记为
$P(A|B)$。
独立性
02
两个事件A和B独立时,有$P(A cap B) = P(A) times
P(B)$。
全概率公式
03
对于任意事件A,有$P(A) = sum_{i=1}^{n} P(B_i)
times P(A|B_i)$,其中$B_i$是两两互斥的事件。
02
随机变量及其分布
随机变量的定义
01
随机变量
在概率论中,随机变量是一个定 义在样本空间上的变量,其取值 具有随机性。
02
03
确定性事件
随机事件
在概率论中,确定性事件是指概 率等于1的事件。
在概率论中,随机事件是指概率 介于0和1之间的事件。
离散随机变量及其分布
离散随机变量
离散随机变量是在可数样本空间 上的随机变量,其取值是离散的。
区间估计
根据样本数据推断总体参数的可能取值范围,如置信 区间、预测区间等。
贝叶斯估计
基于先验信息和样本数据,对总体参数进行概率性推 断。
假设检验
01
假设设立
根据研究目的设立原假设和备择假 设。
p值
根据检验统计量计算p值,用于评估 证据的强度。

概率论与数理统计书

概率论与数理统计书
A
A
在例2中,如果A={1,3,5},
则 A 2, 4, 6
16
事件的差 :在试验中,事件A发生而事 件B不发生的事件称为事件A与事件B的 差。记为A-B。
结论: A B AB。
A
B
A-B
在例3中,A-B={2,7,a,c}
17
事件的相容性
定义:在一次试验中,若事件A、B不能同时 发生,则称事件A、B为互不相容,记为: A·B=Ф 。否则称两事件相容。 结论:从基本事件说,互不相容事件没有公 有的基本事件。显然,在一次试验中,两个 基本事件不能同时发生,所以任何两个基本 事件都是互不相容事件。
mA
P82

P( A)
P82 P120
这显然是抽签的公平性, P(B) 2 10
或者: P( B)
P81P21 P22 P12 0
P(C) 1 (考虑样本空间的改变
9)
44
问题(3)也可考虑:
设A1:“第一次取到次品” A2:“第一次取到次品”
P( A2
A1)
P( A1 A2 ) P( A1)
18
事件的运算律 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·C)∪(B·C) 德摩根公式: A B A B
AB AB
19
例4、在一个口袋里装有红、黄、白三种球, 每种球都不止一个,一次任取两个球,观察 它们的颜色。设A={两个同色球},B={至少 一个红色球},问A∪B由哪些基本事件组成?
8
1.2 .2 随机事件 随机事件: 某些基本事件组成的集合。 又称为复合事件。 比如,例2中的点数不超过3点的集合。

吉林省考研数学复习资料概率论重点知识点整理

吉林省考研数学复习资料概率论重点知识点整理

吉林省考研数学复习资料概率论重点知识点整理一、基础概念概率论是数学中的一个重要分支,主要研究随机现象的规律性和数学模型。

在考研数学中,概率论占据了非常重要的位置。

下面将整理一些概率论中的重点知识点供大家复习使用。

二、概率的基本定义与性质1. 事件与样本空间:在概率论中,我们将随机试验的所有可能结果组成的集合称为样本空间,用Ω表示;样本空间中的元素称为样本点。

事件是样本空间的子集,表示对某个或某些样本点的描述。

2. 古典概型与几何概型:当样本空间Ω = {ω₁, ω₂, ..., ωₙ}中的样本点等可能发生时,称为古典概型;当样本空间Ω可以用几何图形表示时,称为几何概型。

3. 概率的定义及其性质- 古典概率:当古典概型的样本空间Ω = {ω₁, ω₂, ..., ωₙ}中的样本点等可能发生时,事件A的概率定义为P(A) = n(A) / n(Ω),其中n(A)表示事件A包含的样本点个数,n(Ω)表示样本空间Ω中样本点的个数。

- 几何概率:当试验的样本空间可以用几何图形表示,并且各个样本点等可能时,事件A的概率定义为P(A) = S(A) / S(Ω),其中S(A)表示事件A所对应的几何图形的面积,S(Ω)表示整个样本空间的面积。

- 概率的性质:非负性、规范性、可列可加性、有限可加性和对立事件概率的性质。

三、条件概率与独立性1. 条件概率:事件A在事件B发生的条件下的发生概率,记作P(A|B)。

条件概率的计算公式为P(A|B) = P(A∩B) / P(B),其中P(A∩B)表示事件A与事件B共同发生的概率,P(B)表示事件B的概率。

2. 乘法公式与全概率公式:乘法公式用于计算事件A与事件B同时发生的概率,即P(A∩B) = P(A|B) * P(B) = P(B|A) * P(A);全概率公式是计算事件A的概率时,将样本空间分解成若干互不相容的事件,并利用条件概率求解。

3. 独立事件与条件独立事件:如果两个事件A和B的联合概率等于事件A的概率与事件B的概率的乘积,即P(A∩B) = P(A) * P(B),则称事件A和事件B是相互独立的;条件独立事件是指在事件C的条件下,事件A和事件B是相互独立的。

大一数学概率论知识点

大一数学概率论知识点

大一数学概率论知识点概率论是数学的一个重要分支,研究随机试验结果发生的规律性和不确定性。

在大一数学中,概率论通常是作为一门专业课或选修课来学习的,下面是大一数学概率论的一些重要知识点。

一、随机实验与随机事件随机实验是指在相同条件下可以重复进行的试验,试验结果不确定。

每次实验的结果称为样本点,样本点的全体称为样本空间。

样本空间的子集称为事件,事件的发生与否是确定的。

二、概率的定义和性质1.经典概型:在样本空间中,每个样本点发生的可能性相同,称为经典概型。

对于经典概型,事件A的概率P(A)的计算公式为P(A)=n(A)/n(S),其中n(A)表示事件A中样本点的个数,n(S)表示样本空间中样本点的个数。

2.事件发生的可能性大小的度量称为概率。

概率的定义有三个公理:a)非负性公理:对于任意事件A,P(A)≥0;b)规范性公理:样本空间中的事件的概率为1,即P(S)=1;c)可加性公理:对于任意两个互斥事件A和B,有P(A∪B)=P(A)+P(B)。

互斥事件指的是事件A和事件B不可能同时发生。

3.若A和B是两个事件,有以下几个概率的性质:a)互补性:P(A')=1-P(A),其中A'表示事件A的补事件;b)子事件性:若A包含B,则P(A)≥P(B);c)加法性:对于任意两个事件A和B,有P(A∪B)=P(A)+P(B)-P(A∩B)。

其扩展形式为P(A1∪A2∪...∪An)=Σ[P(Ai)]-Σ[P(Ai∩Aj)]+...+(-1)^(n-1)P(A1∩A2∩...∩An)。

三、条件概率条件概率指的是在给定事件B发生的条件下,事件A发生的概率,记作P(A,B)。

条件概率的计算公式为P(A,B)=P(A∩B)/P(B)。

其中,P(A∩B)表示A和B同时发生的概率,P(B)表示事件B发生的概率。

四、独立事件若事件A和事件B相互独立,则事件A的发生与否不会对事件B的发生产生影响,即P(A,B)=P(A)以及P(B,A)=P(B)。

概率论总结

概率论总结

概率论与数理统计第一章学习总结本章介绍了随机事件及其概率,可以将其分为四个部分。

第一部分:1.、将一切具有下面三个特点:(1)可重复性(2)多结果性(3)不确定性的试验或观察称为随机试验,简称为试验,常用E表示。

在一次试验中,可能出现也可能不出现的事情(结果)称为随机事件,简称为事件。

不可能事件:在试验中不可能出现的事情,记为Ф。

必然事件:在试验中必然出现的事情,记为S或Ω。

2、我们把随机试验的每个基本结果称为样本点,记作e 或ω. 全体样本点的集合称为样本空间. 样本空间用S或Ω表示.一个随机事件就是样本空间的一个子集。

基本事件—单点集,复合事件—多点集一个随机事件发生,当且仅当该事件所包含的一个样本点出现。

事件间的关系及运算,就是集合间的关系和运算。

3、定义:事件的包含与相等若事件A发生必然导致事件B发生,则称B包含A,记为B⊃A或A⊂B。

若A⊂B且A⊃B则称事件A与事件B相等,记为A=B。

定义:和事件“事件A与事件B至少有一个发生”是一事件,称此事件为事件A与事件B的和事件。

记为A∪B。

用集合表示为: A∪B={e|e∈A,或e∈B}。

定义:积事件称事件“事件A与事件B都发生”为A与B的积事件,记为A∩B或AB,用集合表示为AB={e|e∈A且e∈B}。

定义:差事件称“事件A发生而事件B不发生,这一事件为事件A与事件B的差事件,记为A-B,用集合表示为A-B={e|e∈A,e∉B} 。

定义:互不相容事件或互斥事件如果A,B两事件不能同时发生,即AB=Φ ,则称事件A与事件B是互不相容事件或互斥事件。

定义:逆事件/对立事件称事件“A不发生”为事件A的逆事件,记为Ā 。

A与Ā满足:A∪Ā= S,且AĀ=Φ。

运算律:设A ,B ,C 为事件,则有(1)交换律:A ∪B=B ∪A ,AB=BA(2)结合律:A ∪(B ∪C)=(A ∪B)∪C=A ∪B ∪CA(BC)=(AB)C=ABC(3)分配律:A ∪(B∩C)=(A ∪B)∩(A ∪C)A(B ∪C)=(A∩B)∪(A∩C)= AB ∪AC(4)对偶律:第二部分:设试验E 是古典概型, 其样本空间S 由n 个样本点组成 , 事件A 由k 个样本点组成 . 则定义事件A 的概率为:P(A)=k/n =A 包含的样本点数/S 中的样本点数。

概率论与数理统计ch基本概念-资料

概率论与数理统计ch基本概念-资料
2019/11/13
概率论
3) 随 机 事 件
随机事件 : 称试验 E 的样本空间 S 的子集为 E 的 随机事件,记作 A, B, C 等等;
基本事件:由一个样本点组成的单点集; 必然事件 : 样本空间 S 本身; 不可能事件: 空集。 我们称一个随机事件发生当且仅当它所包
含的一个样本点在试验中出现。
BA(BA)
A B S
2019/11/13
概率论
性4 质 P (A )1; 性5质 P (A ) 1P (A ); A BA (BA)B 性 6P ( 质 A B ) P ( A ) P ( B ) P ( A ) 。 B
A S
B A
A
B
S
2019/11/13
个基本事件,共有放法4!种。 把书恰好排成序有两种放法。 所以,所求概率为 p 2 0.0833
4!
2019/11/13
概率论
例 2 将 n 只球随机的放入 N (N n) 个盒子中去, 求每个盒子至多有一只球的概率(设盒子的容量不限)。
解: 将 n 只球放入 N 个盒子中去, 共有
NN NNn种放 , 法
说明 :如果把 n 个不同元素分成两组,一组r个,
另一组n-r个,组内元素不考虑顺序,那么不同
分法有
n! 种。
r!(n r )!
2019/11/13
概率论
(2)常用组合公式:
Cnk Cnnk, Cnk1 Cnk Cnk1,
k
n
Cnkm CniCm ki,
Cni 2n.
(8) A ,B , C 至少有两个发生.
AC BABCABC ABC A BA CB.C
2019/11/13
  1. 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. 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. 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)。

n1 n2 ... ni ... nk
要点:需经k步才算完成
二. 排列:
在m个不同的元素中任取n(≤m)个,按一定的 顺序排成一列,则共有排法
(1) 不可重复
m! A m(m 1)...(m n 1) (m n)!
n m
m n 时 Am m ! ;
1 0 n 1 时 Am m ; n 0 时 Am 1
(2) 可重复 (n≤m or m≤n)
m
n
三. 组合:
在m个不同的元素中任取n(≤ m)个,不管怎样的顺序 排成一列,则共有排法数:
A m! m C Cm n n ! n !(m n)!
n m
n m
n 1 C 时
4 概率的性质
1
2 3
P( A) 1 P( A)
P() 0 P( A B) P( A) P( B) P( AB)
推广 P ( Ak ) P ( Ak )
k 1 k 1 n n i j 1

n
P ( Ai A j ) ... ( 1) n 1 P ( A1 A2 ... An )
引例 设局域电话号码可选五个数码组成,每个数码可以是0,1,2,…
… ,9中的任一个。求这些事件的概率。
设 A1=“5个数码全相同”,
A2=“5个数码全不相同”,
A3=“5个数码中有两个3”,
解 将每一可能的电话号码作为基本事件,它们可认为是等可 能的。由于数码是可重复的,故基本事件总数为105
1)显然,A1中包含的基本事件数为10,故
2。能组成多少不同的8位数
1 C9 107
(二) 集合论初步
——概念与运算
一、集合的基本概念 1. 集(合):具有某种特定性质的事物所组成的全体 A、B、X、…{e} 元素:组成集合的各个事物为元素 a、b、e…… 2. 集合的表示方法
列举法:A a, b, c...
描述法:B x | x G
以上试验有以下特点:
E的三个特征:
(1)可重复(同条件下) (2)实验前可知所有可能结果 (3)具体会出现什么结果不可知
每个可能的结果——样本点; 所有样本点的集合——样本空间
二、事件
称随机试验E的样本空间S的子集为E的随机事件,简称事件。在每
次试验中,当且仅当这一子集中的一个样本点出现时,称这一事 件发生
占两个位置的方法有 C 2 种,而其余3个数码中的每一个都可以从剩 5 下的9个数码0,1,2,4,,9中重复选取,有9种方法。故
2 C 5 93 0.0729 5 10
P A3
例1. <占位问题>
三、事件间的关系和运算
样本空间——全集 样本点——基本事件 随机事件 ——子集
概率论与集合论中的符号表示
记号
概率论
样本空间、必然事件 不可能事件
集合论
全集 空集
S Φ
e
A
基本事件
事件A
元素
子集
A
A B
A的对立事件
事件A必然导致事件B的发生 事件A导致事件B的发生,且B导致A发生
A的补集
可能是次品; 测量某个物理量,由于许多偶然因素的影响,各次测量结果 不一定相同等等。
是否有规律可循呢?
一. 随机试验与事件
随机试验 E 随机事件
有如下试验:
E1:抛一枚硬币,观察正面H,反面T出现的情况。{H,T} E2:抛一枚骰子,观察出现的点数。{1,2,…,6} E3:将一枚硬币抛掷三次,观察正、反面出现的情况。 {{ H,H,H},{H,H,T},{H,T,H},{H,T,T},{T,H,H},{T,H,T},{T,T,H}, {T,T,H} }
P A1
10 1 4 105 10

5 2) A2中包含的基本事件数为,P10 10 9 8 7 6 故
P A2
10 9 8 7 6 0.3024 5 10
2 3) A3中包含的基本事件数是 C5 93 ,这是因为数码3在电话号码中
,则
“包含于”,“真包含”, , ,
有 e B
0 n 1 n
C C ... C 2
n n
A B
n

为任何集的子集
,则 A=B
(3)相等:若 A B 且 B A
二、集合的运算
1。和运算——并集
A B | A or B
推广
2。交运算——交集
4> 若A B, 则 P( A) P( B)
<证>
1 : A A S , P( S ) P( A) P( A) 1 P( A) 1 P( A)
2 : P() 1 P() 1 P( S ) 0
A B A ( B A) 3 : B AB ( B A)
其中 ri m
i 1
例1. 电话号码由8个数字组成的电话局能容纳多少用户? Sol. 【分析】 —— 可重复的排列问题:
10 10 ... 10 10 8 从 00000000~99999999
【讨论】 1。不重复
8 A10 10 9 8 7 6 5 4 3 1814400
2。规范性:
3。可加性: 若 A· B=Φ

f n ( A B) f n ( A B) f n ( A) f n ( B)
推广:有限可加 可列可加
3. 概率
<定义> E.S. 对于S的每一事件A都赋于一实数P(A),若 P(A)满足上述频率的性质,则称P(A)为事件A发生的 概率
一.
加法定理及乘法定理
【加法定理】 设完成一件任务有k类办法,在第i类 ni种方法,则完成此任务共有方法数 办法中有
n1 n2 ... ni ... nk
要点:同一任务有k类方法,独立完成,不需借助它种方法
(eg. 分配、推销产品)
【乘法定理】 设完成一件任务有k个步骤,第i个步骤有ni种方法, 且必须通过k个步骤才算完成,则完成此任务共有方法 数:
1.2 古典概型
一. 定义 <特点>
1。样本空间有限 2。每个结果是等可能发生的 eg. 抽牌 设事件A,定义A发生的概率
P( A) A所包含的样本点个数k 全体样本点个数n
<计算>
eg.掷硬币1/2;掷骰子偶数3/6
做题步骤
step1. E是什么,s=?有限否
2. 基本事件是否等可能
3. P(A)=k/n
A是B的子集 A与B相等
A B
概率论与集合论中的符号表示(续)
A B
A B
A B AB
AB
事件A与事件B至少一个发生 事件A与事件B同时发生
A与B的并集 A与B的交集
事件A发生而事件B不发生
事件A和事件B不同时发生
A与B的差集
互斥
概率论运算表示可用集合论中的运算关系来对应
例:上例中, 设事件
结合律
分配律
Demogen法则: (推广)
UAi Ai , A i Ai
例:证明
A B AB
再证 AB A B
【证】 先证 A B AB
对 e A B
有 e A B
同理,对 e AB

e A, e B


e A, e B
互斥 (不相容):AB
此时, A B A B
互逆 (对立):当 AB 且 A B S
显然 A 与 A 互逆
4。差运算——差集
A B AB | A, B
特别地,若 A B,则 A B
5. 集合的运算律 满足
交换律
内容:
概率论、数理统计、随机 过程
<序言>
概率论研究 偶然现象——一个更加广阔的世界—— 规律性的 一个数学分支
概率泛滥的年代 ——这个一种必然 稀缺,所以珍贵 永远摇摆的概率事件
<预备知识>
(一) (二) 排列、组合 集合论初步
P ( A B ) P ( A) P ( B A) 由可加性得 P ( B ) P ( AB) P ( B A) 两式相减得:P ( A B ) P ( A) P ( B ) P ( AB)
4>.
A B:
B A ( B A)
P ( B ) P ( A) P ( B A) P ( B A) 0 P ( B ) P ( A)
故 A={(正正),(正反)}, B={(正正),(反反)}, C={(反正),(反反)},
AUB = {(正正),(正反),(反反)}, AUC = A+C = {(正正),(正反),(反正),(反反)} =S
四.
概率
1. 频率:设事件A在n次试验中出现nA次,则比值
f n ( A) nA n
E4:在一批灯泡中任意抽取 n次,观察出现次品的个数。
{0,1,2,3……,n} E5:记录电话交换台一分钟内接到的呼唤次数 {0,1,2,3……} E6:记录某地一昼夜的最低和最高温度 {(T1,T2)| t0 ≤ T1 < T2 ≤ t1} E7:记录微弱信号变化规律。{v|v1 ≤V≤v2} ……..
A1 U A2 U ... U An U Ai
i 1
n
A B | A, B
推广
相关文档
最新文档