概率论与数理统计知识点细分目录(标)
概率论与数理统计知识点总结!-知识归纳整理
《概率论与数理统计》 第一章随机事件及其概率§1.1 随机事件一、给出事件描述，要求用运算关系符表示事件： 二、给出事件运算关系符，要求判断其正确性： §1.2 概率古典概型公式：P （A ）=所含样本点数所含样本点数ΩA 实用中经常采用“罗列组合”的想法计算补例1：将n 个球随机地放到n 个盒中去，问每个盒子恰有1个球的概率是多少？解：设A ：“每个盒子恰有1个球”。
求：P(A)=？Ω所含样本点数：n n n n n =⋅⋅⋅...Α所含样本点数：!1...)2()1(n n n n =⋅⋅-⋅-⋅n n n A P !)(=∴补例2：将3封信随机地放入4个信箱中，问信箱中信的封数的最大数分别为1、2、3的概率各是多少？解：设A i ：“信箱中信的最大封数为i”。
(i =1,2,3)求：P(A i )=？Ω所含样本点数：6444443==⋅⋅A 1所含样本点数：24234=⋅⋅836424)(1==∴A PA 2所含样本点数：363423=⋅⋅C1696436)(2==∴A PA 3所含样本点数：4433=⋅C161644)(3==∴A P注：由概率定义得出的几个性质：知识归纳整理1、0<P （A ）<12、P(Ω)=1，P(φ) =0 §1.3 概率的加法法则定理：设A 、B 是互不相容事件（AB=φ），则： P （A ∪B ）=P （A ）+P （B ）推论1：设A 1、 A 2、…、 A n 互不相容，则 P(A 1+A 2+...+ A n )= P(A 1) + P(A 2) +…+ P(A n )推论2：设A 1、 A 2、…、 A n 构成完备事件组，则 P(A 1+A 2+...+ A n )=1推论3： P （A ）=1－P （A ）推论4：若B ⊃A ，则P(B －A)= P(B)－P(A) 推论5（广义加法公式）：对任意两个事件A 与B ，有P(A ∪B)=P(A)+P(B)－P(A B) 补充——对偶律：nnAA A A A A ⋂⋂⋂=⋃⋃⋃ (2)121nnAA A A A A ⋃⋃⋃=⋂⋂⋂ (2)121§1.4 条件概率与乘法法则条件概率公式：P(A/B)=)()(B P AB P （P(B)≠0）P(B/A)= )()(A P AB P （P(A)≠0）∴P （AB ）=P （A /B ）P （B ）= P （B / A ）P （A ）有时须与P （A+B ）=P （A ）+P （B ）－P （AB ）中的P （AB ）联系解题。
概率论与数理统计知识点总结(免费超详细版)80669
《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 ,,,21Λ是两两互不相容的事件，有∑===nk kn k kA P A P 11)()(Y （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21Λ是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(Y （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 Y ΛY Y =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21ΛΛ()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》知识点简单汇总
《概率论与数理统计》知识点简单汇总第一章1．事件的基本关系与运算（和事件、积事件、差事件、对立事件等）2. 加法公式和乘法公式（条件概率，结合事件的独立性）3. 全概率公式、贝叶斯公式（结合书上例题和课后习题）P17例5、例6第二章1.有关这章的概念制表格一（把握概率分布、概率密度与分布函数的关系）2．常用离散型和连续型分布制表二熟记书上P82表4-13．理解第4节随机变量函数的概念（侧重离散型，包括二维离散型）（P36例1 ；P40定理1；P41例4；P43习题1、2 ；P44例1；P46习题1等）（此章概念是重点也同时是基础，与后续3,4章紧密关联）第三章1 . 理解离散型的联合分布律和边缘分布律（结合书上P51例1、P55例1）2 . 理解连续型的联合概率密度和边缘概率密度（结合P52例3、P57例3、P59习题4）3. 理解随机变量的独立性（P60例题）4. 随机变量函数（P62 例1）第四章1. 熟练数学期望的定义、性质、计算（P71例2、例3；P74例7）2. 熟练方差的定义、性质、计算（书上例题）期望和方差两个概念与第2章和后面的统计部分紧密关联，重点掌握3. 熟悉协方差、相关系数和矩三个概念及计算公式 建议上述数字特征自制表格三第五章1. 熟练 切比雪夫不等式 （P92 定理、P92例1）2. 了解大数定律和中心极限定理（P101定理2、P102例4） 第六章1. 理解样本和总体的概念；（统计就是用样本来研究总体）2. 熟练常用统计量 109P ； 掌握P110两个例题；3. 三个重要分布自制表格四 (0,1)N ）4. 上分位点 （P42定义5、P113定义3 、P115定义5）结合2()n χ和()t n 两个的图形来理解； 注意与随机变量的分布函数()F x （特别是标准正态分布()x Φ）的区别 上述所有都是重点，必须理解加熟记，是整个统计部分的基础。
第七章1. 第一节，熟练掌握点估计的矩估计法和极大似然估计法；P127例2、3P130例62. 第二节，理解无偏性和有效性3. 区间估计P136例1，例139例2，例3（见P140表7-1）以上都结合书上例题，予以熟练掌握。
概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章概率论的基本概念§2．样本空间、随机事件1．事件间的关系 A B 则称事件 B 包含事件 A ，指事件 A 发生必然导致事件 B 发生A B {x x A或x B} 称为事件 A 与事件 B 的和事件，指当且仅当 A ，B 中至少有一个发生时，事件 A B 发生A B {x x A且x B} 称为事件 A 与事件 B 的积事件，指当A，B 同时发生时，事件A B 发生A—B {x x A且x B} 称为事件A 与事件 B 的差事件，指当且仅当 A 发生、B 不发生时，事件 A — B 发生A B ，则称事件 A 与B 是互不相容的，或互斥的，指事件 A 与事件 B 不能同时发生，基本事件是两两互不相容的A B S A B ，则称事件 A 与事件 B 互为逆事件，又称事件 A 与事件 B 互为且对立事件2．运算规则交换律 A B B A A B B A结合律(A B) C A (B C) ( A B)C A(B C)分配律 A （B C）(A B) ( A C)A (B C)(A B)( A C)—徳摩根律 A B A B A B A B§3．频率与概率定义在相同的条件下，进行了n 次试验，在这n 次试验中，事件 A 发生的次数n称为事件AA 发生的频数，比值n nA 称为事件 A 发生的频率概率：设E是随机试验，S 是它的样本空间，对于E 的每一事件A赋予一个实数，记为P（A），称为事件的概率1．概率P( A)满足下列条件：（1）非负性：对于每一个事件 A 0 P( A) 1（2）规范性：对于必然事件S P (S) 11（3）可列可加性：设A1, A2 , ,A是两两互不相容的事件，有nn nP A k ) P( A) ( （n可kk 1 k 1以取）2．概率的一些重要性质：（i ）P( ) 0（ii ）若A1, A2 , ,A是两两互不相容的事件，则有n Pn n( （n可以取）A k ) P( A )kk 1 k 1（iii ）设A，B 是两个事件若 A B ，则P(B A) P( B) P( A) ，P( B) P(A) （iv）对于任意事件A，P(A) 1（v）P( A) 1 P(A) （逆事件的概率）（vi）对于任意事件A，B 有P(A B) P( A) P( B) P( A B)§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件 A 包含k 个基本事件，即{e i } {e } {e }A ，里1 i i k] 2，k是，中某个不同的数，则有i1 i 2, ，i k 1,2 nP( A)j k1P { eij}knA包含的基本事件数S中基本事件的总数§5．条件概率（1）定义：设A,B 是两个事件，且P( A) 0 ，称P( A B)P(B | A) 为事件 A 发生的条P(A)件下事件 B 发生的条件概率（2）条件概率符合概率定义中的三个条件。
概率论与数理统计期末复习重要知识点
概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x pp ====-<<，则称X 服从12,x x 处参数为p 的两点分布。
两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。
记为X~b(n,p)(或B(n,p)). 两点分布的概率分布：{}(1),0,1,...,.k kn k n P x k C p p k n -==-=二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。
5.常用的连续型分布：（1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=⎰标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。
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)
概率论与数理统计目录
概率论与数理统计目录
一、概率论
1、概率论概念
（1）概率的定义
（2）概率空间
（3）样本空间
（4）概率分布
2、概率论研究方法
（1）数理统计方法
（2）随机试验理论
（3）可计算性理论
（4）概率模型理论
3、概率论应用
（1）随机事件和概率的计算
（2）随机变量的概率分布
（3）概率的统计特征
（4）统计推断
（5）统计决策
4、其他概率论相关问题
（1）随机过程
（2）搜索理论
（3）信息论
（4）抽样调查
（5）概率图
二、数理统计
1、数理统计的概念
（1）数理统计的定义
（2）数理统计理论的基础
（3）统计规律的模式
2、数理统计的方法
（1）单因素分析方法
（2）多因素分析方法
（3）分组统计方法
（4）统计回归分析
（5）时间序列分析
3、数理统计的应用
（1）实验设计
（2）管理科学研究
（3）社会统计学
（4）经济统计学
（5）生物统计学
（6）信息技术
（7）心理统计学
4、数理统计的软件
（1）SPSS软件
（2）SAS软件
（3）Stata软件
（4）S-plus软件
（5）R软件。
(完整版)概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 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 kn k 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。
概率论与数理统计复习资料知识点总结
《概率论与数理统计》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）BA AB 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）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 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 P4． 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。
概率论与数理统计知识点总结免费超详细版
概率论与数理统计知识点总结免费超详细版概率论与数理统计是一门研究随机现象及其规律的数学学科，它在自然科学、工程技术、社会科学、经济金融等众多领域都有着广泛的应用。
以下是对概率论与数理统计主要知识点的详细总结。
一、随机事件与概率1、随机事件随机事件是指在一定条件下，可能出现也可能不出现的事件。
我们通常用大写字母A、B、C 等来表示。
随机事件的关系包括包含、相等、互斥（互不相容）和对立等。
2、概率的定义概率是用来度量随机事件发生可能性大小的数值。
概率的古典定义是：如果一个试验有 n 个等可能的结果，事件 A 包含其中的 m 个结果，则事件 A 发生的概率为 P(A) ＝ m ／ n 。
概率的统计定义是：在大量重复试验中，事件 A 发生的频率稳定地接近于某个常数 p，就把 p 称为事件 A 的概率。
3、概率的性质概率具有非负性（0 ≤ P(A) ≤ 1）、规范性（P(Ω) ＝ 1，其中Ω 表示样本空间）和可加性（对于互斥事件 A 和 B，有 P(A∪B) ＝ P(A) ＋P(B)）。
二、条件概率与乘法公式1、条件概率条件概率是指在事件 B 发生的条件下，事件 A 发生的概率，记作P(A|B)。
其计算公式为 P(A|B) ＝ P(AB) ／ P(B) ，其中 P(AB) 表示事件A 和B 同时发生的概率。
2、乘法公式乘法公式有两种形式：P(AB) ＝ P(A|B)P(B) 和 P(AB) ＝P(B|A)P(A) 。
三、全概率公式与贝叶斯公式1、全概率公式设 B₁，B₂，，Bₙ 是样本空间Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝1, 2,， n），则对于任意事件 A，有 P(A) ＝Σ P(Bᵢ)P(A|Bᵢ) 。
2、贝叶斯公式在全概率公式的基础上，如果已知 P(A) 和 P(Bᵢ)、P(A|Bᵢ)（i ＝ 1, 2,，n），则对于任意事件 Bᵢ（i ＝ 1, 2,， n），有 P(Bᵢ|A) ＝ P(Bᵢ)P(A|Bᵢ)／Σ P(Bₙ)P(A|Bₙ) 。
(完整版)概率论与数理统计知识点总结
p k q nk
其中 q 1 p,0 p 1, k 0,1,2,, n ，
则称随机变量 X 服从参数为 n ， p 的二项分布。记为
X ~ B(n, p) .
当 n 1时， P(X k) pk q1k ， k 0.1，这就是（0—1）分布，
所以（0-1）分布是二项分布的特例。
泊 松 设随机变量 X 的分布律为
1
(完整版)概率论与数理统计知识点总结
A—B,也可表示为 A—AB 或者 AB ，它表示 A 发生而 B 不发生的事
件.
A、B 同时发生：A B,或者 AB。A B=Ø ，则表示 A 与 B 不可能 同时发生，称事件 A 与事件 B 互不相容或者互斥。基本事件是
互不相容的.
—A 称为事件 A 的逆事件,或称 A 的对立事件，记为 A .它表 示 A 不发生的事件。互斥未必对立。
P(A）= (1) (2 ) (m ) = P(1) P(2 ) P(m )
m n
A所包含的基本事件数 基本事件总数
（6）几 若随机试验的结果为无限不可数并且每个结果出现的可能性均
1
(完整版)概率论与数理统计知识点总结
何概型 匀，同时样本空间中的每一个基本事件可以使用一个有界区域 来描述，则称此随机试验为几何概型。对任一事件 A，
3° F() lim F(x) 0， F() lim F(x) 1;
x
x
4° F(x 0) F(x) ,即 F(x) 是右连续的；
5° P(X x) F(x) F(x 0) .
对于离散型随机变量， F(x) pk ; xk x x
对于连续型随机变量, F(x) f (x)dx .
概型 用 p 表示每次试验 A 发生的概率，则 A 发生的概率为1 p q ，用
1概率论与数理统计知识点总结(超详细)
NO.1 概率论基本概念一、随机试验1.确定性现象:必然发生或必然不发生的现象。
2.随机现象: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.3.随机现象的特点：人们通过长期实践并深入研究之后，发现这类现象在大量重复试验或观察下，它的结果却呈现出某种统计规律性.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.4.随机试验：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 .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）随机性(不确定性): 每次试验出现的结果事先不能准确预知. ，但可以肯定会出现所有可能结果中的一个.二、样本空间、随机事件1.样本点：随机试验中的每一个可能出现的试验结果称为这个试验的一个样本点,记作ω.2.样本空间：全体样本点组成的集合称为这个随机试验的样本空间，记为∧.(或S )．即∧={ω1 ,ω2 ,!,ωn ,!}3.随机事件：我们称试验E 的样本空间∧的子集为E 的随机事件，简称事件，在随机试验中，可能出现也可能不出现，而在大量重复试验中具有某种规律性.一般用A, B, C,，…等大写字母表示事件．设A 为一个事件，当且仅当试验中出现的样本点ω∈A 时，称事件 A 在该次试验中发生．注: 要判断一个事件是否在一次试验中发生，只有当该次试验有了结果以后才能知道．（1）基本事件：仅含一个样本点的随机事件称为基本事件.（2）必然事件：样本空间∧本身也是∧的子集，它包含∧的所有样本点，在每次试验中∧必然发生，称为必然事件．即必然发生的事件.（3）不可能事件：．空集Φ也是∧的子集，它不包含任何样本点，在每次试验中都不可能发生，称为不可能事件．不可能发生的事件是不包含任何样本点的.三、事件间的关系与运算记号概率论集合论∧ 样本空间,必然事件全集∅ 不可能事件空集ω 基本事件元素A 事件子集A A的对立事件A的余集A ⊂B 事件A发生导致B发生A是B的子集A =B 事件A与事件B相等A与B的相等A ! B事件A与事件B至少有一个发生A与B的并集AB 事件A与事件B同时发生A与B的交集A -B 事件A发生而事件B不发生A与B的差集AB =∅ 事件A和事件B互不相容A与B没有相同的元素1.子事件、包含关系A ⊂B事件A是事件B的子事件含义：事件A发生必然导致事件B发生, ∅⊂A ⊂∧2.相等事件A =B :若事件Ａ发生必然导致事件B 发生，且若事件B 发生必然导致事件A 发生，即B ⊃A且A ⊃B ⇔A=B注：事件 A 与事件 B 含有相同的样本点3.和事件或并事件A !B = { x x ∈A或x∈B }，事件A ! B是事件A和事件B的和事件事件A ! B 发生⇔ 事件A 发生或事件B 发生⇔ 事件A 与B 至少有一个发生n称" A k 为n 个事件A 1，A 2，!，A n 的和事件k =1∞称" A k 为可列个事件A 1 , A 2 ,!, A n ,!的和事件k =14. 积事件或交事件A !B = {x x ∈ A 且x ∈ B }， 事件A ! B 是事件A 与事件B 的积事件事件A ! B 发生⇔ 事件A 与事件B 同时发生积事件A ! B 可简记为ABn称" A k 为n 个事件A 1，A 2，!，A n 的积事件k =1∞称" A k 为可列个事件A 1 , A 2 ,!, A n ,!的积事件.k =15. 事件的差A -B = {x x ∈ A 且x ∉ B }， 事件A - B 称为事件A 与事件B 的差事件事件A - B 发生⇔ 事件A 发生而事件B 不发生.注： A - B = A - AB6. 互斥或互不相容A !B = Φ 则称事件A 与事件B 是互不相容的，或互斥的.A !B = Φ ⇔事件 A 和随机 B 不能同时发生.注： 任一个随机试验E 的基本事件都是两两互不相容的.推广：设事件 A 1，A 2，!，A n 满足 A i A jA 1，A 2，!，A n 是两两互不相容的. 7. 对立事件或互逆事件= Φ (i , j = 1, 2,!, n , i ≠ j ) 称事件若事件 A 和事件 B 中有且仅有一个发生，即 A ! B = ∧, AB = Φ则事件 A 和事件 B 为互逆事件或对立事件。
考研数学概率论与数理统计笔记知识点(全)
三 二二维连续型随机变量量（积分积出来的就是连续的）
1.定义：概率密度积分（二二重积分）
2.联合概率密度
1）性质：1.非非负性；2.规范性
2）应用用：求P，就是求二二重积分
在f（x，y）的连续点上，分布求二二阶倒数就是概率密度
步骤：1）画图（为了了解不不等式）
2）讨论
3）代入入（注意端点）
第三章 多维随机变量量及其分布
知识点：一一 二二维随机变量量及其分布函数 二二 二二维离散型随机变量量 三 二二维连续型随机变量量 四 二二维随 机变量量函数的分布
一一 二二维随机变量量及其分布函数
1.二二维随机变量量就是一一个（X，Y）向量量
要注意是一一维的（是用用一一个变量量表示）
4.离散+连续（一一定是使用用全概率公式的）
定义：X为离散型，Y为连续型，且相互独立立
六 全概率公式与⻉贝叶斯公式（关键在于完备事件组）
1.完备事件组：互斥是对立立的前提条件
2.全概率公式：由因到果（推导，画图）（全部路路径）
3.⻉贝叶斯公式：由果到因（推导，画图）（所占的比比例例）
Note：关键是1.完备事件组必须完备；2.要画图3注意抽签原理理
题型一一：概率的基本计算
1.事件决定概率，但是概率推不不出事件
3.边缘概率密度
1）具体就是边缘分布函数求导（详⻅见笔记）
Note：注意边缘的公式，在求时，注意取值范围，以及上下限（一一根直线传过去）（类似于 二二重积分的先积部分——后积先定限，限内画条线）
2）G是从几几何看出来的，不不要死记公式，要结合图像（G为非非零区域）
Note：1.在写公式之前要先保证分⺟母不不为0，即要先确定范围
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。
概率论与数理统计目录
第一章 概率论的基本概念 第二章 随机变量及其分布 第三章 多维随机变量及其分布 第四章 随机变量的数字特征
版权归北京科技大学《概率论与数理统计》课程组
概率论与数理统计 概率论与数理统计
第五章 大数定律及中心极限定理 第六章 样本及抽样分布 第七章 参数估计 假设检验
第二章 随机变量及其分布 第一节 随机变量 第二节 离散型随机变量及其分布 第三节 随机变量的分布函数 第四节 连续型随机变量及其分布 第五节 随机变量的函数的分布
版权归北京科技大学《概率论与数理统计》课程组
第三章 多维随机变量及其分布 第一节 二维随机变量 第二节 边缘分布 第三节 条件分布 第四节 相互独立的随机变量 第五节 随机变量函数的分布
版权归北京科技大学《概率论与数理统计》课程组
第四章 随机变量的数字特征 第一节 数学期望 第二节 方差 第三节 协方差及相关系数 第四节 矩、协方差矩阵
版权归北京科技大学《概率论与数理统计》课程组
第五章大数定律及中心极限定理 第一节 大数定律 第二节 中心极限定理
版权归北京科技大学《概率论与数理统计》课程组
第六章 样本及抽样分布 第 0 节 数理统计序言 第一节 随机样本 第二节 抽样分布
版权归北京科技大学《概率论与数理统计》课程组
第七章 参数估计 第一节 第二节 点估计 估计量的评选标准
第三节 区间估计 第四节 正态总体均值与方差 的区间估计
版权归北京科技大学《概率论与数理统计》课程组
第八章 假设检验 第一节 假设检验 第二节 正态总体均值的假设检验 第三节 正态总体方差的假设检验 第四节 置信区间与假设检验之 间的关系
版权归北京科技大学《概率论与数理统计》课程组
(完整版)概率论与数理统计知识点总结
第1章随机事件及其概率在第二步某事件发生条件下第一步某事件的概率，就用贝叶斯公式我们作了 n 次试验，且满足每次试验只有两种可能结果， A 发生或A 不发生；n次试验是重复进行的，即 A 发生的概率每次均一样；每次试验是独立的，即每次试验 A 发生与否与其他次试验 A 发 生与否是互不影响的。
这种试验称为伯努利概型，或称为 n 重伯努利试验。
用P 表示每次试验A 发生的概率，则A 发生的概率为1 p q ，用Pn (k ) 表示n 重伯努利试验中A 出现k (0 k n)次的概率，P n (k) C ：P k q nkk 0,1,2, ,n5第二章随机变量及其分布(1)设离散型随机变量X 的可能取值为X k (k=1,2,…)且取各个值的概率， 即事件(X=X k )的概率为P(X=x k )=p k , k=1,2,…， 则称上式为离散型随机变量 X 的概率分布或分布律。
有时也用分 布列的形式给出： X | x 1,x 2, , x k ,P(X x k ) p 1, p 2,, p k ,。
显然分布律应满足下列条件：p k 1(1 )宀 0 , k1,2,, ( 2 ) k1(14)伯努利 概型散 随变 的 布(2 ) 设F (x )是随机变量X 的分布函数，若存在非负函数f(x )，对任意实数X ，有XF(x) f (x)dx则称X 为连续型随机变量。
f (X )称为X 的概率密度函数或密度函数， 简称概率密度。
密度函数具有下面4个性质：分布仁 f(x) 03、P(X i X X 2) F(X 2)F(X J f (x)dxX i4、P(x=a)=O,a为常数，连续型随机变量取个别值的概率为 0连 型 机 量 续 随变 的 密度2、f(x)dx 1。
第三章二维随机变量及其分布如果二维随机向量 （X , Y ）的所有可能取值为至多可 列个有序对（x,y ），则称 为离散型随机量。
设=（X ，Y ）的所有可能取值为（人『）（门1,2,），且事 件｛= （X i ,y j ）｝的概率为 p ij,,称P ｛（X,Y ） （X i ,y j ）｝ P j （i,j 1,2,）为=（X ，Y ）的分布律或称为 X 和Y 的联合分布律。
《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。
概率论与数理统计(完整公式,知识点梳理)
p
k
；
对于分布 二项分布
f ( x)dx
。
P(X=1)=p, P(X=0)=q
在 n 重贝努里试验中，设事件 A 发生的概率为 p 。事件 A 发生 的次数是随机变量，设为 X ，则 X 可能取值为 0,1,2,, n 。
k k nk P( X k ) Pn(k ) Cn p q
P( A)
（10）加法 公式 （11）减法 公式 （12）条件 概率
L( A) 。其中 L 为几何度量（长度、面积、体积） 。 L ()
P(A+B)=P(A)+P(B)-P(AB) 当 P(AB)＝0 时，P(A+B)=P(A)+P(B) P(A-B)=P(A)-P(AB) 当 B A 时，P(A-B)=P(A)-P(B) 当 A=Ω 时，P( B )=1- P(B) 定义 设 A、B 是两个事件，且 P(A)>0，则称
P(a X b) F (b) F (a)
可以得到 X 落入区间 ( a, b] 的概率。分布
函数 F ( x) 表示随机变量落入区间（– ∞，x]内的概率。 分布函数具有如下性质： 1° 2° 3° 4° 5°
0 F ( x) 1,
x ；
F ( x) 是单调不减的函数，即 x1 x2 时，有 F ( x1) F ( x2) ；
积分元 f ( x)dx 在连续型随机变量理论中所起的作用与 P( X xk ) pk 在离 散型随机变量理论中所起的作用相类似。
4 / 27
（4）分布 函数
设 X 为随机变量， x 是任意实数，则函数
F ( x) P( X x)
称为随机变量 X 的分布函数，本质上是一个累积函数。
概率论与数理统计完整公式以及各知识点梳理【范本模板】
3° 对于两两互不相容的事件 A1 ， A2 ，…有
P Ai P(Ai) i1 i1
常称为可列(完全)可加性.
则称 P(A)为事件 A 的概率。
（8）古典 概型
1° 1,2 n,
2°
P(1 )
P(2 )
P( n )
1 n
。
设任一事件 A ,它是由1,2 m 组成的，则有
每次试验只有两种可能结果， A 发生或 A 不发生；
n 次试验是重复进行的，即 A 发生的概率每次均一样；
每次试验是独立的，即每次试验 A 发生与否与其他次试验 A 发生与 否是互不影响的。
这种试验称为伯努利概型，或称为 n 重伯努利试验.
用 p 表示每次试验 A 发生的概率,则 A 发生的概率为1 p q ,用 Pn(k) 表
j 1
此公式即为贝叶斯公式.
P(Bi ) ,( i 1 , 2 ，…， n ）,通常叫先验概率。 P(Bi / A) ，（ i 1 , 2 ，…， n ），通常称为后验概率。贝叶斯公式反映了“因果”的概率规律，并作出了
“由果朔因”的推断.
3 / 24
（17）伯努 利概型
我们作了 n 次试验,且满足
X ~ B(n, p) .
当 n 1时, P(X k) pk q1k ，k 0.1,这就是（0—1）分布，
所以（0—1）分布是二项分布的特例。
5 / 24
泊松分布
设随机变量 X 的分布律为
P( X k) k e ， 0 ， k 0,1,2， k!
则称随机变量 X 服从参数为 的泊松分布，记为 X ~ () 或
这样一组事件中的每一个事件称为基本事件，用 来表示。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
概率论与数理统计知识点的细分目录
引言概率统计漫谈
第一章概率论基础
0101 随机事件
※010101 随机试验，样本空间，事件
010102 事件间关系与运算
※0102 古典概型与概率
010 古典概型，随机抽球问题
010202 随机分球问题
0103 概率的定义及性质
010301 概率的定义（包括频率与概率，概率的公理化定义）010302 概率的性质
0104 条件概率
010401 条件概率的定义
010402 乘法公式
※010403 全概率公式
※010404 贝叶斯公式
0105 事件的独立性
※010501 事件的独立性
0106 单元小结
0107 简单综合题选解
0108 综合提高题选解
第二章随机变量及其分布
0 离散型随机变量
※01 随机变量的概念，离散型随机变量
※02 几个常用的离散型分布( 两点分布，贝努里试验，二项分布，泊松定理，泊松分布)
03 几何分布与超几何分布
0202 随机变量的分布函数
0203 连续型随机变量
※020301 连续型随机变量，概率密度
020302 均匀分布与指数分布
020303 正态分布
0204 随机变量函数的分布
020401 离散型随机变量函数的分布律
020402 连续型随机变量函数的分布(分布函数法）4
020403 连续型随机变量函数的分布（公式法）
0205 单元小结
0206 简单综合题选解
0207 综合提高题选解
第三章多维随机变量及其分布
0301 二维随机变量
030101 二维随机变量的分布函数
030102 二维随机变量的分布律
030103 二维随机变量的概率密度
030104 二维均匀分布，二维正态分布
0302 边缘分布
030 边缘分布函数，边缘分布律
030202 边缘概率密度
0303 条件分布
030301 离散型随机变量的条件分布律
030302 条件分布函数，连续型随机变量的条件概率密度0304 随机变量的独立性
030401 两个随机变量的独立性
030402 多个随机变量的独立性
0305 二维随机变量函数的分布
030501 二维离散型随机变量函数的分布
030502 和的分布
030503 最大与最小值的分布
0306 单元小结
0307 简单综合题选解
0308 综合提高题选解
第四章数字特征和极限理论
0401 随机变量的数学期望
※040101 期望的概念
040102 几种常用离散型随机变量期望的计算
040103 几种常用连续型随机变量期望的计算040104 随机变量函数的期望
040105 数学期望的性质
0402 随机变量的方差
※040 方差的定义及性质
040202 几种常用离散型随机变量期望的计算040203 几种常用连续型随机变量方差的计算040204 切比雪夫不等式
0403 随机变量的协方差与相关系数
040301 协方差与相关系数的概念
040302 相关系数的性质
040303 协方差的性质
040304 矩、协方差矩阵
040305 多维正态分布简介
0404 大数定律与中心极限定理
※040401 三个大数定律
※040402 Levy-Lindeberg中心极限定理
040403 De Moivre-Laplace中心极限定理0405 单元小结
0406 简单综合题选解
※0407 综合提高题选解
第五章数理统计初步
0501 数理统计的基本概念
050101 总体、样本、统计量
050102 分布及其性质050103 t分布与F分布
050104 单正态总体抽样分布定理
050105 双正态总体抽样分布定理
0502 点估计
050 矩估计法
※050202 极大似然估计的概念
050203 极大似然估计的计算
050204 估计量的相合性与无偏性
050205 估计量的有效性
0503 区间估计
050301 区间估计概念
050302 单正态总体均值的区间估计
050303 单正态总体方差的区间估计
050304 双正态总体均值差的区间估计
050305 双正态总体方差比的区间估计
0504 假设检验
050401 假设检验原理
050402 单正态总体参数的双边检验
050403 单正态总体参数的单边检验（U检验法）
050404 单正态总体参数的单边检验（t检验法）
050505 单正态总体参数的单边检验
（检验法）
050406 双正态总体均值差的检验
050407 双正态总体方差比的检验
0505 单元小结
0506 简单综合题选解
0507 综合提高题选解。