概率论与数理统计复习
概率论与数理统计考研复习资料
概率论与数理统计复习第一章 概率论的基本概念一.基本概念随机试验E:(1)可以在相同的条件下重复地进行;(2)每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;(3)进行一次试验之前不能确定哪一个结果会出现.样本空间S: E 的所有可能结果组成的集合. 样本点(基本事件):E 的每个结果. 随机事件(事件):样本空间S 的子集.必然事件(S):每次试验中一定发生的事件. 不可能事件(Φ):每次试验中一定不会发生的事件. 二. 事件间的关系和运算1.A ⊂B(事件B 包含事件A )事件A 发生必然导致事件B 发生.2.A ∪B(和事件)事件A 与B 至少有一个发生.3. A ∩B=AB(积事件)事件A 与B 同时发生.4. A -B(差事件)事件A 发生而B 不发生.5. AB=Φ (A 与B 互不相容或互斥)事件A 与B 不能同时发生.6. AB=Φ且A ∪B=S (A 与B 互为逆事件或对立事件)表示一次试验中A 与B 必有一个且仅有一个发生. B=A, A=B . 运算规则 交换律 结合律 分配律 德•摩根律B A B A = B A B A =三. 概率的定义与性质1.定义 对于E 的每一事件A 赋予一个实数,记为P(A),称为事件A 的概率.(1)非负性 P(A)≥0 ; (2)归一性或规范性 P(S)=1 ;(3)可列可加性 对于两两互不相容的事件A 1,A 2,…(A i A j =φ, i ≠j, i,j=1,2,…),P(A 1∪A 2∪…)=P( A 1)+P(A 2)+…2.性质(1) P(Φ) = 0 , 注意: A 为不可能事件 P(A)=0 .(2)有限可加性 对于n 个两两互不相容的事件A 1,A 2,…,A n ,P(A 1∪A 2∪…∪A n )=P(A 1)+P(A 2)+…+P(A n ) (有限可加性与可列可加性合称加法定理) (3)若A ⊂B, 则P(A)≤P(B), P(B -A)=P(B)-P(A) .(4)对于任一事件A, P(A)≤1, P(A)=1-P(A) .(5)广义加法定理 对于任意二事件A,B ,P(A ∪B)=P(A)+P(B)-P(AB) . 对于任意n 个事件A 1,A 2,…,A n()()()()+∑+∑-∑=≤<<≤≤<≤=nk j i k j i nj i j i ni i n A A A P A A P A P A A A P 11121…+(-1)n-1P(A 1A 2…A n )四.等可能(古典)概型1.定义 如果试验E 满足:(1)样本空间的元素只有有限个,即S={e 1,e 2,…,e n };(2)每一个基本事件的概率相等,即P(e 1)=P(e 2)=…= P(e n ).则称试验E 所对应的概率模型为等可能(古典)概型.2.计算公式 P(A)=k / n 其中k 是A 中包含的基本事件数, n 是S 中包含的基本事件总数. 五.条件概率1.定义 事件A 发生的条件下事件B 发生的条件概率P(B|A)=P(AB) / P(A) ( P(A)>0).2.乘法定理 P(AB)=P(A) P (B|A) (P(A)>0); P(AB)=P(B) P (A|B) (P(B)>0).P(A 1A 2…A n )=P(A 1)P(A 2|A 1)P(A 3|A 1A 2)…P(A n |A 1A 2…A n-1) (n ≥2, P(A 1A 2…A n-1) > 0) 3. B 1,B 2,…,B n 是样本空间S 的一个划分(B i B j =φ,i ≠j,i,j=1,2,…,n, B 1∪B 2∪…∪B n =S) ,则 当P(B i )>0时,有全概率公式 P(A)=()()i ni i B A P B P∑=1当P(A)>0, P(B i )>0时,有贝叶斯公式P (B i |A)=()()()()()()∑==ni i i i i i B A P B P B A P B P A P AB P 1. 六.事件的独立性1.两个事件A,B,满足P(AB) = P(A) P(B)时,称A,B 为相互独立的事件.(1)两个事件A,B 相互独立⇔ P(B)= P (B|A) .(2)若A 与B ,A 与B ,A 与B, ,A 与B 中有一对相互独立,则另外三对也相互独立.2.三个事件A,B,C 满足P(AB) =P(A) P(B), P(AC)= P(A) P(C), P(BC)= P(B) P(C),称A,B,C 三事件两两相互独立. 若再满足P(ABC) =P(A) P(B) P(C),则称A,B,C 三事件相互独立.3.n 个事件A 1,A 2,…,A n ,如果对任意k (1<k ≤n),任意1≤i 1<i 2<…<i k ≤n.有()()()()kkii i i i i A P A P A P A A A P 2121=,则称这n 个事件A 1,A 2,…,A n相互独立.第二章 随机变量及其概率分布一.随机变量及其分布函数1.在随机试验E 的样本空间S={e}上定义的单值实值函数X=X (e)称为随机变量.2.随机变量X 的分布函数F(x)=P{X ≤x} , x 是任意实数. 其性质为:(1)0≤F(x)≤1 ,F(-∞)=0,F(∞)=1. (2)F(x)单调不减,即若x 1<x 2 ,则 F(x 1)≤F(x 2). (3)F(x)右连续,即F(x+0)=F(x). (4)P{x 1<X≤x 2}=F(x 2)-F(x 1). 二.离散型随机变量 (只能取有限个或可列无限多个值的随机变量)1.离散型随机变量的分布律 P{X= x k }= p k (k=1,2,…) 也可以列表表示. 其性质为: (1)非负性 0≤P k ≤1 ; (2)归一性 11=∑∞=k k p .2.离散型随机变量的分布函数 F(x)=∑≤xX kk P 为阶梯函数,它在x=x k (k=1,2,…)处具有跳跃点,其跳跃值为p k =P{X=x k } .3.三种重要的离散型随机变量的分布(1)X~(0-1)分布 P{X=1}= p ,P{X=0}=1–p (0<p<1) .(2)X~b(n,p)参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1(k=0,1,2,…,n) (0<p<1) (3))X~π(λ)参数为λ的泊松分布 P{X=k}=λλ-e k k !(k=0,1,2,…) (λ>0) 三.连续型随机变量1.定义 如果随机变量X 的分布函数F(x)可以表示成某一非负函数f(x)的积分F(x)=()dt t f x⎰∞-,-∞< x <∞,则称X 为连续型随机变量,其中f (x)称为X 的概率密度(函数). 2.概率密度的性质(1)非负性 f(x)≥0 ; (2)归一性 ⎰∞∞-dx x f )(=1 ;(3) P{x 1<X ≤x 2}=⎰21)(xx dx x f ; (4)若f (x)在点x 处连续,则f (x)=F / (x) .注意：连续型随机变量X 取任一指定实数值a 的概率为零,即P{X= a}=0 .3.三种重要的连续型随机变量的分布 (1)X ～U (a,b) 区间(a,b)上的均匀分布⎩⎨⎧=-0)(1a b x f其它b x a << . (2)X 服从参数为θ的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 (θ>0). (3)X~N (μ,σ2)参数为μ,σ的正态分布222)(21)(σμσπ--=x ex f -∞<x<∞, σ>0. 特别, μ=0, σ2 =1时,称X 服从标准正态分布,记为X~N (0,1),其概率密度2221)(x e x -=πϕ , 标准正态分布函数⎰=Φ∞--xt dt e x 2221)(π, Φ(-x)=1-Φ(x) .若X ～N ((μ,σ2), 则Z=σμ-X ~N (0,1), P{x 1<X ≤x 2}=Φ(σμ-2x )-Φ(σμ-1x ).若P{Z>z α}= P{Z<-z α}= P{|Z|>z α/2}= α,则点z α,-z α, ±z α/ 2分别称为标准正态分布的上,下,双侧α分位点. 注意：Φ(zα)=1-α , z 1- α= -z α.四.随机变量X 的函数Y= g (X)的分布 1.若g(x k ) (k=1,2,…)的值全不相等,则由上表立得Y=g(X)的分布律.若g(x k ) (k=1,2,…)的值有相等的,则应将相等的值的概率相加,才能得到Y=g(X)的分布律. 2.连续型随机变量的函数若X 的概率密度为f X (x),则求其函数Y=g(X)的概率密度f Y (y)常用两种方法： (1)分布函数法 先求Y 的分布函数F Y (y)=P{Y ≤y}=P{g(X)≤y}=()()dx x f ky X k∑⎰∆其中Δk (y)是与g(X)≤y 对应的X 的可能值x 所在的区间(可能不只一个),然后对y 求导即得f Y (y)=F Y /(y) .(2)公式法 若g(x)处处可导,且恒有g /(x)>0 (或g / (x)<0 ),则Y=g (X)是连续型随机变量,其概率密度为()()()()⎩⎨⎧'=0y h y h f y f X Y其它βα<<y其中h(y)是g(x)的反函数 , α= min (g (-∞),g (∞)) β= max (g (-∞),g (∞)) .如果f (x)在有限区间[a,b]以外等于零,则 α= min (g (a),g (b)) β= max (g (a),g (b)) .第三章 二维随机变量及其概率分布 一.二维随机变量与联合分布函数1.定义 若X 和Y 是定义在样本空间S 上的两个随机变量,则由它们所组成的向量(X,Y)称为二维随机向量或二维随机变量.对任意实数x,y,二元函数F(x,y)=P{X ≤x,Y ≤y}称为(X,Y)的(X 和Y 的联合)分布函数. 2.分布函数的性质(1)F(x,y)分别关于x 和y 单调不减.(2)0≤F(x,y)≤1 , F(x,- ∞)=0, F(-∞,y)=0, F(-∞,-∞)=0, F(∞,∞)=1 .(3) F(x,y)关于每个变量都是右连续的,即 F(x+0,y)= F(x,y), F(x,y+0)= F(x,y) . (4)对于任意实数x 1<x 2 , y 1<y 2P{x 1<X ≤x 2 , y 1<Y ≤y 2}= F(x 2,y 2)- F(x 2,y 1)- F(x 1,y 2)+ F(x 1,y 1)二.二维离散型随机变量及其联合分布律1.定义 若随机变量(X,Y)只能取有限对或可列无限多对值(x i ,y j ) (i ,j =1,2,… )称(X,Y)为二维离散型随机变量.并称P{X= x i ,Y= y j }= p i j 为(X,Y)的联合分布律.也可列表表示.2.性质(1)非负性 0≤p i j ≤1 .(2)归一性∑∑=i jij p 1 .3. (X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x yy ij i j p三.二维连续型随机变量及其联合概率密度1.定义 如果存在非负的函数f (x,y),使对任意的x 和y ,有F(x,y)=⎰⎰∞-∞-yxdudv v u f ),(则称(X,Y)为二维连续型随机变量,称f(x,y)为(X,Y)的(X 和Y 的联合)概率密度. 2.性质 (1)非负性 f (x,y)≥0 . (2)归一性 1),(=⎰⎰∞∞-∞∞-d x d y y x f .(3)若f (x,y)在点(x,y)连续,则yx y x F y x f ∂∂∂=),(),(2(4)若G 为xoy 平面上一个区域,则⎰⎰=∈Gdxdy y x f G y x P ),(}),{(.四.边缘分布1. (X,Y)关于X 的边缘分布函数 F X (x) = P{X ≤x , Y<∞}= F (x , ∞) . (X,Y)关于Y 的边缘分布函数 F Y (y) = P{X<∞, Y ≤y}= F (∞,y)2.二维离散型随机变量(X,Y) 关于X 的边缘分布律 P{X= x i }=∑∞=1j ij p = p i·( i =1,2,…) 归一性11=∑∞=∙i i p .关于Y 的边缘分布律 P{Y= y j }= ∑∞=1i ij p = p·j( j =1,2,…) 归一性11=∑∞=∙j j p .3.二维连续型随机变量(X,Y)关于X 的边缘概率密度f X (x)=⎰∞∞-dy y x f ),( 归一性1)(=⎰∞∞-dx x f X关于Y 的边缘概率密度f Y (y)=x d y x f ⎰∞∞-),( 归一性1)(=⎰∞∞-dyy f Y五.相互独立的随机变量1.定义 若对一切实数x,y ,均有F(x,y)= F X (x) F Y (y) ,则称X 和Y 相互独立.2.离散型随机变量X 和Y 相互独立⇔p i j= p i ··p ·j( i ,j =1,2,…)对一切x i ,y j成立.3.连续型随机变量X 和Y 相互独立⇔f (x,y)=f X(x)f Y(y)对(X,Y)所有可能取值(x,y)都成立.六．条件分布1．二维离散型随机变量的条件分布定义 设(X,Y)是二维离散型随机变量,对于固定的j,若P{Y=y j }>0,则称 P{X=x i |Y=y j }为在Y= y j 条件下随机变量X 的条件分布律. 同样,对于固定的i,若P{X=x i }>0,则称,}{},{jj i j j i p p y Y P y Y x X P ∙=====P{Y=y j |X=x i }为在X=x i 条件下随机变量Y 的条件分布律.第四章 随机变量的数字特征一.数学期望和方差的定义随机变量X 离散型随机变量 连续型随机变量分布律P{X=x i }= p i ( i =1,2,…) 概率密度f (x)数学期望(均值)E(X)∑∞=1i i i p x (级数绝对收敛)⎰∞∞-dx x xf )((积分绝对收敛)方差D(X)=E{[X-E(X)]2}[]∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=E(X 2)-[E(X)]2 (级数绝对收敛) (积分绝对收敛) 函数数学期望E(Y)=E[g(X)] i i i p x g ∑∞=1)((级数绝对收敛) ⎰∞∞-dx x f x g )()((积分绝对收敛)标准差σ(X)=√D(X) .二.数学期望与方差的性质1. c 为为任意常数时, E(c) = c , E(cX) = cE(X) , D(c) = 0 , D (cX) = c 2D(X) . 2.X,Y 为任意随机变量时, E (X ±Y)=E(X)±E(Y) .3. X 与Y 相互独立时, E(XY)=E(X)E(Y) , D(X ±Y)=D(X)+D(Y) .4. D(X) = 0 ⇔P{X = C}=1 ,C 为常数.三.六种重要分布的数学期望和方差 E(X) D(X)1.X~ (0-1)分布P{X=1}= p (0<p<1) p p (1- p)2.X~ b (n,p) (0<p<1) n p n p (1- p)3.X~ π(λ) λ λ4.X~ U(a,b) (a+b)/2 (b-a) 2/12 5.X 服从参数为θ的指数分布 θ θ2 6.X~ N (μ,σ2) μ σ2 四.矩的概念随机变量X 的k 阶(原点)矩E(X k ) k=1,2,… 随机变量X 的k 阶中心矩E {[X-E(X)] k }随机变量X 和Y 的k+l 阶混合矩E(X k Y l ) l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{[X-E(X)] k [Y-E(Y)] l}第六章 样本和抽样分布一.基本概念总体X 即随机变量X ; 样本X 1 ,X 2 ,…,X n 是与总体同分布且相互独立的随机变量;样本值x 1 ,x 2 ,…,x n 为实数;n 是样本容量.统计量是指样本的不含任何未知参数的连续函数.如：样本均值∑==n i i X n X 11 样本方差()∑--==n i i XX n S 12211 样本标准差S样本k 阶矩∑==n i k i k X n A 11( k=1,2,…) 样本k 阶中心矩∑-==n i ki k X X n B 1)(1( k=1,2,…),}{},{∙=====i j i i j i p p x X P y Y x X P二.抽样分布 即统计量的分布 1.X 的分布 不论总体X 服从什么分布, E (X ) = E(X) , D (X ) = D(X) / n .特别,若X~ N (μ,σ2 ) ,则X ~ N (μ, σ2/n) .2.χ2分布 (1)定义 若X ～N (0,1) ,则Y =∑=ni i X 12~ χ2(n)自由度为n 的χ2分布.(2)性质 ①若Y~ χ2(n),则E(Y) = n , D(Y) = 2n .②若Y 1~ χ2(n 1) Y 2~ χ2(n 2) ,则Y 1+Y 2~ χ2(n 1 + n 2).③若X~ N (μ,σ2 ), 则22)1(σS n -~ χ2(n-1),且X 与S 2相互独立.(3)分位点 若Y~ χ2(n),0< α <1 ,则满足αχχχχαααα=<>=<=>--))}(())({()}({)}({22/122/212n Y n Y P n Y P n Y P的点)()(),(),(22/122/212n n n n ααααχχχχ--和分别称为χ2分布的上、下、双侧α分位点. 3. t 分布(1)定义 若X~N (0,1),Y~ χ2(n),且X,Y 相互独立,则t=nY X~t(n)自由度为n 的t 分布. (2)性质①n →∞时,t 分布的极限为标准正态分布.②X ～N (μ,σ2 )时, nS X μ-~ t (n-1) .③两个正态总体相互独立的样本 样本均值 样本方差X~ N (μ1,σ12 ) 且σ12=σ22=σ2 X 1 ,X 2 ,…,X n1 X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2Y S22则212111)()(n n S Y X w +---μμ~ t (n 1+n 2-2) , 其中 2)1()1(212222112-+-+-=n n S n S n S w(3)分位点 若t ~ t (n) ,0 < α<1 , 则满足αααα=>=-<=>)}({)}({)}({2/n t t P n t t P n t t P的点)(),(),(2/n t n t n t ααα±-分别称t 分布的上、下、双侧α分位点.注意: t 1- α (n) = - t α (n).4.F 分布 (1)定义 若U~χ2(n 1), V~ χ2(n 2), 且U,V 相互独立,则F =21n V n U ~F(n 1,n 2)自由度为(n 1,n 2)的F 分布.(2)性质(条件同3.(2)③)22212221σσS S ~F(n 1-1,n 2-1)(3)分位点 若F~ F(n 1,n 2) ,0< α <1,则满足)},({)},({21121n n F F P n n F F P αα-<=>ααα=<>=-))},(()),({(212/1212/n n F F n n F F P的点),(),(),,(),,(212/1212/21121n n F n n F n n F n n F αααα--和分别称为F 分布的上、下、双侧α分位点. 注意:.).(1),(12211n n F n n F αα=-第七章 参数估计一.点估计 总体X 的分布中有k 个待估参数θ1, θ2,…, θk .X 1 ,X 2 ,…,X n 是X 的一个样本, x 1 ,x 2 ,…,x n 是样本值.1.矩估计法先求总体矩⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k θθθμμθθθμμθθθμμ 解此方程组,得到⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k k k k μμμθθμμμθθμμμθθ ,以样本矩A l 取代总体矩μ l ( l=1,2,…,k)得到矩估计量⎪⎪⎩⎪⎪⎨⎧===∧∧∧),,,(),,,(),,,(2121222111k k k k k A A A A A A A A A θθθθθθ,若代入样本值则得到矩估计值. 2.最大似然估计法若总体分布形式(可以是分布律或概率密度)为p (x, θ1, θ2,…, θk ),称样本X 1 ,X 2 ,…,Xn的联合分布∏==ni k i k x p L 12121),,,,(),,,(θθθθθθ 为似然函数.取使似然函数达到最大值的∧∧∧kθθθ,,,21 ,称为参数θ1, θ2,…,θk 的最大似然估计值,代入样本得到最大似然估计量.若L(θ1, θ2,…, θk )关于θ1, θ2,…, θk 可微,则一般可由 似然方程组0=∂∂i L θ 或 对数似然方程组 0ln =∂∂iLθ (i =1,2,…,k) 求出最大似然估计. 3.估计量的标准(1) 无偏性 若E(∧θ)=θ,则估计量∧θ称为参数θ的无偏估计量.不论总体X 服从什么分布, E (X )= E(X) , E(S 2)=D(X), E(A k )=μk =E(X k ),即样本均值X , 样本方差S 2,样本k 阶矩A k 分别是总体均值E(X),方差D(X),总体k 阶矩μk 的无偏估计,(2)有效性 若E(∧θ1 )=E(∧θ2)= θ, 而D(∧θ1)< D(∧θ2), 则称估计量∧θ1比∧θ2有效. (3)一致性(相合性) 若n →∞时,θθP →∧,则称估计量∧θ是参数θ的相合估计量.文 - 汉语汉字 编辑词条文，wen ，从玄从爻。
概率论与数理统计复习
随机性和数据
在抽样之前，由于个体的选取是随机的故 Y 的取值是随 机的 抽样结束得到了 Y 的观测, 于是 Y 仅仅是一个数值 – 非 随机 数据集记为 (Y1, Y2,…, Yn), 其中 Yi = 抽取到的第 i个个体 (学区, 实体) 的Y 取值
2
（1）总体、随机变量和分布
总体（Population）
感兴趣的所有可能个体的集合 (学区)
我们将总体视为无限大 (∞近似于“非常大”)
随机变量（Random variable） Y
一个随机结果的数值概括 (地区平均测试成绩、学生教师比)
Y 的总体分布
Y 离散时：总体中出现的不同Y取值的概率，如Pr[Y = 650] Y 连续时：这些取值集合的概率，如Pr[640≤Y ≤660]
3
（2）总体分布矩: 均值、方差、标准差、协方差、相关系数
均值 mean
= Y 的期望值（期望）
= E(Y) = BYB = Y 多次重复取值的长期平均值
方差variance = E(Y – BYB)P2P
2 = Y
= 分布的散布平方的度量
标准差standard deviation = 方差 = BYB
(a) Y 的性质怎样? (b) 为什么我们不用其他估计量而用 Y 呢? YB 1(第一个观测) B 利用不同的权重 – 而不是简单平均 Median(YB YB （中位数） 1,…, n) B B 出发点是 Y 的抽样分布
15
(a)
Y 的抽样分布
Y 是一个随机变量, 其性质取决于 Y 的抽样分布
4
矩（续）
Y Y 3 E 偏度 skewness = 3
概率论与数理统计总复习
概率论与数理统计总复习1、研究和揭示随机现象 统计规律性的科学。
随机现象：是在个别试验中结果呈现不确定性，但在大量重复试验中结果又具有统计规律性的现象。
2、互斥的或互不相容的事件：A B φ⋂=3、逆事件或对立事件：φ=⋂=⋃B A S B A 且4、德∙摩根律：B A B A ⋂=⋃，B A B A ⋃=⋂5、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/A n n 称为事件A 发生的频率，并记为()n f A 。
6、概率的性质（1）非负性：(A)0P ≥； （2）规范性：(S)1P =；（3）有限可加性：设A 1，A 2，…，A n ，是n 个两两互不相容的事件，即A i A j ＝φ，(i ≠j), i , j ＝1, 2, …, n , 则有∑==ni i n A P A A P 11)()...(（4）()0P φ=；（5）单调不减性：若事件A ⊂B ，则P(B)≥P(A) （6）对于任一事件A ，P(A)≤1 （7）差事件概率：对于任意两事件A 和B ，()()()P B A P B P AB -=-（8）互补性（逆事件的概率）：对于任一事件A ，有 P(A )=1-P(A) （9）加法公式：P(A ⋃B)＝P(A)＋P(B)－P(AB))()()()()()()()(321323121321321A A A P A A P A A P A A P A P A P A P A A A P +---++=⋃⋃7、古典概型中的概率: ()()()N A P A N S =①乘法原理：设完成一件事需分两步， 第一步有n 1种方法，第二步有n 2种方法， 则完成这件事共有n 1n 2种方法。
例：从甲、乙两班各选一个代表。
②加法原理：设完成一件事可有两类方法，第一类有n 1种方法，第二类有n 2种方法，则完成这件事共有n 1+n 2种方法。
概率论与数理统计总复习参考
定义7 （概率的统计定义） 定义8 （概率的公理化定义） 设试验E的样本
空间为Ω，对任意事件A，赋予一实数 P(A)，若
它满足
非负性公理：0≤P(A) ≤1;
规范性公理：P(Ω)=1;
可列可加性公理：若A1, A2, …两两互斥, 则
P ( Ai ) P ( Ai ).
二、随机事件的关系与运算
1. 事件的关系
(1) 包含关系 若事件A发生必然导致事件B发生，则称事件A包含于B，
记为 A B.
(2) 互斥（互不相容）： 若两个事件A、B不可能同时发生，则称事件A与B互斥 （互不相容）. 必然事件与不可能事件互斥; 基本事件之间是互斥的.
2. 事件的运算
(1) 事件的并（和） 若C表示“事件A与事件B至少有一个发生”这一事件，
fY
(
y)
f
X
[h(
y)] | 0,
h(
y)
|,
y ,
其他.
第三章 二维随机变量及其分布
1. 二维随机变量
(X, Y )：X, Y 是定义在同一样本空间 上的两个随机变量.
2. 联合分布函数、性质 F(x, y) =P{X x, Y y}, (任意实数x, y).
3. 边缘分布函数 FX (x) = F(x, +), FY (y) = F(+, y).
P p1
p2 … pn …
注 ：如果 g( xk ) 中有些项相同，则需将它们 作适当并项.
(2) 连续型随机变量函数的分布 (i) 定义法
FY ( y) P{Y y} P{g( X ) y}
{ x|g( x) y} f X ( x)dx.
概率论与数理统计复习资料
自考04183概率论与数理统计(经管类)笔记-自考概率论与数理统§1.1 随机事件1.随机现象：确定现象：太阳从东方升起，重感冒会发烧等；不确定现象：随机现象：相同条件下掷骰子出现的点数：在装有红、白球的口袋里摸某种球出现的可能性等；其他不确定现象：在某人群中找到的一个人是否漂亮等。
结论：随机现象是不确定现象之一。
2.随机试验和样本空间随机试验举例：E1：抛一枚硬币，观察正面H、反面T出现的情况。
E2：掷一枚骰子，观察出现的点数。
E3：记录110报警台一天接到的报警次数。
E4：在一批灯泡中任意抽取一个，测试它的寿命。
E5：记录某物理量（长度、直径等）的测量误差。
E6：在区间[0，1]上任取一点，记录它的坐标。
随机试验的特点：①试验的可重复性；②全部结果的可知性；③一次试验结果的随机性，满足这些条件的试验称为随机试验，简称试验。
样本空间：试验中出现的每一个不可分的结果，称为一个样本点，记作。
所有样本点的集合称为样本空间，记作。
举例：掷骰子：＝{1，2，3，4，5，6},＝1，2，3，4，5，6；非样本点：“大于2点”，“小于4点”等。
3.随机事件：样本空间的子集，称为随机事件，简称事件，用A,B,C,…表示。
只包含一个样本点的单点子集{}称为基本事件。
必然事件：一定发生的事件，记作不可能事件：永远不能发生的事件，记作4.随机事件的关系和运算由于随机事件是样本空间的子集，所以，随机事件及其运算自然可以用集合的有关运算来处理，并且可以用表示集合的文氏图来直观描述。
（1）事件的包含和相等包含：设A，B为二事件，若A发生必然导致B发生，则称事件B包含事件A，或事A包含于事件B，记作，或。
性质：例：掷骰子，A：“出现3点”，B：“出现奇数点”，则。
注：与集合包含的区别。
相等：若且，则称事件A与事件B相等，记作A＝B。
（2）和事件概念：称事件“A与B至少有一个发生”为事件A与事件B的和事件，或称为事件A与事件B的并，记作或A＋B。
概率论与数理统计复习汇总
第二章：随机变量及其相关内容
基本概念：随机变量、分布律、概率密度、分布函数 随机变量：设随机试验的样本空间为 S = {e}, X = X (e) 是定义在样本空间 S 上的
实值单值函数，称 X = X (e) 为随机变量. ( 样本点到数的对应法则) 随机变量的分类：离散型随机变量和连续型随机变量(基于 r.v. 的取值类型) 离散型随机变量 取值为有限个或者无限可列个的随机变量 分布律 若 r.v. X 的取值为 x1, x2 , , xn , 对应概率值为 p1, p2 , , pn , ，即
(1) 任取一件产品为次品的概率是多少？ (2) 已知取得的产品为次品，求此次品来自甲厂生产的概率是多少？ 2. 人们为了了解一支股票未来一定时期内价格的变化，往往会去分析影响股票 价格的基本因素，比如利率的变化. 现假设人们经分析评估知利率下降的概率为 60%，利率不变的概率为 40%.根据经验，人们估计，在利率下调的情况下，该
一个划分.或者 B1, B2 , , Bn 为一个完备事件组.
全概率公式：设设 S 为随机试验 E 的样本空间， B1, B2, , Bn 为一个完备事件组，
则有 P( A) = P(B1)P( A B1) + P(B2 )P( A B2 ) + + P(Bn )P( A Bn )
Bi 称为原因， A 称为结果；全概率公式由原因找结果； 贝叶斯公式： 由结果找造成的原因
运算规律：德摩根律 AB = A ∪ B; A ∪ B = AB
加法原理： n1 + n2 + + nm (分类)，乘法原理： n1 ⋅ n2 ⋅ ⋅ nm (分步)
概率论与数理统计复习
一般正态分布的标准化
定理 设 X ~ N(, 2), 则 Y ~ N(0, 1).
Y X ,
结论:
若 X ~ N(, 2),
则
F(x)
x
例
设 X ~ N(10, 4),
求 P(10<X<13), P(|X10|<2).
解: P(10<X<13) = (1.5)(0) = 0.9332 0.5 = 0.4332
第一章 随机事件与概率
1、随机事件的表示， 由简单事件的运算表达复杂事件； 2、概率的运算性质，如加法公式，减 法公式，乘法公式等； 3、条件概率公式，全概率公式，贝叶 斯公式； 4、事件独立性定义
例. 试用A、B、C 表示下列事件：
① A 出现； A ② 仅 A 出现；ABC ③ 恰有一个出现；ABC ABC ABC
条件概率 乘法公式
全概率公式的例题
• 甲口袋有a只白球、b只黑球；乙口袋有n只白球、 m只黑球. 从甲口袋任取一球放入乙口袋，然后 从乙口袋中任取一球，求从乙口袋中取出的是白 球的概率.
• 概率为：
a n1 b n ab nm1 ab nm1
已知“结果” ，求“原 因”
第二章 随机变量及其分布
1、会由随机变量的已知分布律或密度函数求出 其分布函数； 2、六种重要分布的分布律和密度函数； 3、有关正态分布的概率计算； 4、会求随机变量函数的分布；
一、分布函数、分布律、密度函数、概率之间关系
例 已知 X 的分布列如下：
X0 1 2 P 1/3 1/6 1/2
求 X 的分布函数.
f
X
(h(
y)) | 0,
大学概率论与数理统计复习资料
知识点：概率的性质事件运算古典概率常用公式(2)P(A BP P(A) P(B)- P(AB)(加法定理)nnP(U A) Y p(A)i d innP(U A)=l-n [1-P(A)]i di d(3) P(B/A)二 P(AB)/P(A) (4)P(AB)二 P(A)P(B/A)二P(B)P(A/B) P(AB)二 P(A)P(B) (A 与B 独立时)P(AB)二0(A,B 互不相容时)(5) P (A- Bp P(ABp P(A)- P(AB)P(A- B)二 P(AB)二 P(A) - P(B)(当B A 时)n(6) P (B)八 P(A i )P(B/A i )(全概率公式)i=1(其中A ,,A 2 A n 为"的一个划分,且P(A i 0)) (7) P (A /B) = nP(A)P(B/A)(逆概率公式)迟 P(A i )P(B/A)事件的独立性条件概率全概率与贝叶斯公式(1)P(Ap r/nP(AP L(A)/L(S)（设A,4…A 两两互斥,有限可加性）（A ，4, A 相互独立时）i =1应用举例1、已知事件A, B 满足P(AB) = P(AB),且P(A) = 0.6 ,贝卩P(B)=()。
2、已知事件A,B 相互独立，P(A) =k, P(B) =0.2, P(0 B)=0.6，贝k - ()。
3、已知事件A,B 互不相容，P(A) =0.3, P(B) = 0.5,则 P(A B)=()。
4、若P(A) =0.3, P(B)=0.4 ,P(AB) = 0.5, P(BA B)=( )。
5、A, B,C是三个随机事件，C B，事件AUC - B与A的关系是6、5张数字卡片上分别写着1, 2, 3, 4, 5,从中任取3张，某日他抛一枚硬币决定乘地铁还是乘汽车。
(1 )试求他在5:40〜5:50到家的概率；(2)结果他是5:47到家的。
试求他是乘地铁回家的概率。
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。
(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)
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。
概率论与数理统计复习资料
2）矩估计、最大似然估计；
3)无偏估计、有效估计 ； 4)求置信区间； 5)假设检验。
概率论与数理统 计复习课
（统计部分）
第五章
“大数定律和中心极限定理”
“切比雪夫不等式”
16 ♀设 n 是 n 次独立重复试验中事件A出现的次数，
♀随机变量X 满足：E(X)=，D(X)=2,则由切比雪夫 1 不等式有 P{| X | 4}
2
（Ｃ） S
2 2
2 （Ｄ） vS 服从自由度为v的分布
服从自由度为 n 的分布
2
2
2
7.设随机变量 X ~ N 0,1和Y ~ N 0,2,并相互独 立, 则（ ） 2 1 2 2 2 (Ａ) X Y 服从 分布 3 3 2 1 1 (Ｂ) X 2 Y 2 服从 分布 2 2 2 1 2 (Ｃ) X Y 服从 分布
本，则 ( X i X ) /
2 2 i 1
( n 1)
2
2
2.设总体X N (0,22 ) , X 1 , X 2 , X 3 , X 4 为来自
X的一个样本,设 Y a( X1 2 X 2 ) b(3 X 3 4 X 4 ) ,
2
则当a =1/20，b=1/100 时Y 服从
1 n
i 1
n
( X i ) 2 是2的最大似然估
计量
2e 2( x ) , x 13 设总体X的概率密度为 f ( x ) 0, x 其中 > 0是未知参数. X1, X2,…,Xn 是来自X的样本.
求 的矩 估计量及最大似然估计量, 并判断它们是否 是 的无偏估计量.
概率论与数理统计期末考试复习
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;
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；
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;
②运算：
结合率：ABC=ABC A∪B∪C=A∪B∪C
分配率：AB∪C=A∪C∩B∪C A∪B∩C=AC∪BC
7 概率 的公 理化 定义
2° PΩ =1
3° 对于两两互不相容的事件 A1, A2 ,…有 常称为可列完全可加性;
则称 PA 为事件 A 的概率;
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
PA=(1) (2 ) (m ) = P(1) P(2 ) P(m )
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：
1° f (x) 0 ;
2° f (x)dx 1;
3 离散与 积分元 f (x)dx 在连续型随机变量理论中所起的作用与
连续型 P(X xk) pk 在离散型随机变量理论中所起的作用相类似; 随机变
用;
Φ-x＝1-Φx 且 Φ0＝ 1 ;
范文：概率论与数理统计复习
概率论与数理统计复习概率论与数理统计复习一、概率论的基本概念：1、事件的运算律：交换律：，；结合律：，；分配律：，；德·摩根法则：，；减法运算：。
2、概率的性质：性质1；性质2（有限可加性）当个事件两两互不相容时，；性质3对于任意一个事件，；性质4当事件满足时，，；性质5对于任意两个随机事件，；性质6对于任意一个事件；性质7（广义加法法则）对于任意两个事件，。
3、条件概率：在已知发生的条件下，事件的概率为：（）。
注意：所有概率的性质对条件概率依然适用，但使用公式必须在同一条件下进行。
4、全概率公式与贝叶斯公式：设个事件构成样本空间的一个划分，是一个事件，当（）时，全概率公式：；贝叶斯公式：当时，，。
应用全概率公式和贝叶斯公式计算事件的概率或其在已知条件下的条件概率时，关键的问题是找到一个完备事件组，使得能且仅能与之一同时发生，然后运用古典概型、概率的加法和乘法法则计算出和，，并套用全概率公式或贝叶斯公式即可。
若一个较复杂的事件是由多种“原因”产生的样本点构成时，多考虑用全概率公式，而这些样本点就构成一个完备事件组；若已知试验结果而要追查“原因”时，往往使用贝叶斯公式，这些“原因”的全体即是所求的完备事件组。
5、随机事件的独立性：事件独立性的结论：（1）事件与独立；（2）若事件与独立，则与，与，与中的每一对事件都相互独立；（3）若事件与独立，且，，则，；（4）若事件相互独立，则；（5）若事件相互独立，则。
注意：（1）事件相互独立只要求满足，而事件互斥（互不相容）只要求，这两个概念前一个与事件的概率有关，后一个与事件有关，两者之间没有必然的联系；（2）如果事件相互独立，则与不相关，反之一般不成立。
（3）对于任意个随机事件，相互独立则两两独立，反之未必；（4）对于任意个相互独立的随机事件，它们中任意一部分事件的运算结果（和、差、积、逆等）与其他一部分事件或它们的运算结果都相互独立，如：与，与，与都相互独立；6、贝努利概型与二项概率公式：设一次试验中事件发生的概率为，则重贝努利试验中，事件恰好发生次的概率为，。
概率论与数理统计复习
概率统计综合复习一一、填空：1．已知()0.3,()0.5,(/)0.2P A P B P A B ===,则()P A B ⋃= _ ___。
2．设某批产品有4%是废品，而合格品中的75%是一等品，则任取一件产品是一等品的概率是 。
3．设1231()()()3P A P A P A ===，且三事件123,,A A A 相互独立，则三事件中至少发生一个的概率为 ，三事件中恰好发生一个的概率为 。
4．袋中装有1个黑球和2个白球，从中任取2个，则取得的黑球数X 的分布函数()F x = ，()E X = 。
5．设X (4,0.5),b Y 在区间[0,2] 上服从均匀分布，已知X 与Y 相互独立，则(3)D X Y -= _ _。
6．设2(2,)X N σ ，且{0}0.2P X ≤=,那么{24}P X <<= _ ___。
7．设随机变量X 服从参数为2的泊松分布，用切比雪夫不等式估计：{24}P X -≥≤ 。
8．设一批产品的某一指标2(,)X N μσ ，从中随机抽取容量为25的样本，测得样本方差的观测值2100s =，则总体方差2σ的95%的置信区间为 。
二、单项选择：1．甲、乙二人射击，A 、B 分别表示甲、乙击中目标，则AB 表示（ ）。
A.两人都没击中B.至少一人没击中C.两人都击中D.至少一人击中2．设,A B 为两个随机事件，且，则下列式子正确的是（ ）A.()()P A B P A ⋃=B.()()P AB P A =C.(/)()P B A P B =D.()()()P B A P B P A -=- 3．设123,(,4)X X X N μμ,是来自总体的样本，未知参数的下列无偏估计量中最有效的是 （ ）.A.123111424X X X ++ B. 131122X X + C. 123122555X X X ++ D. 123111333X X X ++ 4．设某种电子管的寿命X ，方差为()D X a =，则10个电子管的平均寿命X 的方差()D X 是（ ） A ．a B. 10a C. 0.1a D. 0.2a5．在假设检验问题中，犯第一类错误是指（ ）A ．原假设0H 成立，经检验接受0HB ．原假设0H 成立，经检验拒绝0HC ．原假设0H 不成立，经检验接受0HD ．原假设0H 不成立，经检验拒绝0H 三、设一批混合麦种中一、二、三、四等品分别占60%、20%、15%、5%，，四个等级的发芽率依次为,0.98，0.95，0.9，0.85 求：1．这批麦种的发芽率；2．若取一粒能发芽，它是二等品的概率是多少？四、已知随机变量X 的概率密度函数为,01()0,cx x f x ⎧≤<=⎨⎩其它，求：1．常数c ； 2．{0.40.7}P X <≤； 3．方差()D X五、设二维随机变量(,)X Y 的联合密度函数(2)2,0,0(,)0x y e x y f x y -+⎧>>=⎨⎩，其它 ，1．求,X Y 的边缘密度函数；2．判断,X Y 是否相互独立、是否不相关；3．求概率{1}P X Y +≤六、设总体X 的密度函数为(1),01()0,x x f x θθ⎧+<<=⎨⎩其它，其中0θ>是未知参数，12,,,n X X X 是从该总体中抽取的一个样本，12,,,n x x x 是其样本观测值，试求参数θ 的最大似然估计量。
《概率论与数理统计》总复习资料
《概率论与数理统计》总复习资料概率论部分1．古典概型中计算概率用到的基本的计数方法。
例1：袋中有4个白球，5个黑球，6个红球，从中任意取出9个球，求取出的9个球中有1个白球、3个黑球、5个红球的概率.解：设B ＝｛取出的9个球中有1个白球、3个黑球、5个红球｝样本空间的样本点总数：915C n ==5005事件B 包含的样本点：563514C C C r ==240，则P (B )=240/5005=0.048例2：在0～9十个整数中任取四个，能排成一个四位偶数的概率是多少？解：考虑次序.基本事件总数为：410A =5040，设B ={能排成一个四位偶数}。
若允许千位数为0，此时个位数可在0、2、4、6、8这五个数字中任选其一，共有5种选法；其余三位数则在余下的九个数字中任选，有39A 种选法；从而共有539A =2520个。
其中，千位数为0的“四位偶数”有多少个？此时个位数只能在2、4、6、8这四个数字中任选其一，有4种选法；十位数与百位数在余下的八个数字中任选两个，有28A 种选法；从而共有428A =224个。
因此410283945)(A A A B P -==2296/5040=0.4562．概率的基本性质、条件概率、加法、乘法公式的应用；掌握事件独立性的概念及性质。
例1：事件A 与B 相互独立，且P (A )=0.5，P (B )=0.6，求：P (AB )，P (A －B )，P (A B )解：P (AB )=P (A )P (B )=0.3，P (A －B )=P (A )－P (AB )=0.2，P (A B )=P (A )＋P (B )－P (AB )=0.8例2：若P (A )=0.4，P (B )=0.7，P (AB )=0.3，求：P (A －B )，P (A B )，)|(B A P ，)|(B A P ，)|(B A P 解：P (A －B )=0.1，P (A B )=0.8，)|(B A P =)()(B P AB P =3/7，)|(B A P =)()()()()(B P AB P B P B P B A P -==4/7，|(B A P =)(1)()()(B P B A P B P B A P -==2/33．准确地选择和运用全概率公式与贝叶斯公式。
(完整版)概率论与数理统计复习提纲
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：
概率论与数理统计期末复习知识点
fZ(z)
f (z y, y)dy
f (x, z x)dx
当X 和Y 相互独立:卷积公式
fZ (z) f X ( x) fY (z x)dx
f X (z y) fY ( y)dy
(2) 当X 和Y 相互独立时:
M = max(X,Y ) 的分布函数
Fmax(z) P{M z} FX (z)FY (z)
E(Y ) E[g( X )] g( xk )pk k 1
(1-3)设( X,Y ) 离散型随机变量. 分布律为：
P{X xi , Y y j } pij i, j 1,2,
若 Z=g(X,Y)（g为二元连续函数）
则 E(Z ) E[g( X ,Y )]
g( xi , y j )pij
(2) 连续型随机变量的分布函数的定义
x
F ( x) f (t)dt
f(x)的性质
1. f (x) 0
2. f ( x)dx 1
3. P{x1 X x2}
x2 f ( x)dx
x1
4. F( x) f ( x)，在f ( x)的连续点.
⁂ 三种重要的连续型随机变量
(一)均匀分布
pi1
p•1
pi2
p•2
pij pi•
p• j 1
性质：
1 0 pij 1
2
pij 1.
j 1 i1
2.边缘分布律
3. 独立性
pij pi• p• j , ( i, j 1,2, )
4.分布函数 ( x, y) R2
F ( x, y) pij xi x yjy
n
n
则
Ai Ai
Ai Ai
i 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、"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)。
样本方差
1 n 2 样本标准差 S ( Xi X ) n 1 i 1
一、样本及抽样分布
• 1、抽样分布的常用统计量 样本k阶原点矩——
1 n k Ak X i n i 1
样本k阶中心矩——
k=1,2,…
1 n Bk ( X i X ) k n i 1
一、样本及抽样分布
g( A1 , A2 ,
P , Ak ) g( μ1 , μ2 , , μk )
其中 g 为连续函数 .
这表明 , 当样本容量很大时 , 在统计上 , 可以用 用样本矩去估计总体矩这一事实导出矩估计法. 定义 用样本原点矩估计相应的总体原点矩 , 又 用样本原点矩的连续函数估计相应的总体原点矩的
2、随机变量及其分布
3. 泊松分布
P( X k )
k
k!
e , k 0,1,2,,
2、随机变量及其分布
二、分布函数
F ( x ) P ( X x ) ( x )
F ( x) P( X x)
xk x
p
k
2、随机变量及其分布
三、连续性随机变量及其概率密度
θ( X1 , , X n ) 称为 θ 的最大似然估计量 .
求最大似然估计(MLE)的一般步骤是： (1) 由总体分布导出样本的联合分布率(或联 合密度); (2) 把样本联合分布率 ( 或联合密度 ) 中自变 量看成已知常数,而把参数 看作自变量,得到似然 函数L( );
(3) 求似然函数L( ) 的最大值点(常常转化为 求ln L( )的最大值点) ，即 的MLE; (4) 在最大值点的表达式中, 用样本值代入就 得参数的最大似然估计值 .
a
b
2、随机变量及其分布
(2) 指数分布
1 x θ e , x 0, f x θ 其它, 0,
1 e x / , x 0 F ( x ) P X x 其它 0,
2、随机变量及其分布
(3)正态分布
X ~ N ( , )
2）t 分布
定义: 设X～N(0,1) , Y～
(n) , 且X与Y相互
2
独立，则称变量
t
X Y n
所服从的分布为自由度为 n的 t 分布.
记为 t ~ t ( n). t分布又称为学生氏分布.t ( n)分布的
概率密度函数为：
[( n 1) 2] t h( t ) (1 ) ( n 2 ) n n
最大似然估计原理：
设X1,X2,…Xn是取自总体X的一个样本，样本 的联合密度(连续型）或联合分布律 (离散型)为 f (x1,x2,… ,xn ; ) . 当给定样本X1,X2,…Xn时，定义似然函数为：
L( ) f (x1, x2 ,…, xn; )
这里 x1, x2 ,…, xn 是样本的观察值 .
2、估计量的评选标准 1）无偏性
估计量是随机变量，对于不同的样本值会得到 不同的估计值 . 我们希望估计值在未知参数真值附 近摆动，而它的期望值等于未知参数的真值. 这就 导致无偏性这个标准 .
ˆ( X ,, X ) 是未知参数 的估计量，若 设 1 n
E (ˆ)
ˆ为 的无偏估计 . 则称
似然函数：
L( ) f (x1,x2,…, xn; )
L( )看作参数 的函数，它可作为 将以多大可 能产生样本值 x1, x2,… ,xn 的一种度量 .
最大似然估计法就是用使 L( )达到最大值的 ˆ去估计 .
ˆ) max L( ) L(
ˆ 称 为 的最大似然估计值 . 而相应的统计量
1、概率的基本概念
一、概念
• 概率论与数理统计是研究随机现象的统计规律性的
一门学科。
• 随机试验E：试验可在相同条件下重复进行，试验
的结果具有多种可能性。 • 样本点e ：随机试验E的每一个可能出现的结果。 • 样本空间S：随机试验E的样本点的全体。
1、概率的基本概念
一、概念
• 随机事件-----由样本空间中的若干个样本点组成 的集合，即随机事件是样本空间的一个子集。 • 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。
2）有效性
ˆ ˆ ( X ,, X ) ˆ ( X ,, X ) 和 ˆ 设 2 2 1 n 1 1 n 1
都是参数 的无偏估计量，若对任意 ， θ
ˆ ) ≤D( ˆ) D( 1 2
且至少对于某个 θ 上式中的不等号成立，
p1 j
P(X1)
x2 p21 p22
p2 j
P(X2)
xi pi 1 pi 2
pij
P(Xi)
P(Y) P(Y1) P(Y2) P(Yj)
五、连续型随机变量的边缘概率密度
f X ( x ) f ( x, y )dy
fY ( y ) f ( x , y )dx
六、离散型随机变量的条件分布
1、概率的基本概念
二、等可能概型（古典概ຫໍສະໝຸດ ） 古典概型的前提是S={e1, e2, e3,…, en,}, n为有限正整数， 且每个样本点ei出现的可能性相等。
1 P e i , i 1,2 , , n . n
P A P ei1
Pe Pe
• 2、三大抽样分布
1）
2 分布
2
分布是由正态分布派生出来的一种分布.
定义: 设 X 1 , X 2 ,, X n 相互独立, 都服从正态分布 N(0,1), 则称随机变量：
X X2 Xn
2 2 1 2
2
所服从的分布为自由度为 n 的 记为
2
分布.
~ (n)
2 2
概率论与数理统计
复习
• 平时：20%；
• 考试：80%；（7：50～9：30） 题型：
1、填空题——10题×4=40分； (5题概念，5题小计算）
2、计算题——4题×15=60分。
（概率；数学期望与方差；参数估计；假设检验）
概率论部分
• 1、概率的基本概念
• 2、随机变量及其分布 • 3、多维随机变量及其分布 • 4、随机变量的数字特征
2 n 1 2
t
3）F分布
定义: 设 U ~ 2 ( n1 ),V 独立，则称随机变量
~ ( n2 ), U
2
与V 相互
U n1 F V n2
服从自由度为n1及 n2 的F分布，n1称为第自 由度，n2称为第二自由度，记作
F~F(n1,n2) .
由定义可见，
1 V n2 ~F(n2,n1) F U n1
数理统计部分
• 一、样本及抽样分布； • 二、参数估计； • 三、假设检验。
一、样本及抽样分布
• 1、抽样分布的常用统计量 样本平均值
1 n X Xi n i 1 n 1 2 S2 ( X X ) i n 1 i 1
1 n 2 2 X n X i n 1 i 1
四、方差
D(X)=E[X-E(X)]2
D(X)=E(X2)-[E(X)]2
课本例题参考
• • • • • • • P10～14：例1～例8； P10～20：例1～例8； P39～41：例1、例2； P42～50：例1～例3； P50～54：例1～例5； P91～100：例1～例13； P101～104：例1～例7.
3、多维随机变量及其分布
一、二维随机变量的分布函数
y y
F x, y P X x Y y P X x ,Y y
x, y
x
Y O
X ,Y
X
x
二、二维离散型随机变量
P( X xi ,Y y j ) pij, i , j 1,2,
1、概率的基本概念
全概率公式
P A P Bi P A | Bi i 1
n
贝叶斯公式 P( Bi | A) P( Bi ) P( A｜Bi )
P( B ) P( A｜B )
j 1 j j
n
2、随机变量及其分布
一、离散型随机变量及其分布
P{ X xk } pk , k 1, 2,
i=1,2, … ,k j=1,2,…,k
θ j θ j ( μ1 , μ2 ,
那么用诸 μi 的估计量 Ai 分别代替上式中的诸 μi ,
即可得诸 θ j 的矩估计量 ：
ˆ θ (A , A , θ j j 1 2
, Ak )
j=1,2,…,k
矩估计量的观察值称为矩估计值 .
2）最大似然法
X
x1 p1
x2 p2
xk pk
pk
2、随机变量及其分布
1、（0-1）分布：（也称两点分布）
PX k p 1 p
k
1 k
, k 0,1
1 p
0
p 1
或
X P
0 1－p
2、二项分布：X~b(n,p)
k k P( X k ) Cn p (1 p)nk ， k 01 ， ， ，n
F x
x
f t dt P X x
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 .
2、随机变量及其分布
（1）均匀分布
X ～ U(a, b)
f ( x)
1 , a xb f ( x) b a 其它 0,
连续函数, 这种参数点估计法称为矩估计法 .