04183概率论与数理统计(经管类)基础知识
概率论与数理统计
04183 概率论与数理统计(经管类)一 、单选题1、将一枚硬币连抛两次,则此随机试验的样本空间为 【 】 A:{(正,正),(反,反),(一正一反)}B:{ (反,正),(正,反),(正,正),(反,反)} C:{一次正面,两次正面,没有正面}D:{先得正面,先得反面} 做题结果:A 参考答案:B.{ (反,正),(正,反),(正,正),(反,反)}2、若AB ≠Φ,则下列各式中错误的是【 】A:P(AB)>=0B:P(AB)<=1 C:P(A+B)=P(A)+P(B) D:P(A-B)<=P(A) 做题结果:A 参考答案:C.P(A+B)=P(A)+P(B)3、袋中有a 个白球,d 个黑球,从中任取一个,则取得白球的概率是 【 】A:1/2B:1/(a+d) C:a/(a+d) D:d/(a+d)做题结果:A 参考答案:C.a/(a+d)4、四人独立地破译一份密码,已知各人能译出的概率分别为1/5,1/4,1/3,1/6则密码最终能被译的概率为 【 】B:1/2A:1C:2/5 D:2/3做题结果:A 参考答案:D.2/35、已知P(A)=P(B)=P(C)=1/4,P(AB)=0,P(AC)=P(BC)=1/16,则事件A,B,C全不发生的概率为【】B:3/8A:1/8C:5/8 D:7/8做题结果:A 参考答案:B.3/86、设X服从[1,5]上的均匀分布,则【】B:P{3<X< 4>A:P{a<=X<=b}=(b-a)/4C:P{0<X<> D:P{-1<X<=3}=1 td < 2>做题结果:A 参考答案:D.P{-1<X<=3}=1 td < 2>7、B:P(B-A)>=0A:B未发生A可能发生C:P(A)<=P(B) D:B发生A可能不发生做题结果:A 参考答案:A.B未发生A可能发生8、B:A与B相容A:A与B不相容C:A与B不独立D:A与B独立做题结果:A 参考答案:D.A与B独立9、B:0.2A:0C:0.3 D:0.5做题结果:A 参考答案:C.0.310、设F1(x)与F2(x)分别是随机变量X与Y的分布函数,为使aF1(x)-bF2(x)是某个随机变量的分布函数,则a,b的值可取为【】B:a=2/3,b=2/3A:a=3/5,b=-2/5C:a=-1/2,b=3/2 D:a=1/2,b=-3/2做题结果:A 参考答案:A.a=3/5,b=-2/511、X为随机变量,E(X)=-1,D(X)=3,则E[3(X2)+20]= 【】B:9A:18C:30 D:32做题结果:C 参考答案:D.3212、X,Y独立,且方差均存在,则D(2X-3Y)= 【】B:4DX-9DYA:2DX-3DYC:4DX+9DY D:2DX+3DY做题结果:C 参考答案:C.4DX+9DY13、设X1,X2,……,X n是来自总体X的简单随机样本,则X1,X2,……,X n必然满足【】B:分布相同但不相互独立A:独立同分布C:独立但分布不同D:不能确定做题结果:A 参考答案:A.独立同分布14、B:0.4A:0C:0.8 D:1做题结果:A 参考答案:D.115、袋中有c个白球,d个黑球,从中任取一个,则取得白球的概率是【】B:1/(c+d)A:1/2C:c/(c+d) D:d/(c+d)做题结果:A 参考答案:C.c/(c+d)16、从标号为1,2,…,101的101个灯泡中任取一个,则取得标号为偶数的灯泡的概率为【】B:51/101A:50/101C:50/100 D:51/100做题结果:C 参考答案:A.50/10117、四人独立地破译一份密码,已知各人能译出的概率分别为1/2,1/4,1/3,1/5,则密码最终能被译的概率为【】B:1/2A:1C:4/5 D:2/3做题结果:A 参考答案:C.4/518、已知P(A)=P(B)=P(C)=1/8,P(AB)=0,P(AC)=P(BC)=1/16,则事件A,B,C全不发生的概率为【】B:3/8A:3/4C:5/8 D:7/8做题结果:C 参考答案:A.3/419、设X服从[1,5]上的均匀分布,则【】B:P{3<X< 2>A:P{a<=X<=b}=(b-a)/4C:P{0<X<> D:P{-1<X<=3}=1 td < 4>做题结果:C 参考答案:B.P{3<X< 2>20、A:0.2B:0.4C:0.8 D:1做题结果:C 参考答案:A. 0.221、设F1(x)与F2(x)分别是随机变量X与Y的分布函数,为使aF1(x)-bF2(x)是某个随机变量的分布函数,则a,b的值可取为【】A:a=3/5,b=-4/5B:a=2/3,b=2/3C:a=-1/2,b=3/2 D:a=1/2,b=-1/2做题结果:C 参考答案:D.a=1/2,b=-1/222、下列叙述中错误的是【】A:联合分布决定边缘分布B:边缘分布不能决定联合分布C:边缘分布之积即为联合分布D:两个随机变量各自的联合分布不同,但边缘分布可能相同做题结果:C 参考答案:C.边缘分布之积即为联合分布24、下列叙述中错误的是【】A:联合分布决定边缘分布B:边缘分布不能决定联合分布C:两个随机变量各自的联合分布不同,但边缘分布可能相同D:边缘分布之积即为联合分布做题结果:C 参考答案:D.边缘分布之积即为联合分布25、下列关于“统计量”的描述中,不正确的是【】A:统计量为随机变量B:统计量是样本的函数C:统计量表达式中不含有参数D:估计量是统计量做题结果:C 参考答案:C.统计量表达式中不含有参数26、已知D(X)=4,D(Y)=25,Coν(X,Y)=4,则ρXY= 【】A:0.004B:0.04C:0.4 D:4做题结果:A 参考答案:C.0.427、设X1,X2,……,X n是来自总体X的简单随机样本,则X1,X2,……,X n必然满足【】A:独立但分布不同B:分布相同但不相互独立C:独立同分布D:不能确定做题结果:C 参考答案:C.独立同分布28、X,Y独立,且方差均存在,则D(3X-4Y)= 【】B:9DX-16DYA:9DX+16DYC:3DX-4DY D:3DX+4DY做题结果:A 参考答案:A.9DX+16DY29、设事件A,B相互独立,且P(A)=1/3,P(B)>0,则P(AㄧB)= 【】B:1/5A:1/15C:4/15 D:1/3做题结果:A 参考答案:D.1/330、袋中有a个白球,d个黑球,从中任取一个,则取得白球的概率是【】B:1/(a+d)A:1/2C:a/(a+d) D:d/(a+d)做题结果:A 参考答案:C.a/(a+d)31、B:P(A)A:1C:P(B) D:P(AB)做题结果:C 参考答案:A.132、四人独立地破译一份密码,已知各人能译出的概率分别为1/5,1/4,1/7,1/6,则密码最终能被译的概率为【】B:1/2A:1C:3/7 D:4/7做题结果:A 参考答案:D.4/7已知P(A)=P(B)=P(C)=1/5,P(AB)=0,P(AC)=P(BC)=1/25则事件A,B,C全不发生的概率为【】B:12/25A:1/25C:15/25 D:13/25做题结果:A 参考答案:B.12/2534、B:0.6A:0.5C:0.66 D:0.7做题结果:A 参考答案:C.0.6635、B:1/2A:1/6C:2/3 D:1做题结果:A 参考答案:C.2/336、设随机变量X与Y独立同分布,它们取-1,1两个值的概率分别为1/4,3/4,则P{XY=-1}= 【】B:3/16C:1/4 D:3/8做题结果:A 参考答案:D.3/837、设X服从[1,5]上的均匀分布,则【】A:P{a<=X<=b}=(b-a)/4B:P{3<X< 2>C:P{0<X<> D:P{-1<X<=3}=3 td < 4>做题结果:A 参考答案:B.P{3<X< 2>38、A:0B:0.2C:0.3 D:0.5做题结果:C 参考答案:D.0.539、设F1(x)与F2(x)分别是随机变量X与Y的分布函数,为使aF1(x)-bF2(x)是某个随机变量的分布函数,则a,b的值可取为【】A:a=3/5,b=2/5B:a=2/3,b=-1/3C:a=-1/2,b=3/2 D:a=1/2,b=-3/2做题结果:A 参考答案:B.a=2/3,b=-1/340、下列叙述中错误的是【】A:联合分布决定边缘分布B:边缘分布不能决定联合分布C:两个随机变量各自的联合分布不同,但边缘分布可能相同D:边缘分布之积即为联合分布做题结果:C 参考答案:D.边缘分布之积即为联合分布41、已知随机变量X服从参数为2的指数分布,则随机变量X的期望为【】A:-1/2B:0C:1/2 D:2做题结果:C 参考答案:C.1/242、下列关于“统计量”的描述中,不正确的是【】A:统计量为随机变量B:统计量是样本的函数C:统计量表达式中不含有参数D:估计量是统计量做题结果:A 参考答案:C.统计量表达式中不含有参数43、X,Y独立,且方差均存在,则D(2X-5Y)= 【】A:2DX-5DYB:4DX-25DYC:4DX+25DY D:2DX+5DY做题结果:A 参考答案:C.4DX+25DY44、设X1,X2,……,X n是来自总体X的简单随机样本,则X1,X2,……,X n必然满足【】A:独立但分布不同B:分布相同但不相互独立C:不能确定D:独立同分布做题结果:A 参考答案:D.独立同分布58、设X~N(μ,4),则B:P{X<=0}=1/2A:(X-μ)/4~N(0,1)C:P{X-μ>2}=1-φ(1) D:μ>=0做题结果:A 参考答案:C.P{X-μ>2}=1-φ(1)59、设随机变量X的分布函数为F(X),下列结论中不一定成立的是【】B:F(-∞)=0A:F(+∞)=1C:0<=F(X)<=1 D:F(X)为连续函数做题结果:A 参考答案:D.F(X)为连续函数60、某人每次射击命中目标的概率为p(0<p<1),他向目标连续射击,则第一次未中第二次命中的概率为【】B:(1-p)(1-p)A:p*pC:1-2p D:p(1-p)做题结果:A 参考答案:D.p(1-p)61、设A与B互不相容,且P(A)>0,P(B)>0,则有【】做题结果:A 参考答案:D.P(A∪B)=P(A)+P(B)62、设A,B,C是三个相互独立的事件,且O<P(C)<1,则下列给定的四对事件中,不独立的是【】,,,做题结果:A 参考答案:C.63、设随机变量X服从参数为λ的泊松分布,且P{X=1}=P{X=2},则P{X>2}的值为e-2,,,做题结果:A 参考答案:B64、(x) ,则Y=-2X+3的密度函数设随机变量X的概率密度函数为fx为【】,,,做题结果:A 参考答案:B 65、设随机事件A与B相互独立,且P(A)>0,P(B)>0,则。
自考04183《概率论数理统计(经管类)》考前密训复习资料
考前复习资料代码:04183科目:概率论数理统计(经管类)目录1、随机事件的关系与计算 (1)2、利用概率的性质计算概率 (1)3、条件概率的定义和公式 (1)4、事件的独立性(概念与性质) (1)5、n重贝努利试验中事件A恰好发生k次的概率公式 (1)6、利用分布函数计算概率的公式 (1)7、连续型随机变量及其概率密度 (1)8、正态分布和一般正态分布的标准化 (2)9、维离散型随机变量联合分布律和边缘分布律 (2)10、二维连续型随机变量的概率密度和边缘概率密度 (2)11、二维随机变量的独立性 (2)12、二维均匀分布、二维正态分布 (3)13、两个随机变量函数的分布 (3)14、随机变量的方差的概念、性质及计算 (3)15、协方差和相关系数 (3)16、独立同分布序列的中心极限定理 (4)17、样本均值、样本方差 (4)18、三大抽样分布 (5)19、参数的矩法估计 (5)20、大似然估计的方法与步骤 (5)21、估计量的无偏性 (5)22、估计量的有效性和相合性 (5)23、假设检验的两类错误 (6)24、用最小二乘法估计回归模型中的未知参数 (6)25、随机事件及其概率 (7)26、概率的定义及其计算 (7)27、分部函数性质 (8)28、离散型随机变量 (8)29、连续型随机变量 (8)30、离散型二维散随机变量边缘分布 (8)31、离散型二维随机变量条件分布 (9)32、连续性二维随机变量的联合分布函数 (9)33、连续型二维随机变量边缘分布函数与边缘密函数 (9)39、二维随机变量的条件分布 (9)40、数学期望 (9)41、数学期望的性质 (9)42、方差 (10)43、方差的性质 (10)44、协方差 (10)45、相关系数 (10)46、协方差和相关系数的性质 (10)47、常见数字分布的期望和方差 (10)48、切比雪夫不等式 (11)49、大数定律 (11)50、中心极限定理 (12)51、总体和样本 (12)52、统计量 (12)53、三大抽样分布 (12)54、参数估计 (13)55、点估计中的矩估计法(总体矩=样本矩) (13)56、点估计中的最大似然估计 (14)1、随机事件的关系与计算事件的包含与相等、和事件、积事件、互不相容、对立事件的概念2、利用概率的性质计算概率)()()()(AB P B P A P B A P -+=⋃,)()()(AB P B P A B P -=-3、条件概率的定义和公式)(B A P )()(B P AB P =4、事件的独立性(概念与性质)定义:若)()()(B P A P AB P =,则称A 与B 相互独立。
概率论与数理统计知识点总结
概率论与数理统计知识点总结概率论和数理统计是现代科学领域中广泛应用的数学分支。
它们研究和揭示了随机现象背后的规律和规则,为科学研究和决策提供了重要的工具。
本文将对概率论和数理统计的一些基本知识点进行总结和概述。
一、概率论概率论是研究随机试验和随机现象的理论。
在概率论中,我们关注的是事件发生的可能性大小,用概率来描述事件的可能性大小。
1.1 事件与样本空间在概率论中,我们首先要确定一个随机试验的所有可能结果构成的集合,这个集合称为样本空间。
样本空间通常用S表示。
当我们关注一个或一组特定的结果时,我们将其称为事件。
1.2 概率概率是描述事件发生可能性的数值,它的取值范围在0到1之间。
当一个事件发生的可能性接近1时,我们说该事件具有很高的概率;反之,当事件发生的可能性接近0时,我们说该事件具有很低的概率。
1.3 基本概率公式在概率论中,我们可以采用不同的方法来计算事件的概率。
基本概率公式是最基本的计算概率的方法。
它表达了事件A在样本空间中所有可能结果的比率。
其计算公式为:P(A) = m/n其中,m表示事件A发生的次数,n表示样本空间中可能结果的总数。
1.4 条件概率条件概率是指在已知事件B发生的条件下,事件A发生的概率。
其计算公式为:P(A|B) = P(A∩B) / P(B)其中,P(A∩B)表示事件A和事件B同时发生的概率,P(B)表示事件B发生的概率。
二、数理统计数理统计是研究如何从样本中推断总体特征的一门学科。
在数理统计中,我们通过对样本数据的搜集和分析,得出总体的统计特征,并对总体做出推论。
2.1 总体和样本在数理统计中,我们关注的是统计总体,它是我们所要研究的对象的全体。
当我们从总体中抽取一部分个体进行研究时,这部分个体称为样本。
通过对样本的分析,我们可以推断出总体的一些特征。
2.2 抽样方法在数理统计中,我们需要选择合适的抽样方法来获得样本数据。
常用的抽样方法包括简单随机抽样、分层抽样、系统抽样等。
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。
2022年自考04183概率论与数理统计(经管类)核心考点资料
(2) =φ,φ=Ω.
(3)A-B=
=A-AB.
在进行事件运算时,经常要用到下述运算律,设 A,B,C 为事件,则有: 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). 对偶律:
, 其中 0<p<1,p+q=1,则称 X 服从参数为 n,p 的二项分布,简记为 X~B(n,p). 泊松分布: 设随机变量 X 的可能取值为 0,1,2,…,n,…,而 X 的分布律为
其中λ>0,则称 X 服从参数为λ的泊松分布,简记为 X~P(λ). 泊松( Poisson)定理设λ>0 是常数,n 是任意正整数,且 npn=λ,则对于任意取定的非负整 数 k,有
当 g(x1),g(x2),…,g(xk),…有相等的情况时,应把使 g(xk)相等的那些 xi 所对应的概率相 加,作为 Y 取 g(xk)时的概率,这样才能得到 Y 的分布律. 设 X 为连续型随机变量,其概率密度为 fx(x).设 g(x)是一严格单调的可导函数,其值域为[α, β]且 g’(x)≠0.记 x=h(y)为 y=g(x)的反函数,则 Y=g(X)的概率密度
.
即当 n 很大很小时,有近似公式
,其中λ=np.
二、随机变量的分布函数 设 X 为随机变量,称函数
F(x)=P{X≤x},x∈(-∞,+∞) 为 X 的分布函数. 当 X 为离散型随机变量时,设 X 的分布律为
pk=P{X=k},k=0,1,2,…
由于
,由概率性质知,
,
即
,
其中求和是对所有满足 xk≤x 时,xk 相应的概率 pk 求和. 分布函数有以下基本性质:
高等教育自学考试概率论与数理统计(经管类04183)复习资料
概率论与数理统计(经管类04183)第一章 随机事件与概率复习要点:一、事件的关系和运算 1.常用表示公式A ,B ,C .至少发生一个;都发生;都不发生;恰好发生一个;至多发生一个. 2.互不相容与对立 3.差的不同表示法 4.特殊关系事件间的运算(1),B A ⊂则.,,,不相容与B A ,A B B A B B A A AB ⊂=-=+=Φ (2)A ,B 互不相容,则.,,,,B A B A B A B A B A AB ⊂=+=-=-=ΩΦ 5.对偶律 画图.二、概率的性质 1.基本性质 2.推论(1)有限可加性 (2))(1)(A P A P -=;(3))()()(,A P B P A B P B A -=-⊂;(4))()()()(AB P B P A P B A P -+=+, )()()(AB P A P B A P -=-,)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++=++ 三、古典概型注意:1.上下一致;2.不重复,不遗漏;3. 事件复杂时考虑对立事件. 四、条件概率 1.条件概率)()()|(A P AB P A B P =2.乘法公式)()()()(),|()()(AB |C P A |B P A P ABC P A B P A P AB P == 3.全概率公式和贝叶斯公式n A A ,,1 —原因,在先,B —结果,在后.时间上的先后,逻辑上的先后.五、事件的独立性 1.定义 2.等价条件 3.n 个事件 4.性质(1)B ,A B A,B A B A ;;;,,独立性等价;(2)n A A ,,1 相互独立.其中一部分必相互独立;若干个换成对立事件仍相互独立;分成几组,各组的运算结果间相互独立.5.利用独立性计算概率),(()()()()(1)(B A)P P B P A P B P A P B A P -+=-=+)()()(B P A P B A P =- )()1)(11n n A P A P(A A P -=++最终化为事件乘积的概率. 6.n 重贝努利试验概率的计算:1.推算题 独立性→条件概率→互不相容→包含→一般2.文字题 独立性→全、逆概公式→条件概率→古典概型第二章 随机变量及其概率分布复习要点: 一、分布函数 1.定义 2.性质3.计算概率二、离散型随机变量 1.概率分布 2.性质求概率分布:(1)先找X 的取值;(2)求X 取每个值的概率(可少求一个). 3.求概率利用概率的可加性. 4.分布函数三、连续型随机变量 1.密度 2.性质求密度中的参数. 3.求概率 4.分布函数 (1)求参数(2)与密度的关系 四、重要分布 1.0—1分布 2.二项分布 3.泊松分布 4.均匀分布6.正态分布对称性,概率的计算.五、随机变量函数的分布1.离散型Y=g(X).先找Y的取值,再利用X的分布律和可加性计算Y的分布概率.2.连续型了解分布函数法第三章多维随机变量及其概率分布复习要点:一、多维随机变量及其分布函数二、离散型随机变量1.概率分布2.性质求概率分布:(1)先找X、Y的取值,得(X,Y)的取值(交叉);(2)求(X,Y)取每个值的概率(可少求一个).3.求概率利用概率的可加性.三、连续型随机变量1.密度2.性质求密度中的参数.3.求概率四、边际分布与独立性1.离散型表上作业.2.连续型注意逆问题:由独立性及边际分布找联合分布.五、重要分布1.二维均匀分布知道何时两分量独立.2.二维正态分布知道边际分布.五、两个随机变量的函数的分布1.离散型Z=X+Y,Z=XY.先找Z的取值,再利用(X,Y)的分布律和可加性计算Z的分布概率.2.两个独立连续型随机变量之和的分布了解卷积公式独立的正态分布的线性组合仍为正态分布.第四章随机变量的数字特征复习要点:1.单个随机变量(1)离散型 (2)连续型n nn p x X E ∑=)( ⎰+∞∞-=xf(x)dx X E )(n nn p x g X g E )()]([∑= ⎰+∞∞-=dx x f x g X g E )()()]([n nnp x X E ∑=22)( ⎰+∞∞-=dx x f x X E )()(222.两个随机变量 (1)离散型ij ij i j p y x g Y X,g E ),()]([∑∑= ij ijij p yx XY E ∑∑=)(∙∑∑∑==i ii ijii jpx p x X E )(j j jij ij jp yp y E(Y ∙∑∑∑==)(2)连续型dy dx y x f y x g Y X,g E ⎰⎰+∞∞-+∞∞-=),(),()]([ dy dx y x f y x XY E ⎰⎰+∞∞-+∞∞-=),()(==⎰⎰+∞∞-+∞∞-dxdy y x xf X E ),()(⎰+∞∞-dx x xf X )( ==⎰⎰+∞∞-+∞∞-dxdy y x f y Y E ),()(⎰+∞∞-dy y f y Y )(建议:用边际分布求各分量的期望及其函数的期望. 3.性质 二、方差 1.定义2.等价公式3.性质随机变量的标准化.三、重要分布的期望、方差 四、协方差 1.定义Cov (X ,Y )=E [X -E (X )]E [Y -E (Y )]),(2)()()(Y X Cov Y D X D Y X D ++=+),(2)()()(Y X abCov Y D b X D a bY aX D 22++=+2.等价公式Cov (X ,Y )=E (XY )-E (X )E (Y )3.性质 五、相关系数 1.定义2.性质3.不相关独立⇒E (XY )=E (X )E (Y )⇔⇔+=±)()()(Y D X D Y X D Cov (X ,Y )=0⇔不相关二维正态分布的特殊性.第五章 大数定律与中心极限定理复习要点:一、切贝雪夫不等式二、大数定律 知道结论.三、中心极限定理1.独立同分布序列的中心极限定理).,(~2n1i i n n N X σμ∑=)()(21σμΦn n a a X P ni i -≈≤∑=2.棣—拉中心极限定理X ~B (n ,p ).X ~N (np ,np (1-p )).).)1(()(p np np a a X P --≈≤Φ第六章 统计量及其抽样分布复习要点:一、概念 1.总体与样本 2.统计量定义;样本均值、样本方差、样本标准差、样本矩(了解). 二、几种统计量的分布 1.2χ分布(1)构造;(2)可加性;(3)分位数. 2.t 分布(1)构造;(2)对称性;(3)分位数. 3.F 分布(1)构造;(2)倒数;(3)分位数. 三、正态总体的抽样分布 单正态总体第七章 参数估计本章重点: 一、点估计 1.矩估计一个参数θ.(1))(θμg EX ==;(2) )ˆ(ˆθμg =;(3)解出θˆ. 2.极大似然估计一个参数θ.(1));(θ∏==n1i i x p L ;(2) lnL ;(3)0d dlnL=θ;(4)解出θˆ. 3.评判标准(1)无偏性.2σμ与的无偏估计;(2)有效性;(3)相合性. 二、区间估计1.概念2.单个正态总体的置信区间第八章 假设检验复习要点: 一、概念 1.基本概念2.步骤3.两类错误二、单个正态总体的假设检验 1.已知方差,检验均值 (u ) (1)双边;(2)单边.2.未知方差,检验均值 (t ) (1)双边;(2)单边.3.未知均值,检验方差 (χ2) (1)双边;(2)单边.三、两个正态总体的假设检验 1.已知方差,检验均值 (u ) (1)双边;(2)单边.2.未知方差但相等,检验均值 (t ) (1)双边;(2)单边.3.未知均值,检验方差 (F ) (1)双边;(2)单边.四、大样本下任意总体的参数检验第九章 回归分析复习要点:回归系数和回归常数的估计公式,了解F 检验.。
自考04183概率论与数理统计(经管类)总结2-数理统计部分
高等教育自学考试辅导《概率论与数理统计(经管类)》第二部分数理统计部分专题一统计量及抽样的分布I.考点分析近几年试题的考点分布和分数分布II.内容总结一、总体与样本1.总体:所考察对象的全体称为总体;组成总体的每个基本元素称为个体。
2.样本:从总体中随机抽取n个个体x1,x2…,x n称为总体的一个样本,个数n称为样本容量。
3.简单随机样本如果总体X的样本x1,x2…,x n满足:(1)x1与X有相同分布,i=1,2,…,n;(2)x1,x2…,x n相互独立,则称该样本为简单随机样本,简称样本。
得到简单随机样本的方法称为简单随机抽样方法。
4.样本的分布(1)联合分布函数:设总体X的分布函数为F(x),x1,x2…,x n为该总体的一个样本,则联合分布函数为二、统计量及其分布1.统计量、抽样分布:设x1,x2…,x n为取自某总体的样本,若样本函数T=T(x1,x2…,x n)不含任何未知参数,则称T为统计量;统计量的分布称为抽样分布。
2.样本的数字特征及其抽样分布:设x1,x2…,x n为取自某总体X的样本,(2)样本均值的性质:①若称样本的数据与样本均值的差为偏差,则样本偏差之和为零,即②偏差平方和最小,即对任意常数C,函数时取得最小值. (5)样本矩(7)正态分布的抽样分布A.应用于小样本的三种统计量的分布的为自由度为n的X2分布的α分位点.求法:反查X 2分布表.III.典型例题[答疑编号918020101]答案:D[答疑编号918020102]答案:[答疑编号918020103]答案:B[答疑编号918020104]答案:1[答疑编号918020105]答案:B[答疑编号918020106]故填20.[答疑编号918020107]解析:[答疑编号918020108]答案:解析:本题考核正态分布的叠加原理和x2-分布的概念。
根据课本P82,例题3-28的结果,若X~N(0,1),Y~N(0,1),且X与Y相互独立,则X+Y~N(0+0,1+1)=N(0,2)。
《概率论与数理统计(经管类)》(代码4183)自学考试复习提纲-附件1
《概率论与数理统计(经管类)》(4183)自学考试复习提纲第一章 随机事件与概率1、排列组合公式:排列数)!(!n m m P n m-= 从m 个人中挑出n 个人进行排列的可能数。
组合数)!(!!n m n m C n m-= 从m 个人中挑出n 个人进行组合的可能数。
例如:袋中有8个球,从中任取3个球,求取法有多少种?解:任取出三个球与所取3个球顺序无关,故方法数为组合数388*7*6561*2*3C ==注:排列数经常用组合数及乘法原理得到,并不直接写出。
2、加法和乘法原理:加法原理(两种方法均能完成此事):m+n某件事由两种方法来完成,第一种方法可由m 种方法完成,第二种方法可由n 种方法来完成,则这件事可由m+n 种方法来完成。
乘法原理(两个步骤分别不能完成这件事):m ×n 某件事由两个步骤来完成,第一个步骤可由m 种方法完成,第二个步骤可由n 种方法来完成,则这件事可由m ×n 种方法来完成。
例1、从北京到上海的方法有两类:第一类坐火车,若北京到上海有早、中、晚三班火车分别记作火1、火2、火3,则坐火车的方法有3种;第二类坐飞机,若北京到上海的飞机有早、晚二班飞机,分别记作飞1、飞2。
问北京到上海的交通方法共有多少种。
解:从北京到上海的交通方法共有火1、火2、火3、飞1、飞2共5种。
它是由第一类的3种方法与第二类的2种方法相加而成。
例2、从北京经天津到上海,需分两步到达。
第一步从北京到天津的汽车有早、中、晚三班,记作汽1、汽2、汽3 第二步从天津到上海的飞机有早、晚二班,记作飞1、飞2 问从北京经天津到上海的交通方法有多少种? 解:从北京经天津到上海的交通方法共有:①汽1飞1,②汽1飞2,③汽2飞1,④汽2飞2,⑤汽3飞1,⑥汽3飞2。
共6种,它是由第一步由北京到天津的3种方法与第二步由天津到上海的2种方法相乘3×2=6生成。
3、基本事件、样本空间和事件:如果一个试验在相同条件下可以重复进行,而每次试验的可能结果不止一个,但在进行一次试验之前却不能断言它出现哪个结果,则称这种试验为随机试验。
概率论数理统计(经管类)重点及性质总结
第一章随机事件与概率(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: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。
解释:包括三种情况①A发生,但B不发生,②A不发生,但B发生,③A与B都发生。
性质:①,;②若;则(3)积事件概念:称“事件A与事件B同时发生”为事件A与事件B的积事件,或称为事件A与B 的交,记作A∩B或AB。
解释:A∩B只表示一种情况,即A与B同时发生。
性质:①,;② 若,则AB=A。
(4)差事件概念:称“事件A发生而事件B不发生”为事件A与事件B的差事件,记作A-B.性质:① A-;② 若,则A-B=(5)互不相容事件概念:若事件A与事件B不能同时发生,即AB=,则称事件A与事件B互不相容。
推广:n个事件A1,A2,…,A n两两互不相容,即A i A j=,i≠j,i,j=1,2,…n。
(6)对立事件:概念:称事件“A不发生”为事件A的对立事件,记做.解释:事件A与B互为对立事件,满足:①AB=ф;②A∪B=Ω性质:①;②,;③A-B==A-AB④A与B相互对立A与B互不相容.小结:关系:包含,相等,互不相容,互为对立;运算:和,积,差,对立.(7)事件的运算性质①(和、积)交换律A∪B=B∪A,A∩B=B∩A;②(和、积)结合律(A∪B)∪C=A∪(B∪C),(A∩B)∩C=A∩(B∩C);③(和、积)分配律A∪(B∩C)=(A∪B)∩(A∪C);A∩(B∪C)=(A∩B)∪(A∩C)④对偶律;.由频率的性质推出概率的性质①推出①②,推出②P(ф)=0,P(Ω)=1③A,B互不相容,推出③P(A∪B)=P(A)=P(B),可推广到有限多个和无限可列多个.2.古典概型概念:具有下面两个特点的随机试验的概率模型,称为古典概型:①基本事件的总数是有限个,或样本空间含有有限个样本点;②每个基本事件发生的可能性相同。
自考4183概率论与数理统计(经管系)大纲
概率论与数理统计(经管系)自考大纲代码4183第一章随机事件与概率(一)考核的知识点1.随机事件的关系及其运算2.概率的定义与性质3.古典概型4.条件概率、乘法公式、全概率公式、贝叶斯公式5.事件的独立性、贝努利概型(二)自学要求本章总的要求是:掌握随机事件之间的关系及其运算;理解概率的定义,掌握概率的基本性质,会用这些性质进行概率的基本计算;理解古典概型的定义,会计算简单的古典概型问题;理解条件概率的概念,会用乘法公式、全概率公式和贝叶斯公式进行概率计算;理解事件独立性的概念,会用事件独立性进行概率计算.重点:随机事件的关系与运算,概率的概念、性质;条件概率,事件独立性的概念,乘法公式、全概率公式,贝叶斯公式。
难点:古典概型的概率计算,全概率公式,贝叶斯公式,事件独立性的概念.(三)考核要求1随机事件的关系与运算1.1随机事件的概念及表示,要求达到“识记”层次1.2事件的包含与相等、和事件、积事件、互不相容、对立事件的概念1.3和事件、积事件、对立事件的基本运算规律,要求达到简单应用层次2率的定义与性质2.1频率的定义,要求达到“领会”层次2.2概率的定义,要求要求达到“领会”层次2.3概率的性质,要求达到“简单应用”层次3古典概型3.1古典概型的定义,要求达到“领会”层次3.2简单古典概型的概率运算,要求达到“简单应用”层次4条件概率4.1条件概率的概念,要求达到“领会”层次4.2乘法公式.会用乘法公式进行有关概率的计算,要求达到“简单应用’’层次4.3 全概率公式与贝叶斯公式,会用这两个公式进行计算,要求达到“综合应用’’层次5事件的独立性5.1 事件独立性的概念,要求达到“领会”层次5.2用事件的独立性计算概率,要求达到“简单应用”层次5.3 贝努利概型,要求达到“简单应用”层次第二章随机变量及其概率分布(一)考核的知识点1.随机变量的概念2.分布函数的概念和性质3.离散型随机变量及其分布律4.连续型随机变量概率密度函数5.随机变量函数的分布(二)自学要求本章总的要求是:理解随机变量及其分布函数的概念;理解离散型随机变量及其分布律的概念;掌握较简单的离散型随机变量的分布律的计算;掌握两点分布、二项分布与泊松分布;掌握连续型随机变量及其概率密度函数的概念、性质及有关计算;掌握均匀分布、指数分布及计算;熟练掌握正态分布及其计算;了解随机变量函数的概念,会求简单随机变量函数的概率分布.重点:随机变量的分布律与概率密度函数的概念、性质和计算,随机变量函数的分布,几种常用分布.难点:随机变量的分布律、概率密度函数,随机变量的函数的分布律、分布函数、概率密度函数.(三)考核要求1.随机变量的概念随机变量的概念及其分类,要求达到“识记”层次2.离散型随机变量的分布律2.1 离散型随机变量的概念,要求达到“识记’’层次2.2求较简单的离散型随机变量的概率分布律,要求达到“简单应用’’层次2.3两点分布,二项分布、泊松分布、要求达到“简单应用’’层次3.随机变量的分布函数3.1随机变量分布函数的定义、性质,要求达到“领会”层次3.2求简单离散型随机变量的分布函数,要求达到。
概率论与数理统计知识点总结(详细)
《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(经管类)04183考前划重点
概率论与数理统计(经管类)考试重点一、《概率论与数理统计(经管类)》考试题型分析:根据历年考试情况来看,题型大致包括以下五种题型,各题型及所占分值如下:由各题型分值分布我们可以看出,单项选择题、填空题占试卷的50%,考查的是基本的知识点,难度不大,考生要把该记忆的概念、性质和公式记到位。
计算题和综合题主要是对前四章基本理论与基本方法的考查,要求考生不仅要牢记重要的公式,而且要能够灵活运用。
应用题主要是对第七、八章内容的考查,要求考生记住解题程序和公式。
结合历年真题来练习,就会很容易的掌握解题思路。
二、《概率论与数理统计(经管类)》考试重点说明:我们将知识点按考查几率及重要性分为三个等级,即一级重点、二级重点、三级重点,其中,一级重点为必考点,本次考试考查频率高;二级重点为次重点,考查频率较高;三级重点为预测考点,考查频率一般,但有可能考查的知识点。
第一章随机事件与概率1.随机事件的关系与计算 P3-5 (一级重点)(填空、简答)事件的包含与相等、和事件、积事件、互不相容、对立事件的概念2.古典概型中概率的计算 P9 (二级重点)(选择、填空、计算,多以选择题空题考查)记住古典概型事件概率的计算公式3. 利用概率的性质计算概率 P11-12 (一级重点)(选择、填空),(考得多)等,要能灵活运用。
4. 条件概率的定义 P14 (一级重点)(选择、填空)记住条件概率的定义和公式:5. 全概率公式与贝叶斯公式 P15-16 (二级重点)(计算)记住全概率公式和贝叶斯公式,并能够运用它们。
一般说来,如果若干因素(也就是事件)对某个事件的发生产生了影响,求这个事件发生的概率时要用到全概率公式;如果这个事件发生了,要去追究原因,即求另一个事件发生的概率时,要用到贝叶斯公式,这个公式也叫逆概公式。
6. 事件的独立性(概念与性质)P18-20(一级重点)(选择、填空)定义:若,则称A与B相互独立。
结论:若A与B相互独立,则A与,与B,与都相互独立。
全国自学考试04183概率论与数理统计(经管类)-考试复习速记宝典
概率论与数理统计(经管类)(04183适用全国)速记宝典命题来源:围绕学科的基本概念、原理、特点、内容。
答题攻略:(1)不能像名词解释那样简单,也不能像论述题那样长篇大论,但需要加以简要扩展。
(2)答案内容要简明、概括、准确,即得分的关键内容一定要写清楚。
(3)答案表述要有层次性,列出要点,分点分条作答,不要写成一段;(4)如果对于考题内容完全不知道,利用选择题找灵感,找到相近的内容,联系起来进行作答。
如果没有,随意发挥,不放弃。
考点1:随机事件。
在随机试验中,产生的各种结果叫做随机事件(random Events),简称事件(Events).随机事件通常用大写英文字母A、B、C等表示.如观察马路交叉口可能遇上的各种颜色交通灯,这是随机试验,而“遇上红灯”则是一个随机事件。
例:投掷一个骰子,观察其朝上的点数。
A={朝上的点数为2}B={朝上的点数为偶数点}都是随机事件。
必然事件Certainty Events必然事件——样本空间Ω本身也是事件,它包含了所有可能的试验结果,因此不论在哪一次试验它都发生,称为必然事件。
也将它记为Ω。
如:“抛掷一颗骰子,出现的点数不大于6”不可能事件Impossible Event不可能事件——不包含任何样本点的事件,记为φ,每次试验必定不发生的事件.如:“抛掷一颗骰子,出现的点数大于6”考点2:古典概型。
设某随机试验具有如下特征:(1)试验的可能结果只有有限个;(2)各个可能结果出现是等可能的。
则称此试验为古典(等可能)概型。
古典概型中概率的计算:n=进行试验的样本点总数ΩK=所考察的事件A含的样本点数P(A)=k/n=A的样本点数/样本点总数P(A)具有如下性质:(1)0≤P(A)≤1;(2)P(Ω)=1;P(φ)=0(3)AB=φ,则P(A∪B)=P(A)+P(B)考点3:乘法公式。
若抽取是不放回地,求以上三问?设A、B∈Ω,P(A)>0,则P(AB)=P(A)P(B|A).(1)式(1)就称为事件A、B的概率乘法公式。
概率论与数理统计知识点
概率论与数理统计知识点1.概率的定义与性质:概率是描述随机事件发生可能性的度量,它的取值范围在0到1之间。
事件发生的概率可以通过频率、几何概率和主观概率等方法进行估计。
2.随机变量与概率分布:随机变量是对随机现象进行量化的数学模型,可以是离散型的或连续型的。
它们的概率分布可以通过概率质量函数或概率密度函数来描述。
3.期望与方差:期望是随机变量的平均值,它衡量了随机变量的平均水平。
方差是随机变量离其期望值的平均偏离程度,它表征了随机变量的变异性。
4.大数定律与中心极限定理:大数定律指出,当样本容量足够大时,样本均值的频率分布趋近于总体均值。
中心极限定理则说明,样本均值的分布随着样本容量的增大趋向于正态分布。
5.参数估计与假设检验:参数估计是利用样本数据来估计总体参数的值,主要有点估计和区间估计两种方法。
假设检验则是利用样本数据来检验关于总体参数的其中一种假设。
6.回归分析与方差分析:回归分析研究一组自变量与因变量之间的函数关系,在线性回归中,回归方程是一个线性函数。
方差分析用于比较两个或多个总体均值之间的差异。
7.相关与回归分析:相关分析用于度量两个变量之间的关联程度,它可以通过皮尔逊相关系数或斯皮尔曼等级相关系数来衡量。
回归分析则用于预测或解释一个变量对另一个变量的影响。
8.参数检验与非参数检验:参数检验假设总体参数的一些值,然后利用样本数据判断是否接受该假设。
常见的参数检验有t检验、F检验、卡方检验等。
非参数检验不对总体分布进行假设,常用于样本容量较小、总体分布未知的情况。
以上只是概率论与数理统计的一些基本知识点,实际上,概率论与数理统计还包括二项分布、泊松分布、正态分布、贝叶斯统计、时间序列分析等更细分的内容。
掌握这些知识点,能够帮助我们对数据进行合理的分析和推断,以便作出正确的决策。
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.。
04183 概率论与数理统计(经管类)
课程名称:概率论与数理统计(经管类)课程代码:04183第一章随机事件及其概率一、单项选择题1.设当A和B同时发生时,事件C必发生,则()。
A.B.C.D.2.设A.0.1B.0.2C.0.3D.0.43.设A、B、C为三个随机事件,且A.0.15B.0.25C.0.35D.0.454.设对于事件A、B、C有则A、B、C至少发生一个的概率为()。
A.3/8B.5/8C.7/8D.1/25.设两个相互独立的事件A与B都不发生的概率为1/9,A发生B不发生的概率与B发生A不发生的概率相等,则P(A)=()A.2/9B.5/9C.2/3D.1/36.若A.0.7B.0.8C.0.9D.0.17.设A,B为随机事件,则()。
A.AB.BC.ABD.φ8.对掷一枚硬币的试验, “出现正面”称为()。
A.样本空间B.必然事件C.不可能事件D.随机事件9.事件A,B相互独立,且P(A)=0.7,P(B)=0.6,P(A-B)=()。
A.0.28B.0.42C.0.88D.0.1810.事件A,B相互独立,且P(A)=0.7,P(B)=0.2,P(A-B)=()。
A.0.46B.0.42C.0.56D.0.1411.设A,B为两个随机事件,且P(B)>0,P(A│B)=1则有()。
A.P(A∪B)>P(A)B.P(A∪B)>P(B)C.P(A∪B)=P(A)D.P(A∪B)=P(B)12.设A,B为两随机事件,且,则下列式子正确的是()。
A.P(A∪B)=P(B)B.P(AB)=P(B)C.P(B|A)=P(B)D.P(B-A)=P(B)-P(A)13.从装有2只红球,2只白球的袋中任取两球,记:A=“取到2只白球”则=()。
A.取到2只红球B.取到1只红球C.没有取到白球D.至少取到1只红球14.设对于随机事件A、B、C,有P(A)=P(B)=P(C)=1/4,且P(AB)=P(BC)=0,,则三个事件A、B、C, 至少发生一个的概率为()。
自考04183概率论与数理统计经管类总结2数理统计部份
高等教育自学考试辅导《概率论与数理统计(经管类)》第二部份数理统计部份专题一统计量及抽样的散布近几年试题的考点散布和分数散布最高分数分布最低分数分布平均分数分布样本的分布 2 1样本矩 2 1合计4/100 0/100 2/100一、整体与样本:所考察对象的全部称为整体;组成整体的每一个大体元素称为个体。
:从整体中随机抽取n个个体x1,x2…,x n称为整体的一个样本,个数n称为样本容量。
若是整体X的样本x1,x2…,x n知足:(1)x1与X有相同散布,i=1,2,…,n;(2)x1,x2…,x n彼此独立,那么称该样本为简单随机样本,简称样本。
取得简单随机样本的方式称为简单随机抽样方式。
(1)联合散布函数:设整体X的散布函数为F(x),x1,x2…,x n为该整体的一个样本,那么联合散布函数为二、统计量及其散布1.统计量、抽样散布:设x1,x2…,x n为取自某整体的样本,假设样本函数T=T(x1,x2…,x n)不含任何未知参数,那么称T为统计量;统计量的散布称为抽样散布。
:设x1,x2…,x n为取自某整体X的样本,(2)样本均值的性质:①若称样本的数据与样本均值的差为偏差,则样本偏差之和为零,即②偏差平方和最小,即对任意常数C,函数时取得最小值.(5)样本矩(7)正态分布的抽样分布A.应用于小样本的三种统计量的分布的为自由度为n的X2散布的α分位点.求法:反查X 2散布表.[答疑编号1]答案:D[答疑编号2]答案:[答疑编号3]答案:B [答疑编号4]答案:1 [答疑编号5]答案:B [答疑编号6]解析:故填20. [答疑编号7]答案:n解析:[答疑编号8]答案:解析:此题考核正态散布的叠加原理和x2-散布的概念。
根据课本P82,例题3-28的结果,若X~N(0,1),Y~N(0,1),且X与Y彼此独立,那么X+Y~N(0+0,1+1)=N(0,2)。
此题,已知X1、X2、X3、X4为来自整体X~N(0,1)的样本,因此X1、X2、X3、X4彼此独立且服从同散布N(0,1),那么X1+X2~N(0,2),X3+X4~N(0,2);从而,,那么以下选项中正确的选项是()[答疑编号9]答案:A解析:本题考察课本p140,4.一些重要结论。
自考04183概率论与数理统计(经管类) 自考核心考点笔记 自考重点资料
《概率论与数理统计(经管类)》柳金甫、王义东主编,武汉大学出版社新版第一章随机事件与概率第二章随机变量及其概率分布第三章多维随机变量及其概率分布第四章随机变量的数字特征第五章大数定律及中心极限定理第六章统计量及其抽样分布第七章参数估计第八章假设检验第九章回归分析前言本课程包括两大部分:第一部分为概率论部分:第一章至第五章,第五章为承前启后章,第二部分为数理统计部分:第六章至第九章。
第一章随机事件与概率本章概述.内容简介本章是概率论的基础部分,所有内容围绕随机事件和概率展开,重点内容包括:随机事件的概念、关系及运算,概率的性质,条件概率与乘法公式,事件的独立性。
本章内容§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、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)。
D(aX b) a2 D( X )
,
D(Y ) [ x j E(Y )]2 p j
j
D( X ) [ x E( X )]2 f X ( x)dx
协方差与 相关系数
3、二维随机变量关系特征 协方差 cov(x,y) 相关系数 cov(X,Y)=E((X-E(X))(Y-E(Y)))=E(XY)-E(X)E(Y)
p j , i 1,2,
,
5、分布函数 F(x,y)的基本性质: ⑴ 0 F ( x, y) 1; 其中 x=h(y)为 y=g(x)的反函数 ⑵F(x,y)分别对 x 和 y 是非减的,即当 x2>x1,F(x2,y)≥F(x1,y);当 y2>y1,有 F(x,y2) ≥F(x,y1); ⑶F(x,y)分别对 x 和 y 右连续,即 F ( x, y) F ( x 0, y), F ( x, y) F ( x, y 0); ⑷ F (,) F (, y) F ( x,) 0, F (,) 1. ⑸当 x
i 1 i i
k
n
f ( x) 0 ;
②
f ( x)dx 1。
xk x
③ P(a ;
X b) F (b) F (a) =
F ( x)
Pn(k ) Cn p k q nk
二、随机变量及其分布
④对于离散型随机变量,
F ( x)
p
⑤对于连续型随机变量,
2 2 N (, 2 ) ,则①aX+b~N(aµ+b,a σ ), ②(X-µ)/σ~N(0,1)
X X
b(n, p) P( )
P( X k )
k
k!
e , k 0,1, 2,
8、随机变量函数 Y=g(X)的概率密度 离散型:
P(Y yi )
g ( x j ) yi
当
XY XY XY XY XY
⑶当 f(x,y)~N(µ 1,µ 2,σ1 ,σ2 ,ρ)则 ①fX(x)~N(µ 1,σ1 ),fY(y)~N(µ 2σ2 ),②ρ=0 3、随机变量的独立性 随机变量 X、Y 相互独立 F(x, y) F (x)F ( y) ,
X Y
离散型:
pij pi. p. j
P(Z zk )
x 1 e 2 2 x
( x)
1 2
x
e
1 t2 2
dt
3、分布律的性质 (1) p 0 , k
k
1,2,... ;
(2)
p
k 1
k
1
P( AB) P( AB) P( A) P( B A) P( B) P( A B) P( B A) P( A)
1
连续型:
fY ( y) f X (h( y)) h( y) ( x h( y)单调) 三、多维随机变量及其分布 1、离散型二维随机变量及其分布 分布律: P( X x , Y y ) p , i, j 1, 2,
i j ij
x2,y1 y2, F(x2,y2 ) F(x2,y1 ) F(x1,y2 ) F(x1,y1 ) 0 .
i 1
n
F () lim F ( x) 0
x
F () lim F ( x) 1
x
P( Bi A)
P( Bi ) P( A Bi )
④ F ( x 0) F ( x) ,即 F ( x) 是右连续的; 5、密度函数(概率密度)的性质 ①
P( B ) P( A B )
2/5
方差 方差
D( X ) [xi E( X )] pi
2 i
D(Y ) [ y E(Y )] f Y ( y)dy
2
D(X+C)=D(X), D(CX)=C2D(X), D(C) 0 , D( X Y ) D( X ) D(Y ) 2Cov( X ,Y ) 当 X、Y 相互独立,则 D( X Y ) D( X ) D(Y )
f ( x, v)dv fY ( y)
f (u, y)du
K 阶中心矩 μK=E((X-E(X))K) μK =
③条件概率密度:
f ( x, y) f ( x, y) , x fY X ( y x) , y , f X Y ( x y) f Y ( y) f X ( x)
密度函数
X U(a, b)
指数分布
1 , f ( x) b a 0,
a xb 其他
分布函数 xa 0, xa F ( x) ,a x b b a xb 1,
X
e()
P( AB) P( A)P(B) ; P(B A) P(B) ; P(B A) P(B A) ;
xi y j zk
E[G( X , Y )] =
P( X xi ,Y y j )
G(x , y ) p
i j i j
ij
- -
G(x, y) f (x, y)dxdy
连续型:
f Z ( z)
f ( x, z x)dx
f ( z y, y)dy
k 1
n
pij 1.
函数期望 E(g(x))
E( X ) xf ( x)dx
F ( x, y)
x
y
E(Y ) g ( xk ) pk
k 1
f (u, v)dudv
E(Y ) g( x) f ( x)dx
F (, ) 1,
公式名称 排列组合 排列数
m! n Pm (m n)!
一、随机事件与概率 公式表达式 组合数 m!
n Cm
泊松定理 特别地: Cn0=1 0!=1 2、连续型随机变量及其分布 分布名称 均匀分布
当
则
n!(m n)!
运算律
事件关系 两个事件 相互独立 公理化定义 古典概型 几何概型 求逆公式 加法公式 减法公式 条件概率公式 与乘法公式 全概率公式 (由因推果 贝叶斯公式 (由果溯因) 伯努利概型
正态分布
f ( x)
2
X
N (, )
1 2 e 2 2 x
2
x
e
( t )2 2 2
dt
( A) ,其中μ为几何度量(长度、面积、体积) ()
标准正态分布
( x)
X
N (0,1)
P( A) 1 P( A)
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)
k
f ( x)dx
x
1、离散型随机变量及其分布 分布名称及记号 0–1 分布 X b(1, p) 二项分布 泊松分布
分布律(概率分布)
P( X k) pk (1 p)1k , k 0,1
k k P( X k) Cn p (1 p)nk , k 0,1,, n
XY
C=
XY
= cov(X,Y)/(√D(X)√D(Y))
=0,称 X 与 Y 完全不相关,当| |=1,称 X 与 Y 完全相关, | |=1 存在常数 a,b 使得 P( X aY b) 1且 a≠0 =1 称 X 与 Y 完全正相关, =-1 称 X 与 Y 完全负相关
,连续型:
f (x, y) f X (x) fY ( y)
E( X ) xi pi
E[G( X , Y )] =
E(Y ) y j p j
j 1
n
E(Y )
yf
Y
( y)dy
E( X ) xf X ( x)dx
4、二维随机变量和函数的分布 离散型:
②边缘分布函数与边缘密度函数 分布函数: 密度函数:
FX ( x)
FY ( y)
y
f (u, v)dudv
K 阶原点矩
Hale Waihona Puke νK=E(X )K
νk=E(X )=
k
x
i
νk=E(Xk)=
k i
pi
μK =
x k f ( x)dx,
f X ( x)
P( ABC) P( A) P( B A) P(C AB)
4、分布函数的性质 ① 0 F ( x) 1, ③
x ;
,
② F ( x) 是单调不减的函数,即
x1 x2 时,有
F ( x1) F ( x2) ;
P( A) P( Bi ) P( A Bi )
6、分布函数与密度函数关系: ①F’(X)=f(x) ②∫f(x)dx=F(x) 7、正态分布的性质 ①对 X N (0,1) ,则 ( x) 1 ( x) ,Φ(0)=1/2 P(X≤b)=Φ(b), P(X≥a)=1-Φ(a), P(a≤X≤b)= Φ(b)- Φ(a) ② X N (, 2 ) 与 X N (0,1) 关系:F(x)=P(X≤x)= Φ((x-µ )/σ) ③若 X 1/5