概率统计复习重点 - 360文档中心

高考数学概率统计知识点总结(文理通用)

概率与统计知识点及专练（一）统计基础知识：1. 随机抽样：（1）．简单随机抽样：设一个总体的个数为N ，如果通过逐个抽取的方法从中抽取一个样本，且每次抽取时各个个体被抽到的概率相等，就称这样的抽样为简单随机抽样.常用抽签法和随机数表法.（2）．系统抽样：当总体中的个数较多时，可将总体分成均衡的几个部分，然后按照预先定出的规则，从每一部分抽取1个个体，得到所需要的样本，这种抽样叫做系统抽样（也称为机械抽样）.（3）．分层抽样：当已知总体由差异明显的几部分组成时，常将总体分成几部分，然后按照各部分所占的比进行抽样，这种抽样叫做分层抽样.2. 普通的众数、平均数、中位数及方差：（1）.众数：一组数据中，出现次数最多的数（2）.平均数：常规平均数：12nx x x x n ++⋅⋅⋅+=（3）.中位数：从大到小或者从小到大排列，最中间或最中间两个数的平均数（4）.方差：2222121[()()()]n s x x x x x x n =-+-+⋅⋅⋅+-（5）.标准差：s3 .频率直方分布图中的频率：（1）.频率 =小长方形面积：f S y d ==⨯距；频率=频数/总数；频数=总数*频率（2）.频率之和等于1：121n f f f ++⋅⋅⋅+=；即面积之和为1： 121n S S S ++⋅⋅⋅+=4. 频率直方分布图下的众数、平均数、中位数及方差：（1）.众数：最高小矩形底边的中点（2）.平均数：112233n n x x f x f x f x f =+++⋅⋅⋅+ 112233n n x x S x S x S x S =+++⋅⋅⋅+（3）.中位数：从左到右或者从右到左累加，面积等于0.5时x 的值（4）.方差：22221122()()()nn s x x f x x f x x f =-+-+⋅⋅⋅+-5.线性回归直线方程：（1）.公式：ˆˆˆy bx a=+其中：1122211()()ˆ()n ni i i ii in ni ii ix x y y x y nxybx x x nx====---∑∑==--∑∑（展开）ˆˆa y bx=-（2）.线性回归直线方程必过样本中心(,) x y（3）.ˆ0:b>正相关；ˆ0:b<负相关（4）.线性回归直线方程：ˆˆˆy bx a=+的斜率ˆb中，两个公式中分子、分母对应也相等；中间可以推导得到6. 回归分析：（1）.残差：ˆˆi i ie y y=-（残差=真实值—预报值）分析：ˆie越小越好（2）.残差平方和：2 1ˆ() ni iiy y =-∑分析：①意义：越小越好；②计算：222211221ˆˆˆˆ()()()() ni i n niy y y y y y y y =-=-+-+⋅⋅⋅+-∑（3）.拟合度（相关指数）：2 2121ˆ()1()ni iiniiy y Ry y==-∑=--∑分析：①.(]20,1R∈的常数；②.越大拟合度越高（4）.相关系数：()()n ni i i ix x y y x y nx y r---⋅∑∑==分析：①.[1,1]r∈-的常数；②.0:r>正相关；0:r<负相关③.[0,0.25]r∈；相关性很弱；(0.25,0.75)r∈；相关性一般；[0.75,1]r∈；相关性很强7. 独立性检验：（1）.2×2列联表（卡方图）：（2）.独立性检验公式①．22()()()()()n ad bc k a b c d a c b d -=++++②．上界P 对照表：（3）.独立性检验步骤：①．计算观察值k ：2()()()()()n ad bc k a b c d a c b d -=++++ ②．查找临界值0k ：由犯错误概率P ，根据上表查找临界值0k③．下结论：0k k ≥即认为有P 的没把握、有1-P 以上的有把握认为两个量相关；0k k <：即认为没有1-P 以上的把握认为两个量是相关关系。

概率统计公式大全(复习重点)

概率统计公式大全(复习重点)第一章随机事件和概率（1）排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。

)!(!!nmnmC nm-=从m个人中挑出n个人进行组合的可能数。

（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。

（3）一些常见排列重复排列和非重复排列（有序）对立事件（至少有一个）顺序问题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。

试验的可能结果称为随机事件。

在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质：①每进行一次试验，必须发生且只能发生这一组中的一个事件；②任何事件，都是由这一组中的部分事件组成的。

这样一组事件中的每一个事件称为基本事件，用ω来表示。

基本事件的全体，称为试验的样本空间，用Ω表示。

一个事件就是由Ω中的部分点（基本事件ω）组成的集合。

通常用大写字母A，B，C，…表示事件，它们是Ω的子集。

Ω为必然事件，Ø为不可能事件。

不可能事件（Ø）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。

①关系：如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：BA⊂如果同时有BB⊃，则称事件A与A⊂，A事件B等价，或称A等于B：A=B。

A、B中至少有一个发生的事件：A Y B，或者A+B。

属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者B A，它表示A发生而B不发生的事件。

概率论与数理统计复习汇总

3 个患者的治疗中，至少有一个是有效的概率. 设对各个患者的治疗效果是相互独立的.
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)

高考复习概率与统计知识点归纳总结

概率与统计知识点总结（一）知识点思维导图（二）常用定理、公式及其变形1．用样本的数字特征估计总体的数字特征（1）样本本均值：nx x x x n +++= 21 （2）样本标准差：nx x x x x x s s n 222212)()()(-++-+-== （3）频率分布直方图估算样本众数、中位数、平均数①众数：最高小矩形中点值；②中位数：先确定中位数所在小组，设中位数为m ，由直线x=m 两侧小矩形面积之和等于0.5列方程求m ． ③平均数：各小矩形中点值与其面积的积的和．2．随机事件的概率及概率的意义（1）随机事件：在条件S 下可能发生也可能不发生的事件，叫相对于条件S 的随机事件；（2）概率定义：在相同的条件S 下重复n 次试验，观察某一事件A 是否出现，称n 次试验中事件A 出现的次数n A 为事件A 出现的频数；称事件A 出现的比例f n (A)=n n A为事件A 出现的频率：对于给定的随机事件A ，如果随着试验次数的增加，事件A 发生的频率f n (A)稳定在某个常数上，把这个常数记作P （A ），称为事件A 的概率．3．概率的基本性质（1）事件的包含、并事件、交事件、相等事件（2）若A∩B 为不可能事件，即A∩B=ф，那么称事件A 与事件B 互斥；（3）若A∩B 为不可能事件，A∪B 为必然事件，那么称事件A 与事件B 互为对立事件；（4）当事件A 与B 互斥时，满足加法公式：P(A∪B)= P(A)+ P(B)；若事件A 与B 为对立事件，则A∪B 为必然事件，所以P(A∪B)= P(A)+ P(B)=1，于是有P(A)=1—P(B)4．古典概型及随机数的产生（1）古典概型的使用条件：试验结果的有限性和所有结果的等可能性．（2）公式P （A ）=总的基本事件个数包含的基本事件数A 5．几何概型及均匀随机数的产生（1）几何概率模型：如果每个事件发生的概率只与构成该事件区域的长度（面积或体积）成比例，则称这样的概率模型为几何概率模型；（2）公式：P （A ）=积）的区域长度（面积或体试验的全部结果所构成积）的区域长度（面积或体构成事件A ． 6．随机变量：如果随机试验可能出现的结果可以用一个变量X 来表示，并且X 是随着试验的结果的不同而变化，那么这样的变量叫做随机变量．随机变量常用大写字母X 、Y 等或希腊字母 ξ、η等表示．7．离散型随机变量的分布列：一般的，设离散型随机变量X 可能取的值为x 1，x 2，．．．．．，x i ，．．．．．．，x n ．X 取每一个值 x i (i=1，2，．．．．．．）的概率P(ξ=x i ）＝P i ，则称表为离散型随机变量X 的概率分布，简称分布列分布列性质：∪ p i ≥0， i =1，2， … ；∪ p 1 + p 2 +…+p n = 1．9．条件概率：对任意事件A 和事件B ，在已知事件A 发生的条件下事件B 发生的概率，叫做条件概率．记作P(B|A)，读作A 发生的条件下B 的概率公式：.0)(,)()()|(>=A P A P AB P A B P 10．相互独立事件：事件A(或B)是否发生对事件B(或A)发生的概率没有影响，这样的两个事件叫做相互独立事件，)()()(B P A P B A P ⋅=⋅12．数学期望：一般地，若离散型随机变量ξ的概率分布为则称 Eξ＝x 1p 1＋x 2p 2＋…＋x n p n 为ξ的数学期望或平均数、均值，数学期望又简称为期望．是离散型随机变量．13．方差：D(ξ)=(x 1-Eξ)2·P 1+（x 2-Eξ)2·P 2 +．．．．．．+（x n -Eξ)2·P n 叫随机变量ξ的均方差，简称方差．14．正态分布：（1）定义：若概率密度曲线就是或近似地是函数的图象，其中解析式中的实数0)μσσ>、（是参数，分别表示总体的平均数与标准差．则其分布叫正态分布(,)N μσ记作：，f( x )的图象称为正态曲线；（2）基本性质：∪曲线在x 轴的上方，与x 轴不相交；∪曲线关于直线x=对称，且在x=时位于最高点；∪当一定时，曲线的形状由确定．越大，曲线越“矮胖”；表示总体的分布越分散；越小，曲线越“瘦高”，表示总体的分布越集中；∪正态曲线下的总面积等于1．15．3原则：从上表看到，正态总体在以外取值的概率只有4．6%，在以外取值的概率只有0．3% 由于这些概率很小，通常称这些情况发生为小概率事件．也就是说，通常认为这些情况在一次试验中几乎是不可能发生的．),(,21)(222)(+∞-∞∈=--x e x f x σμσπμμμσσσσ)2,2(σμσμ+-)3,3(σμσμ+-17．回归分析。

概率统计公式大全(复习重点)

概率统计公式大全(复习重点)概率统计公式大全（复习重点）在学习概率统计的过程中，熟练掌握相关的公式是非常关键的。

本文将为大家详细介绍一些常用的概率统计公式，并对其进行简要的说明和应用举例，以便复习和巩固知识。

一、基本概率公式1. 事件的概率计算公式P(A) = n(A) / n(S)其中，P(A)表示事件A发生的概率；n(A)表示事件A中有利的结果数；n(S)表示样本空间S中的全部结果数。

例如：从一副扑克牌中随机抽取一张牌，求抽到红心牌的概率。

解：样本空间S中共有52张牌，红心牌有13张，所以 P(红心牌) = 13 / 52 = 1 / 4。

2. 条件概率计算公式P(A|B) = P(A∩B) / P(B)其中，P(A|B)表示在事件B发生的条件下事件A发生的概率；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。

例如：某班级男女生分别有30人和40人，从中随机选择一名学生，求选到女生并且是优等生的概率。

解：女生优等生有20人，所以 P(女生且是优等生) = 20 / （30+ 40）= 1 / 7。

二、常用离散型随机变量的数学期望与方差1. 随机变量的数学期望计算公式E(X) = ∑[x * P(X=x)]其中，E(X)表示随机变量X的数学期望；x表示随机变量X的取值；P(X=x)表示随机变量X取值为x的概率。

例如：随机变量X的可能取值为1、2、3，对应的概率分别是1/4、1/2、1/4，求X的数学期望。

解：E(X) = 1 * (1/4) + 2 * (1/2) + 3 * (1/4) = 5/2 = 2.5。

2. 随机变量的方差计算公式Var(X) = E((X - E(X))²)其中，Var(X)表示随机变量X的方差；E(X)表示随机变量X的数学期望。

例如：随机变量X的可能取值为1、2、3，对应的概率分别是1/4、1/2、1/4，求X的方差。

解：E(X) = 1 * (1/4) + 2 * (1/2) + 3 * (1/4) = 5/2 = 2.5。

概率统计公式大全复习重点

概率统计公式大全复习重点在学习概率统计这门学科时，掌握各种公式是至关重要的。

这些公式不仅是解决问题的工具，更是理解概率统计概念的关键。

本文将为您梳理概率统计中的重点公式，帮助您更好地复习和掌握这部分知识。

一、随机事件与概率1、古典概型概率公式如果一个随机试验所包含的基本事件总数为 n，事件 A 所包含的基本事件数为 m，则事件 A 发生的概率为：P(A) ＝ m ／ n2、几何概型概率公式设样本空间为几何区域Ω，事件 A 对应的区域为ω，则事件 A 发生的概率为：P(A) ＝ω 的测度／Ω 的测度3、条件概率公式设 A、B 是两个事件，且 P(B) ＞ 0，则在事件 B 发生的条件下，事件 A 发生的条件概率为：P(A|B) ＝ P(AB) ／ P(B)4、乘法公式P(AB) ＝ P(A|B)P(B) 或 P(AB) ＝ P(B|A)P(A)5、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），A 是Ω 中的任意一个事件，则有：P(A) ＝∑ P(Bᵢ)P(A|Bᵢ)（i从 1 到 n）6、贝叶斯公式设 B₁, B₂,， Bₙ 是样本空间Ω 的一个划分，且 P(Bᵢ) ＞ 0（i ＝ 1, 2,， n），A 是Ω 中的任意一个事件，在事件 A 已经发生的条件下，事件 Bᵢ发生的概率为：P(Bᵢ|A) ＝ P(Bᵢ)P(A|Bᵢ) ／∑ P(Bₙ)P(A|Bₙ) （i从 1 到 n，k 从 1 到 n）二、随机变量及其分布1、离散型随机变量的概率分布设离散型随机变量 X 的可能取值为 x₁, x₂,， xₙ，对应的概率为p₁, p₂,， pₙ，则概率分布为：P(X ＝ xᵢ) ＝ pᵢ（i ＝ 1, 2,， n），且∑pᵢ＝ 12、二项分布如果随机变量 X 服从参数为 n 和 p 的二项分布，记为 X ～ B(n, p)，则概率质量函数为：P(X ＝ k) ＝ C(n, k) p^k （1 p)＾（n k) （k ＝ 0, 1, 2,， n）3、泊松分布如果随机变量 X 服从参数为λ 的泊松分布，记为 X ～P(λ)，则概率质量函数为：P(X ＝ k) ＝（e^（λ) λ^k) ／ k! （k ＝ 0, 1, 2,）4、连续型随机变量的概率密度函数设连续型随机变量 X 的概率密度函数为 f(x)，则分布函数为：F(x)＝∫∞， x f(t) dt5、正态分布如果随机变量 X 服从参数为μ 和σ² 的正态分布，记为 X ～N(μ, σ²)，则概率密度函数为：f(x) ＝（1 ／（σ√（2π)）） e^（（x μ)² ／（2σ²)）三、随机变量的数字特征1、数学期望离散型随机变量 X 的数学期望为：E(X) ＝∑ xᵢ pᵢ（i 从 1 到 n）连续型随机变量 X 的数学期望为：E(X) ＝∫∞，＋∞ x f(x) dx2、方差离散型随机变量 X 的方差为：D(X) ＝∑ （xᵢ E(X)）² pᵢ（i 从 1 到n）连续型随机变量 X 的方差为：D(X) ＝∫∞，＋∞ （x E(X)）² f(x) dx3、标准差随机变量 X 的标准差为：σ(X) ＝√D(X)4、协方差设随机变量 X 和 Y，其协方差为：Cov(X, Y) ＝ E(（X E(X)）（Y E(Y)））5、相关系数随机变量 X 和 Y 的相关系数为：ρ(X, Y) ＝ Cov(X, Y) ／（σ(X)σ(Y)）四、大数定律和中心极限定理1、大数定律当 n 足够大时，样本均值X依概率收敛于总体均值μ，即：P(｜Xμ| ＞ε) → 0 （n → ∞）2、中心极限定理设随机变量 X₁, X₂,， Xₙ 相互独立，且具有相同的分布和有限的数学期望μ 和方差σ²。

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。

概率统计复习提纲(百度文库)解析

《概率论与数理统计》总复习提纲第一块随机事件及其概率内容提要基本内容：随机事件与样本空间，事件的关系与运算，概率的概念和基本性质，古典概率，几何概率，条件概率，与条件概率有关的三个公式，事件的独立性，贝努里试验.1、随机试验、样本空间与随机事件（1）随机试验：具有以下三个特点的试验称为随机试验，记为.1）试验可在相同的条件下重复进行；2）每次试验的结果具有多种可能性，但试验之前可确知试验的所有可能结果；3）每次试验前不能确定哪一个结果会出现.（2）样本空间：随机试验的所有可能结果组成的集合称为的样本空间记为Ω；试验的每一个可能结果，即Ω中的元素，称为样本点，记为.（3）随机事件：在一定条件下，可能出现也可能不出现的事件称为随机事件，简称事件；也可表述为事件就是样本空间的子集，必然事件（记为）和不可能事件（记为）.2、事件的关系与运算（1）包含关系与相等：“事件发生必导致发生”，记为或；且.（2）互不相容性：；互为对立事件且.（3）独立性：（1）设为事件，若有，则称事件与相互独立. 等价于：若().（2）多个事件的独立：设是n个事件，如果对任意的，任意的，具有等式，称个事件相互独立．3、事件的运算（1）和事件（并）：“事件与至少有一个发生”，记为.（2）积事件（交）：“事件与同时发生”，记为或.（3）差事件、对立事件(余事件)：“事件发生而不发生”，记为称为与的差事件；称为的对立事件；易知：.4、事件的运算法则1) 交换律：，；2) 结合律：，；3) 分配律：，；4) 对偶(De Morgan)律：，，可推广5、概率的概念（1）概率的公理化定义：（2）频率的定义：事件在次重复试验中出现次，则比值称为事件在次重复试验中出现的频率，记为，即.（3）统计概率：称为事件的（统计）概率.在实际问题中，当很大时，取（4）古典概率：若试验的基本结果数为有限个，且每个事件发生的可能性相等，则（试验对应古典概型）事件发生的概率为：.（5）几何概率：若试验基本结果数无限，随机点落在某区域g的概率与区域g的测度(长度、面积、体积等)成正比，而与其位置及形状无关，则（试验对应几何概型），“在区域中随机地取一点落在区域中”这一事件发生的概率为：.（6）主观概率：人们根据经验对该事件发生的可能性所给出的个人信念.6、概率的基本性质（1）不可能事件概率零：＝0.（2）有限可加性：设是n个两两互不相容的事件，即＝，（），则有＝＋.（3）单调不减性：若事件，且.（4）互逆性：且.（5）加法公式：对任意两事件，有－；此性质可推广到任意个事件的情形.（6）可分性：对任意两事件，有，且7、条件概率与乘法公式（1）条件概率：设是两个事件，即，则称为事件发生的条件下事件发生的条件概率．（2）乘法公式：设且则称为事件的概率乘法公式.8、全概率公式与贝叶斯(Bayes)公式（1）全概率公式：设是的一个划分，且，，则对任何事件，有称为全概率公式.（2）贝叶斯(Bayes)公式：设是的一个划分，且，则对任何事件，有称为贝叶斯公式或逆概率公式.9、贝努里(Bernoulli)概型（1）只有两个可能结果的试验称为贝努里试验，常记为．也叫做“成功—失败”试验,“成功”的概率常用表示，其中＝“成功”.（2）把重复独立地进行次，所得的试验称为重贝努里试验，记为．（3）把重复独立地进行可列多次，所得的试验称为可列重贝努里试验，记为．以上三种贝努里试验统称为贝努里概型．（4）中成功次的概率是：其中.疑难分析1、必然事件与不可能事件必然事件是在一定条件下必然发生的事件，不可能事件指的是在一定条件下必然不发生的事件.它们都不具有随机性，是确定性的现象，但为研究的方便，把它们看作特殊的随机事件.2、互逆事件与互斥（不相容）事件如果两个事件与必有一个事件发生，且至多有一个事件发生，则、为互逆事件；如果两个事件与不能同时发生，则、为互斥事件.因而，互逆必定互斥，互斥未必互逆.区别两者的关键是：当样本空间只有两个事件时，两事件才可能互逆，而互斥适用与多个事件的情形.作为互斥事件在一次试验中两者可以都不发生，而互逆事件必发生一个且只发生一个.3、两事件独立与两事件互斥两事件、独立，则与中任一个事件的发生与另一个事件的发生无关，这时；而两事件互斥，则其中任一个事件的发生必然导致另一个事件不发生，这两事件的发生是有影响的，这时.可以用图形作一直观解释.在图1.1左边的正方形中，图1.1，表示样本空间中两事件的独立关系，而在右边的正方形中，，表示样本空间中两事件的互斥关系.4、条件概率与积事件概率是在样本空间内，事件的概率，而是在试验增加了新条件发生后的缩减的样本空间中计算事件的概率.虽然、都发生，但两者是不同的，一般说来，当、同时发生时，常用，而在有包含关系或明确的主从关系时，用.如袋中有9个白球1个红球，作不放回抽样，每次任取一球，取2次，求：（1）第二次才取到白球的概率；（2）第一次取到的是白球的条件下，第二次取到白球的概率.问题（1）求的就是一个积事件概率的问题，而问题（2）求的就是一个条件概率的问题.5、全概率公式与贝叶斯(Bayes)公式当所求的事件概率为许多因素引发的某种结果，而该结果又不能简单地看作这诸多事件之和时，可考虑用全概率公式，在对样本空间进行划分时，一定要注意它必须满足的两个条件.贝叶斯公式用于试验结果已知，追查是何种原因（情况、条件）下引发的概率.第二块随机变量及其分布内容提要基本内容：随机变量，随机变量的分布的概念及其性质，离散型随机变量的概率分布，连续型随机变量的概率分布，常见随机变量的分布，随机变量函数的分布.1、随机变量设是随机试验的样本空间，如果对于试验的每一个可能结果，都有唯一的实数与之对应，则称为定义在上的随机变量，简记为.随机变量通常用大写字母等表示.2、离散型随机变量及其分布列如果随机变量只能取有限个或可列个可能值，则称为离散型随机变量.如果的一切可能值为，并且取的概率为，则称为离散型随机变量的概率函数（概率分布或分布律）.也称分布列，常记为其中.常见的离散型随机变量的分布有：（1）两点分布（0-1分布）：记为，分布列为或（2）二项分布：记为，概率函数（3）泊松分布，记为，概率函数泊松定理设是一常数，是任意正整数，设，则对于任一固定的非负整数，有.当很大且很小时，二项分布可以用泊松分布近似代替，即，其中（4）超几何分布：记为，概率函数，其中为正整数，且.当很大，且较小时，有（5）几何分布：记为，概率函数.3、分布函数及其性质分布函数的定义：设为随机变量，为任意实数，函数称为随机变量的分布函数.分布函数完整地描述了随机变量取值的统计规律性，具有以下性质：（1）有界性；（2）单调性如果，则；（3）右连续，即；（4）极限性；（5）完美性.4、连续型随机变量及其分布分布如果对于随机变量的分布函数，存在非负函数，使对于任一实数，有，则称为连续型随机变量.函数称为的概率密度函数.概率密度函数具有以下性质：（1）；（2）；（3）；（4）；（5）如果在处连续，则.常用连续型随机变量的分布：（1）均匀分布：记为，概率密度为分布函数为（2）指数分布：记为，概率密度为分布函数为（3）正态分布：记为，概率密度为，相应的分布函数为当时，即时，称服从标准正态分布.这时分别用和表示的密度函数和分布函数，即具有性质：①.②一般正态分布的分布函数与标准正态分布的分布函数有关系：.5、随机变量函数的分布（1）离散型随机变量函数的分布设为离散型随机变量，其分布列为(表2-2)：表2-2…………则任为离散型随机变量，其分布列为(表2-3)：表2-3…………有相同值时，要合并为一项，对应的概率相加.（2）连续型随机变量函数的分布设为离散型随机变量，概率密度为，则的概率密度有两种方法可求.1）定理法：若在的取值区间内有连续导数，且单调时，是连续型随机变量，其概率密度为.其中是的反函数.2）分布函数法：先求的分布函数然后求.疑难分析1、随机变量与普通函数随机变量是定义在随机试验的样本空间上，对试验的每一个可能结果，都有唯一的实数与之对应.从定义可知：普通函数的取值是按一定法则给定的，而随机变量的取值是由统计规律性给出的，具有随机性；又普通函数的定义域是一个区间，而随机变量的定义域是样本空间.2、分布函数的连续性定义左连续或右连续只是一种习惯.有的书籍定义分布函数左连续，但大多数书籍定义分布函数为右连续. 左连续与右连续的区别在于计算时，点的概率是否计算在内.对于连续型随机变量，由于，故定义左连续或右连续没有什么区别；对于离散型随机变量，由于，则定义左连续或右连续时值就不相同，这时，就要注意对定义左连续还是右连续.第三块多维随机变量及其分布内容提要基本内容：多维随机变量及其分布函数二维离散型随机变量的联合分布列，二维连续型随机变量的联合分布函数和联合密度函数，边际分布，随机变量的独立性和不相关性，常用多维随机变量，随机向量函数的分布.1、二维随机变量及其联合分布函数为n维(n元)随机变量或随机向量.联合分布函数的定义设随机变量,为随机向量的联合分布函数二维联合分布函数具有以下基本性质：（1）单调性是变量或的非减函数；（2）有界性；（3）极限性（3）连续性关于右连续，关于也右连续；（4）非负性对任意点，若，则.式表示随机点落在区域内的概率为：.2、二维离散型随机变量及其联合分布列如果二维随机变量所有可能取值是有限对或可列对，则称为二维离散型随机变量.设为二维离散型随机变量,它的所有可能取值为将或表3.1称为的联合分布列.表3.1……┇┇…………┇┇…┇………┇┇…┇…联合分布列具有下列性质：（1）；（2）.3、二维连续型随机变量及其概率密度函数如果存在一个非负函数,使得二维随机变量的分布函数对任意实数有，则称是二维连续型随机变量，称为的联合密度函数（或概率密度函数）.联合密度函数具有下列性质：（1）非负性对一切实数，有；（2）规范性；（3）在任意平面域上，取值的概率；（4）如果在处连续，则.4、二维随机变量的边缘分布设为二维随机变量，则称分别为关于和关于的边缘（边际）分布函数.当为离散型随机变量，则称分别为关于和关于的边缘分布列.当为连续型随机变量，则称分别为关于和关于的边缘密度函数.5、二维随机变量的条件分布（了解）（1）离散型随机变量的条件分布设为二维离散型随机变量，其联合分布律和边缘分布列分别为，则当固定，且时，称为条件下随机变量的条件分布律.同理，有（2）连续型随机变量的条件分布设为二维连续型随机变量，其联合密度函数和边缘密度函数分别为：.则当时，在和的连续点处，在条件下，的条件概率密度函数为.同理，.6、随机变量的独立性设及分别是的联合分布函数及边缘分布函数.如果对任何实数有则称随机变量与相互独立.设为二维离散型随机变量，与相互独立的充要条件是.设为二维连续型随机变量，与相互独立的充要条件是对几乎一切实数，有.7、两个随机变量函数的分布设二维随机变量的联合概率密度函数为，是的函数，则的分布函数为.（1）的分布若为离散型随机变量，联合分布列为，则的概率函数为：或.若为连续型随机变量，概率密度函数为，则的概率函数为：.（2）的分布若为连续型随机变量，概率密度函数为，则的概率函数为：.8．最大值与最小值的分布则9．数理统计中常用的分布（1）正态分布：（2）：（3）：（4）：疑难分析1、事件表示事件与的积事件，为什么不一定等于？如同仅当事件相互独立时，才有一样，这里依乘法原理.只有事件与相互独立时，才有，因为.2、二维随机变量的联合分布、边缘分布及条件分布之间存在什么样的关系？由边缘分布与条件分布的定义与公式知，联合分布唯一确定边缘分布，因而也唯一确定条件分布.反之，边缘分布与条件分布都不能唯一确定联合分布.但由知，一个条件分布和它对应的边缘分布，能唯一确定联合分布.但是，如果相互独立，则，即.说明当独立时，边缘分布也唯一确定联合分布，从而条件分布也唯一确定联合分布.3、两个随机变量相互独立的概念与两个事件相互独立是否相同？为什么？两个随机变量相互独立，是指组成二维随机变量的两个分量中一个分量的取值不受另一个分量取值的影响，满足.而两个事件的独立性，是指一个事件的发生不受另一个事件发生的影响，故有.两者可以说不是一个问题.但是，组成二维随机变量的两个分量是同一试验的样本空间上的两个一维随机变量，而也是一个试验的样本空间的两个事件.因此，若把“”、“”看作两个事件，那么两者的意义近乎一致，从而独立性的定义几乎是相同的.第四块随机变量的数字特征内容提要基本内容：随机变量的数学期望和方差、标准差及其性质，随机变量函数的数学期望，原点矩和中心矩，协方差和相关系数及其性质.1、随机变量的数学期望设离散型随机变量的分布列为，如果级数绝对收敛，则称级数的和为随机变量的数学期望.设连续型随机变量的密度函数为，如果广义积分绝对收敛，则称此积分值为随机变量的数学期望.数学期望有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若是随机变量，则；对任意个随机变量，有；（4）若相互独立，则；对任意个相互独立的随机变量，有.2、随机变量函数的数学期望设离散型随机变量的分布律为，则的函数的数学期望为，式中级数绝对收敛.设连续型随机变量的密度函数为，则的函数的数学期望为，式中积分绝对收敛.3、随机变量的方差设是一个随机变量，则称为的方差.称为的标准差或均方差.计算方差也常用公式.方差具有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若相互独立，则；对任意个相互独立的随机变量，有；（4）的充要条件是：存在常数，使.4、几种常见分布的数学期望与方差（1）；（2）；（3）；（4）；（5）；（6）；（7）；（8）.5、矩设是随机变量，则称为的阶原点矩.如果存在，则称为的阶中心矩.设是二维随机变量，则称为的阶混合原点矩；称为的阶混合中心矩.6、协方差与相关系数随机变量的协方差为.它是1+1阶混合中心矩，有计算公式：.随机变量的相关系数为.相关系数具有如下性质：（1）；（2）存在常数，使=1，即与以概率1线性相关；（3）若独立，则，即不相关.反之，不一定成立.（4）(Schwarz inequality) 设(X,Y)是二维随机变量,若X与Y的方差都存在,则疑难分析1、随机变量的数字特征在概率论中有什么意义？知道一个随机变量的分布函数，就掌握了这个随机变量的统计规律性.但求得一个随机变量的分布函数是不容易的，而且往往也没有这个必要.随机变量的数字特征则比较简单易求，也能满足我们研究分析具体问题的需要，所以在概率论中很多的应用，同时也刻画了随机变量的某些特征，有重要的实际意义.例如，数学期望反映了随机变量取值的平均值，表现为具体问题中的平均长度、平均时间、平均成绩、期望利润、期望成本等；方差反映了随机变量取值的波动程度；偏态系数、峰态系数则反映了随机变量取值的对称性和集中性.因此，在不同的问题上考察不同的数字特征，可以简单而切实地解决我们面临的实际问题.2、在数学期望定义中为什么要求级数和广义积分绝对收敛？首先，数学期望是一个有限值；其次，数学期望反映随机变量取值的平均值.因此，对级数和广义积分来说，绝对收敛保证了值的存在，且对级数来说，又与项的次序无关，从而更便于运算求值.而由于连续型随机变量可以离散化，从而广义积分与无穷级数有同样的意义.要求级数和广义积分绝对收敛是为了保证数学期望的存在与求出.3、相关系数反映了随机变量和之间的什么关系？相关系数是用随机变量和的协方差和标准差来定义的，它反映了随机变量和之间的相关程度.当时，称与依概率1线性相关；当时，称与不相关；当时，又分为强相关与弱相关.4、两个随机变量与相互独立和不相关是一种什么样的关系？（1）若、相互独立，则、不相关.因为、独立，则，故，从而，所以、不相关.（2）若、不相关，则、不一定独立.如：因为，，知、不相关.但，,,知、不独立.（3）若、相关，则、一定不独立.可由反证法说明.（4）若、不相关，则、不一定不相关.因为、不独立，，但若时，可以有，从而可以有、不相关.但是，也有特殊情况，如服从二维正态分布时，、不相关与、独立是等价的.第五块大数定律和中心极限定理内容提要基本内容：切比雪夫（Chebyshev）不等式，切比雪夫大数定律，伯努里（Bernoulli）大数定律，辛钦（Khinchine）大数定律，棣莫弗-拉普拉斯（De Moivre-Laplace）定理，列维-林维德伯格(Levy-Lindberg)定理.1、切贝雪夫不等式设随机变量的数学期望，方差，则对任意正数，有不等式或成立.2、大数定律（1）切贝雪夫大数定律:设是相互独立的随机变量序列，数学期望和方差都存在，且，则对任意给定的，有.（2）贝努利大数定律:设是次重复独立试验中事件发生的次数，是事件在一次试验中发生的概率，则对于任意给定的，有.贝努利大数定理给出了当很大时，发生的频率依概率收敛于的概率，证明了频率的稳定性.(3)辛钦大数定律：设相互独立,服从同一分布的随机变量序列,且(),则对任意给定的，有3、中心极限定律（1）林德贝格-勒维中心极限定理:设是独立同分布的随机变量序列，有有限的数学期望和方差，，.则对任意实数，随机变量的分布函数满足.（2）李雅普诺夫定理:设是不同分布且相互独立的随机变量，它们分别有数学期望和方差：,.记,若存在正数，，使得当时，有, 则随机变量的分布函数对于任意的，满足.当很大时,.（3）德莫佛—拉普拉斯定理:设随机变量服从参数为的二项分布，则对于任意的，恒有.疑难分析1、依概率收敛的意义是什么？依概率收敛即依概率1收敛.随机变量序列依概率收敛于，说明对于任给的，当很大时，事件“”的概率接近于1.但正因为是概率，所以不排除小概率事件“”发生.依概率收敛是不确定现象中关于收敛的一种说法.2、大数定律在概率论中有何意义？大数定律给出了在试验次数很大时频率和平均值的稳定性.从理论上肯定了用算术平均值代替均值，用频率代替概率的合理性，它既验证了概率论中一些假设的合理性，又为数理统计中用样本推断总体提供了理论依据.所以说，大数定律是概率论中最重要的基本定律.3、中心极限定理有何实际意义？许多随机变量本身并不属于正态分布，但它们的极限分布是正态分布.中心极限定理阐明了在什么条件下，原来不属于正态分布的一些随机变量其总和分布渐进地服从正态分布.为我们利用正态分布来解决这类随机变量的问题提供了理论依据.4、大数定律与中心极限定理有何异同？相同点：都是通过极限理论来研究概率问题，研究对象都是随机变量序列，解决的都是概率论中的基本问题，因而在概率论中有重要意义.不同点：大数定律研究当时，概率或平均值的极限，而中心极限定理则研究随机变量总和的分布的极限.古今名言敏而好学，不耻下问——孔子业精于勤，荒于嬉；行成于思，毁于随——韩愈兴于《诗》，立于礼，成于乐——孔子己所不欲，勿施于人——孔子读书破万卷，下笔如有神——杜甫读书有三到，谓心到，眼到，口到——朱熹立身以立学为先，立学以读书为本——欧阳修读万卷书，行万里路——刘彝黑发不知勤学早，白首方悔读书迟——颜真卿书卷多情似故人，晨昏忧乐每相亲——于谦书犹药也，善读之可以医愚——刘向莫等闲，白了少年头，空悲切——岳飞发奋识遍天下字，立志读尽人间书——苏轼鸟欲高飞先振翅，人求上进先读书——李苦禅立志宜思真品格，读书须尽苦功夫——阮元非淡泊无以明志，非宁静无以致远——诸葛亮熟读唐诗三百首，不会作诗也会吟——孙洙《唐诗三百首序》书到用时方恨少，事非经过不知难——陆游问渠那得清如许，为有源头活水来——朱熹旧书不厌百回读，熟读精思子自知——苏轼书痴者文必工，艺痴者技必良——蒲松龄声明访问者可将本资料提供的内容用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本文档及相关权利人的合法权利。

高考复习概率与统计知识点归纳总结

高考复习概率与统计知识点归纳总结概率与统计是高中数学中的一大重点和难点。

在高考中，这一部分的知识点占有相当大的比重，因此学生需要在复习阶段集中精力，深入理解和掌握相关的知识点。

本文将对高考概率与统计的知识点进行归纳总结，以帮助学生们更好地复习和备考。

一、概率基本概念1. 随机事件与样本空间：随机事件是对某一随机试验的结果的一种描述，样本空间是一个随机试验中可能出现的所有结果的集合。

2. 事件的概率：事件A发生的概率用P(A)表示，其计算公式为P(A) = 事件A的可能结果数 / 样本空间的结果总数。

3. 事件的互斥与对立：互斥事件指的是两个事件不可能同时发生，对立事件指的是两个事件中一个必然发生，另一个必然不发生。

4. 事件的独立性：两个事件相互独立指的是一个事件的发生不受另一个事件的影响，它们的概率计算是相互独立的。

二、排列与组合1. 排列：排列是从n个不同元素中取出m（m≤n）个元素，按一定的顺序排列成一列。

公式为An^m = n(n-1)(n-2)...(n-m+1)。

2. 组合：组合是从n个不同元素中取出m（m≤n）个元素，不考虑排列顺序。

公式为Cn^m = n! / (m!(n-m)!)。

三、事件概率的计算1. 加法定理：对于两个事件A和B，其和事件A∪B的概率为P(A∪B) = P(A) + P(B) - P(A∩B)。

2. 乘法定理：对于两个独立事件A和B，其积事件A∩B的概率为P(A∩B) = P(A) × P(B)。

3. 全概率公式：对于一组互斥事件A1、A2、...、An，其和事件A的概率为P(A) = P(A1) + P(A2) + ... +P(An)。

4. 条件概率公式：对于两个事件A和B，已知事件B发生的条件下事件A发生的概率为P(A|B) = P(A∩B) / P(B)。

四、随机变量与概率分布1. 随机变量：随机变量是随机试验结果的函数，它的取值是随机的。

概率统计公式大全(复习重点)

第一章随机事件和概率（1）排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。

)!(!!nmnmC nm-=从m个人中挑出n个人进行组合的可能数。

（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。

（3）一些常见排列重复排列和非重复排列（有序）对立事件（至少有一个）顺序问题（4）随机试验和随机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。

试验的可能结果称为随机事件。

（5）基本事件、样本空间和事件在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质：①每进行一次试验，必须发生且只能发生这一组中的一个事件；②任何事件，都是由这一组中的部分事件组成的。

这样一组事件中的每一个事件称为基本事件，用ω来表示。

基本事件的全体，称为试验的样本空间，用Ω表示。

一个事件就是由Ω中的部分点（基本事件ω）组成的集合。

通常用大写字母A，B，C，…表示事件，它们是Ω的子集。

Ω为必然事件，Ø为不可能事件。

不可能事件（Ø）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。

（6）事件的关系与运算①关系：如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：BA⊂如果同时有BA⊂，AB⊃，则称事件A与事件B等价，或称A等于B：A=B。

A、B中至少有一个发生的事件：A B，或者A+B。

属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者BA，它表示A发生而B不发生的事件。

自考概率论与数理统计复习要点

《概率论与数理统计》复习概要第一章随机事件与概率1．事件的关系ABAB AB A B A AB2．运算规则（1）A B B A AB BA（2）(A B)CA(BC)(AB)CA(BC)（3）(A B)C(AC)(BC)(AB)C(AC)(BC)（4）A B AB AB A B3．概率P(A)知足的三条公义及性质：（1）0P(A)1（2）P()1（3）对互不相容的事件n n（n能够取）A1,A2,,A n，有P(A k)P(A k)k1k1（4）P()0（5）P(A)1P(A)（6）P(A B)P(A)P(AB)，若A B，则P(B A)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)4．古典概型：基本领件有限且等可能5．几何概率6．条件概率（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B1,B2,B n为齐备事件组，P(B i)0，则有（3）全概率公式：P(A)nP(B i)P(A|B i) i1（4）Bayes公式：P(B k)P(A|B k)P(B k|A) nP(B i)P(A|B i)i17．事件的独立性： A,B独立P(AB)第二章随机变量与概率散布1．失散随机变量：取有限或可列个值，（3）对随意D R，P(XD)p ii:x i D P(A)P(B) （注意独立性的应用）P(Xx i)p i知足（1）p i0，（2）p i=1i2．连续随机变量：拥有概率密度函数f(x)，知足（1）f(x)0,f(x)dx1；-（2）b；（）对随意a R，P(XP(aX b)f(x)dx a)03a3．几个常用随机变量数学期名称与记号散布列或密度方差望两点散布B(1,p)P(X1)p，P(X0)q1p二项式散布C n k p k q nk,kP(X k)0,1,2,n，B(n,p)Poisson散布P()几何散布G(p)平均散布U(a,b)f(x)1,a x b，b a指数散布E()正态散布N(,2)4．散布函数F(x) P(X x)，拥有以下性质（1）F()0,F()1；（2）单一非降；（3）右连续；（4）P(a X b)F(b)F(a)，特别P(Xa)1F(a)；（5）对失散随机变量，F(x)p i；i:x i x（6）对连续随机变量，F(x)xf(x)连续点上，f(t)dt为连续函数，且在F'(x)f(x)5．正态散布的概率计算以(x)记标准正态散布N(0,1)的散布函数，则有（1）(0)；（2）(x)1(x)；（3）若X~N(,2)，则F(x)(x)；（4）以u记标准正态散布N(0,1)的上侧分位数，则P(Xu)1(u) 6．随机变量的函数Y g(X)（1）失散时，求Y的值，将同样的概率相加；（2）X连续，g(x)在X的取值范围内严格单一，且有一阶连续导数，则f Y(y) f X(g1(y))|(g1(y))'|，若不但一，先求散布函数，再求导。

《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。

《概率论与数理统计》复习-知识归纳整理

《概率论与数理统计》复习大纲第一章随机事件与概率基本概念随机试验E----指试验可在相同条件下重复举行，试验的结果具有多种可能性（每次试验有且仅有一个结果闪现，且事先知道试验可能闪现的一切结果，但不能预知每次试验确实切结果。

样本点ω ---随机试验E的每一具可能闪现的结果样本空间Ω----随机试验E的样本点的全体随机事件-----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具子集。

必然事件---每次试验中必然发生的事件。

不可能事件∅--每次试验中一定不发生的事件。

事件之间的关系包含A⊂B相等A=B对立事件，也称A的逆事件互斥事件AB=∅也称不相容事件A，B相互独立P(AB)=P(A)P(B)例1事件A，B互为对立事件等价于（ D ）A、A，B互不相容B、A，B相互独立C、A∪B＝ΩD、A，B构成对样本空间的一具剖分例2设P(A)=0，B为任一事件，则（C ）A、A=∅B、A⊂BC、A与B相互独立D、A与B互不相容事件之间的运算事件的交AB或A ∩B 例1设事件A、B满足A B¯=∅，由此推导不出(D)A、A⊂BB、A¯⊃B¯C、A B=BD、A B=B例2若事件B与A满足B – A=B，则一定有(B)A、A=∅B、AB=∅C、AB¯=∅D、B=A¯事件的并A∪B事件的差A-B 注意：A-B= A B= A-AB = (A∪B)-BA1,A2,…,An构成Ω的一具完备事件组(或分斥)−−指A1,A2,…,An两两互不相容，且∪i=1nAi=Ω运算法则交换律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=(AC)∪(BC) (A∩B)∪C=(A∪C)∩(B∪C) 对偶律A∪B=A∩B A∩B=A∪B文氏图事件与集合论的对应关系表记号概率论集合论Ω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 事件全集中的一具子集A A的对立事件A的补集A⊂B 事件A发生导致事件B发生A是B的子集A=B 事件A与事件B相等A与B相等A∪B 事件A与事件B至少有一具发生A与B的并集AB 事件A与事件B并且发生A与B的交集知识归纳整理A-B事件A 发生但事件B 不发生A 与B 的差集 AB=∅ 事件A 与事件B 互不相容（互斥） A 与B 没有相同的元素古典概型古典概型的前提是Ω={ω1,ω2, ω3,…, ωn ,}, n 为有限正整数，且每个样本点ωi 出现的可能性相等。

考研概率统计重点内容及常见题型

考研概率统计重点内容及常见题型概率论和数理统计是考研数学中的重要内容之一，本文将着重介绍考研概率统计的重点内容及常见题型。

概率论概率论是一门研究随机现象的定量描述规律和控制方法的学科。

通常把概率论分为古典概率和现代概率两个部分，其中古典概率是研究有限样本空间的情况，而现代概率则主要研究无限个样本空间的情况。

重点内容：1. 概率的基本定义和性质：包括概率的三大公理、条件概率、乘法公式、全概率公式、贝叶斯公式等。

2. 随机变量及其分布：包括随机变量的定义、离散随机变量与其分布律、连续随机变量与其概率密度函数、分布函数以及常见的分布如正态分布、泊松分布、指数分布、均匀分布等。

3. 数学期望与方差：包括连续和离散随机变量的数学期望公式和性质、方差公式和性质，两个随机变量的线性性质等。

4. 大数定律和中心极限定理：包括切比雪夫不等式、辛钦大数定律和中心极限定理的主要内容和应用。

常见题型：2. 分布计算题：考察各种概率分布的定义、性质，以及定量计算随机变量的概率或期望、方差等。

数理统计数理统计是利用数学的方法研究随机现象的规律性、提取其中的信息和定量的评价不确定性的学科。

它是概率论的一个分支和应用领域。

1. 统计量及其分布：包括样本均值、样本方差、样本协方差、样本相关系数等常见统计量的定义、性质和分布，如t分布、卡方分布、F分布等。

2. 参数估计与假设检验：包括点估计和区间估计（如置信区间、最大似然估计等），显著性水平、拒绝域、p值等假设检验的基本概念和方法。

3. 方差分析和回归分析：包括单因素方差分析和多因素方差分析的原理和方法，以及回归分析的基本模型、方法和应用。

4. 非参数检验与贝叶斯统计：包括基本的非参数检验方法和贝叶斯统计的基本原理与方法等。

1. 参数估计题：考察最大似然估计、置信区间估计等方法，并要求计算或推导统计量的分布。

2. 假设检验题：考察显著性水平、拒绝域、p值等的概念和应用。

3. 方差分析题和回归分析题：考察该方法的基本原理和步骤，并要求数据处理、回归系数估计和模型选择等。

概率论与数理统计重点笔记

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 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()()()()+∑+∑-∑=≤<<≤≤<≤=n k j i k j i n j i j i n i 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)=()()()()()()∑==n i 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()()()()k k i 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}=()k n 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 e x 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∞--x t 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 k y 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 j ij p 1 .3. (X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x y y 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),(=⎰⎰∞∞-∞∞-dxdy 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 },{j i j i p y Y x X P ==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) 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),}{},{•=====i j i i j i p p x X P y Y x X P2.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) 2/125.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∑-==n i 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=n Y 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,n S 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 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⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111kk 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 =∂∂iL θ (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 n X σμ-~N (0,1) (2/ασz n X ±) μ σ2未知n S 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 S n 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,σσ 22212121)(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.。

概率论与数理统计重点笔记

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 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()()()()+∑+∑-∑=≤<<≤≤<≤=n k j i k j i n j i j i n i 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)=()()()()()()∑==n i 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()()()()k k i 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}=()k n 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 e x 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∞--x t 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 k y 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 j ij p 1 .3. (X,Y)的(X 和Y 的联合)分布函数F(x,y)=∑∑≤≤x x y y 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),(=⎰⎰∞∞-∞∞-dxdy 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 },{j i j i p y Y x X P ==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) 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),}{},{•=====i j i i j i p p x X P y Y x X P2.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) 2/125.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∑-==n i 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=n Y 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,n S 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 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⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111kk 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 =∂∂iL θ (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 n X σμ-~N (0,1) (2/ασz n X ±) μ σ2未知n S 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 S n 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,σσ 22212121)(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.。

高考数学概率统计知识点(大全)

高考数学概率统计知识点（大全）高考数学概率统计知识点一、随机事件(1)事件的三种运算：并(和)、交(积)、差;注意差A—B可以表示成A与B 的逆的积。

(2)四种运算律：交换律、结合律、分配律、德莫根律。

(3)事件的五种关系：包含、相等、互斥(互不相容)、对立、相互独立。

二、概率定义(1)统计定义：频率稳定在一个数附近，这个数称为事件的概率;(2)古典定义：要求样本空间只有有限个基本事件，每个基本事件出现的可能性相等，则事件A所含基本事件个数与样本空间所含基本事件个数的比称为事件的古典概率;(3)几何概率：样本空间中的元素有无穷多个，每个元素出现的可能性相等，则可以将样本空间看成一个几何图形，事件A看成这个图形的子集，它的概率通过子集图形的大小与样本空间图形的大小的比来计算;(4)公理化定义：满足三条公理的任何从样本空间的子集集合到[0，1]的映射。

三、概率性质与公式(1)加法公式：P(A+B)=p(A)+P(B)—P(AB)，特别地，如果A与B互不相容，则P(A+B)=P(A)+P(B);(2)差：P(A—B)=P(A)—P(AB)，特别地，如果B包含于A，则P(A—B)=P(A)—P(B);(3)乘法公式：P(AB)=P(A)P(B|A)或P(AB)=P(A|B)P(B)，特别地，如果A与B相互独立，则P(AB)=P(A)P(B);(4)全概率公式：P(B)=∑P(Ai)P(B|Ai)。

它是由因求果，贝叶斯公式：P(Aj|B)=P(Aj)P(B|Aj)/∑P(Ai)P(B|Ai)。

它是由果索因;如果一个事件B可以在多种情形(原因)A1，A2，...，An下发生，则用全概率公式求B发生的概率;如果事件B已经发生，要求它是由Aj引起的概率，则用贝叶斯公式。

(5)二项概率公式：Pn(k)=C(n，k)p^k(1—p)^(n—k)，k=0，1，2，...，n。

当一个问题可以看成n重贝努力试验(三个条件：n次重复，每次只有A与A的逆可能发生，各次试验结果相互独立)时，要考虑二项概率公式。

概率统计知识点汇总

概率统计知识点汇总1．分类加法计数原理完成一件事有n 类不同的方案，在第一类方案中有m 1种不同的方法，在第二类方案中有m 2种不同的方法，……，在第n 类方案中有m n 种不同的方法，则完成这件事情，共有N ＝m 1＋m 2＋…＋m n 种不同的方法． 2．分步乘法计数原理完成一件事情需要分成n 个不同的步骤，完成第一步有m 1种不同的方法，完成第二步有m 2种不同的方法，……，完成第n 步有m n 种不同的方法，那么完成这件事情共有N ＝m 1×m 2×…×m n 种不同的方法． 3．两个原理的区别分类加法计数原理与分步乘法计数原理，都涉及完成一件事情的不同方法的种数．它们的区别在于：分类加法计数原理与分类有关，各种方法相互独立，用其中的任一种方法都可以完成这件事；分步乘法计数原理与分步有关，各个步骤相互依存，只有各个步骤都完成了，这件事才算完成．4．排列与排列数公式 (1)排列与排列数从n 个不同元素中取出m m ≤n 个元素――――――――→按照一定的顺序排成一列排列―――――→所有不同排列的个数排列数(2)排列数公式A mn ＝n (n －1)(n －2)…(n －m ＋1)＝n ！n －m ！.(3)排列数的性质 ①A nn ＝n ！； ②0！＝1. 5．组合与组合数公式 (1)组合与组合数从n 个不同元素中取出m m ≤n 个元素――――→合成一组组合――――――→所有不同组合的个数组合数(2)组合数公式C m n＝A mn A m m＝nn －n －n －m ＋m ！＝n ！m ！n －m ！.(3)组合数的性质①C 0n ＝1； ②C mn ＝C n －mn ； ③C m n ＋C m －1n ＝C mn ＋1.6．排列与组合问题的识别方法7．二项式定理(1)定理： (a ＋b )n＝C 0n a n＋C 1n a n －1b ＋…＋C k n a n －k b k ＋…＋C n n b n (n ∈N *)．(2)通项：第k ＋1项为：T k ＋1＝C k n an －k b k.(3)二项式系数：二项展开式中各项的二项式系数为：C kn (k ＝0,1,2，…，n )． 8．二项式系数的性质9．概率与频率(1)在相同的条件S 下重复n 次试验，观察某一事件A 是否出现，称n 次试验中事件A 出现的次数n A 为事件A 出现的频数，称事件A 出现的比例f n (A )＝n An为事件A 出现的频率． (2)对于给定的随机事件A ，在相同条件下，随着试验次数的增加，事件A 发生的频率会在某个常数附近摆动并趋于稳定，我们可以用这个常数来刻画随机事件A 发生的可能性大小，并把这个常数称为随机事件A 的概率，记作P (A )． 10．事件的关系与运算11．理解事件中常见词语的含义：(1)A ，B 中至少有一个发生的事件为A ∪B ； (2)A ，B 都发生的事件为AB ； (3)A ，B 都不发生的事件为A －B －；(4)A ，B 恰有一个发生的事件为A B －∪A －B ； (5)A ，B 至多一个发生的事件为A B －∪A －B ∪A －B －. 12．概率的几个基本性质 (1)概率的取值范围：0≤P (A )≤1. (2)必然事件的概率：P (E )＝1. (3)不可能事件的概率：P (F )＝0.(4)概率的加法公式：如果事件A 与事件B 互斥，则P (A ∪B )＝P (A )＋P (B )． (5)对立事件的概率若事件A 与事件B 互为对立事件，则P (A )＝1－P (B )．13．互斥事件与对立事件的区别与联系互斥事件与对立事件都是两个事件的关系，互斥事件是不可能同时发生的两个事件，而对立事件除要求这两个事件不同时发生外，还要求二者之一必须有一个发生，因此，对立事件是互斥事件的特殊情况，而互斥事件未必是对立事件． 14．基本事件的特点(1)任意两个基本事件是互斥的．(2)任何事件(除不可能事件)都可以表示成基本事件的和． 15．古典概型（1）定义：具有以下两个特点的概率模型称为古典概率模型，简称古典概型．①试验中所有可能出现的基本事件只有有限个． ②每个基本事件出现的可能性相等．（2）古典概型的概率公式：P (A )＝A 包含的基本事件的个数基本事件的总数.16．几何概型（1）定义：如果每个事件发生的概率只与构成该事件区域的长度(面积或体积)成比例，则称这样的概率模型为几何概率模型，简称几何概型．（2）几何概型的概率公式：P (A )＝构成事件A 的区域长度面积或体积试验的所构成的区域长度面积或体积.17．条件概率及其性质(1)对于任何两个事件A 和B ，在已知事件A 发生的条件下，事件B 发生的概率叫做条件概率，用符号P (B |A )来表示，其公式为P (B |A )＝P AB P A ＝n ABn A．(2)条件概率具有的性质： ①0≤P (B |A )≤1；②如果B 和C 是两个互斥事件，则P (B ∪C |A )＝P (B |A )＋P (C |A )． 18．相互独立事件(1)对于事件A 、B ，若A 的发生与B 的发生互不影响，则称A 、B 是相互独立事件． (2)若A 与B 相互独立，则P (B |A )＝P (B )，P (AB )＝P (B |A )P (A )＝P (A )P (B )．(3)若A 与B 相互独立，则A 与B ，A 与B ，A 与B 也都相互独立． (4)若P (AB )＝P (A )P (B )，则A 与B 相互独立．19．离散型随机变量随着试验结果变化而变化的变量称为随机变量，常用字母X ，Y ，ξ，η，…表示．所有取值可以一一列出的随机变量，称为离散型随机变量． 20．离散型随机变量的分布列及其性质(1)一般地，若离散型随机变量X 可能取的不同值为x 1，x 2，…，x i ，…，x n ，X 取每一个值x i (i ＝1,2，…，n )的概率P (X ＝x i )＝p i ，则表(2)离散型随机变量的分布列的性质：①p i ≥0(i ＝1,2，…，n )； ②∑ni ＝1p i ＝1. 21．常见离散型随机变量的分布列 (1)两点分布：若随机变量X 服从两点分布，则其分布列为其中p ＝P (X ＝1)称为成功概率． (2)超几何分布在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品，则事件{X ＝k }发生的概率为P (X ＝k )＝C kM C n －kN －MC n N ，k ＝0,1,2，…，m ，其中m ＝min{M ，n }，且n ≤N ，M ≤N ，n ，M ，N ∈N *，称（3①独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一次试验只有两种结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的．②在n 次独立重复试验中，用X 表示事件A 发生的次数，设每次试验中事件A 发生的概率为p ，则P (X ＝k )＝C k n p k (1－p )n －k(k ＝0,1,2，…，n )，此时称随机变量X 服从二项分布，记为X ～B (n ，p)，并称p 为成功概率．22．离散型随机变量的均值与方差若离散型随机变量X 的分布列为<1>均值：称E (1122i i n n 它反映了离散型随机变量取值的平均水平．<2>方差：称D (X )＝∑ni ＝1 (x i －E (X ))2p i 为随机变量X 的方差，它刻画了随机变量X 与其均值E (X )的平均偏离程度，其算术平方根D X 为随机变量X 的标准差．<3>均值与方差的性质E aX ＋b ＝ D aX ＋b ＝(a ，b 为常数)．<4>两点分布与二项分布的均值、方差23.(1)曲线位于x 轴上方，与x 轴不相交； (2)曲线是单峰的，它关于直线x ＝μ对称；(3)曲线在x ＝μ处达到峰值1σ2π；(4)曲线与x 轴之间的面积为1；(5)当σ一定时，曲线随着μ的变化而沿x 轴平移；(6)当μ一定时，曲线的形状由σ确定．σ越小，曲线越“瘦高”，表示总体的分布越集中；σ越大，曲线越“矮胖”，表示总体的分布越分散． (7)正态分布的三个常用数据(不需记忆) ① P (μ－σ＜X ≤μ＋σ)＝0.682 6； ② P (μ－2σ＜X ≤μ＋2σ)＝0.954 4； ③ P (μ－3σ＜X ≤μ＋3σ)＝0.997 4. 24．简单随机抽样(1)定义：一般地，设一个总体含有N 个个体，从中逐个不放回地抽取n 个个体作为样本(n ≤N )，且每次抽取时各个个体被抽到的机会都相等，就称这样的抽样方法为简单随机抽样． (2)常用方法：抽签法和随机数表法． 25．系统抽样(1)步骤：①先将总体的N 个个体编号；②根据样本容量n ，当N n 是整数时，取分段间隔k ＝N n； ③在第1段用简单随机抽样确定第一个个体编号l (l ≤k )； ④按照一定的规则抽取样本．(2)适用范围：适用于总体中的个体数较多时． 26．分层抽样(1)定义：在抽样时，将总体分成互不交叉的层，然后按照一定的比例，从各层独立地抽取一定数量的个体，将各层取出的个体合在一起作为样本，这种抽样方法是一种分层抽样．(2)适用范围：适用于总体由差异比较明显的几个部分组成时．27．三种抽样方法的比较(1)求极差(即一组数据中最大值与最小值的差)． (2)决定组距与组数． (3)将数据分组． (4)列频率分布表． (5)画频率分布直方图． 29．频率分布折线图和总体密度曲线(1)频率分布折线图：连接频率分布直方图中各小长方形上端的中点，就得到频率分布折线图． (2)总体密度曲线：随着样本容量的增加，作图时所分的组数增加，组距减小，相应的频率折线图会越来越接近于一条光滑曲线，统计中称这条光滑曲线为总体密度曲线． 30．茎叶图统计中还有一种被用来表示数据的图叫做茎叶图，茎是指的一列数，叶是从茎的旁边生长出来的数． 31．样本的数字特征(1)众数：一组数据中出现次数最多的那个数据，叫做这组数据的众数．(2)中位数：把n 个数据按大小顺序排列，处于最中间位置的一个数据叫做这组数据的中位数． (3)平均数：把a 1＋a 2＋…＋a nn称为a 1，a 2，…，a n 这n 个数的平均数．(4)标准差与方差：设一组数据x 1，x 2，x 3，…，x n 的平均数为x ，则这组数据标准差为s ＝1nx 1－x2＋x 2－x2＋…＋x n －x2]方差为s 2＝1n[(x 1－x )2＋(x 2－x )2＋…＋(x n －x )2]32．变量间的相关关系(1)常见的两变量之间的关系有两类：一类是函数关系，另一类是相关关系；与函数关系不同，相关关系是一种非确定性关系．(2)从散点图上看，点分布在从左下角到右上角的区域内，两个变量的这种相关关系称为正相关，点分布在左上角到右下角的区域内，两个变量的相关关系为负相关． 33．两个变量的线性相关(1)从散点图上看，如果这些点从整体上看大致分布在通过散点图中心的一条直线附近，称两个变量之间具有线性相关关系，这条直线叫回归直线．(2)回归方程为y ^＝b ^x ＋a ^，其中，a ^＝y －b ^x .(3)通过求Q ＝ (y i －bx i －a )2的最小值而得出回归直线的方法，即求回归直线，使得样本数据的点到它的距离的平方和最小，这一方法叫做最小二乘法． (4)相关系数：当r >0时，表明两个变量正相关；当r <0时，表明两个变量负相关．r 的绝对值越接近于1，表明两个变量的线性相关性越强．r 的绝对值越接近于0，表明两个变量之间几乎不存在线性相关关系，通常|r |大于0.75时，认为两个变量有很强的线性相关性． 34．独立性检验假设有两个分类变量X 和Y ，它们的取值分别为{x 1，x 2}和{y 1，y 2}，其样本频数列联表(称为2×2列联表)为：K 2＝n ad －bc 2a ＋ba ＋cb ＋dc ＋d(其中n ＝a ＋b ＋c ＋d 为样本容量)．。

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