《概率论与数理统计》课程重点与难点要记
自考 概率论与数理统计 重难点笔记资料
高等教育自学考试《概率论与数理统计》重难点笔记资料 课程代码：04183第一章 随机事件与概率一.随机事件关系与运算1!0,)!(!!!,)!(!0===-==-=C C C A A n n n r n nn rn r n r n ：，n r n n 组合排列二.概率P(A) 1.P(A)概率特征)()31)(,0)()21)(0)111∑∞=∞===Ω=≤≤K KK kA A P ，P（P P A P 事件互不相容时φ2. 古典概型3.概率加法公式P(A+B)=P(A)+P(B)- P(AB)当A 、B 互斥时， P(A+B)=P(A)+P(B) 事件的独立性:定义:P(AB)=P(A)P(B)性质:.P(A)>0,,则P(B)=P(B/A); P(B)>0则P(A)=P(A/B) P(B —A)=P(B)--P(AB)P （A--B ）==P （AB ）=P （A--AB ）=P （A ）--P （AB ）基本事件总数所包含的基本事件数A A P =)(P(A+B+C)=1--P(A+B+C)=1--P(A)P(B)P(C) P(AB)=P(AUB)=1-P(AUB)=1-(P(A)+P(B)) P(A)=1-P(A4.条件概率公式5.概率的乘法公式6.全概率公式：从原因计算结果7.Bayes 公式：从结果找原因)()()|(B P AB P B A P =)|()()(B A P B P AB P =)|()(A B P A P =∑==nk k k B A P B P A P 1)|()()(∑==nk kki i k B A P B P B A P B P A B P 1)|()()|()()|()()()|(A P AB P A B P =)/()/()()(AB C P A B P A P ABC P =第二章随机变量及其概率分布4/ 13分布函数对离散型随机变量对连续型随机变量分布函数与密度函数的重要关系：“一般正态分布函数F(x)”转换为“标准正态分布函数)（x Φ”的关系 设X~N （δμ2,）则1.2.3.连续型随机变量函数的概率分布定理:记x=h(y)为y=g(x)的反函数，则Y=g(X)的概率密度：⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<<'=其他y y h y h y f f X Y ,0),())(()(βα1） 设X~U(-2,2ππ),令Y=tanX,求Y 的概率密度柯西分布：+∞<<-∞+='=y y h y h y y f f X Y ,111)())(()(2π 2)设X~N(σμ2,),求eX的概率密度对数正态分布：⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤>-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤>•=-0,00,2)(ln 210,0,0,1)(ln )(,22y y y y y y y y y e f fX Yσμσπ ∑≤==≤=xk k X P x X P x F )()()(⎰∞-=≤=x dtt f x X P x F )()()(⎰∞-=≤=xdt t f x X P x F )()()()()('x f x F =3直接变换法：[])()(21)()(y y yy y ff F fXXY Y-+='=e e yx x 的的反函数为y y 的反函数为反y 2ln 2,,,,,ln -=-===第三章多维随机变量及其概率分布 二元随机变量及其边缘分布 分布规律的描述方法联合密度函数联合分布函数离散联合分布函数的概率：{}0),(),(),(),(,112112222121≥+--=≤<≤<y x y x y x y x y y x x F F F F Y X P性质1),(,0),(),(),(=+∞+∞=-∞-∞=-∞=-∞F F x F y F 离散边缘分布律：{}{}∑∑===⋅===⋅ijji pijY P j p pij X P pi y x1...2,1,,0,0=⋅=⋅=≥⋅≥⋅∑∑jij p pi j i j p pi联合密度二维边缘密度二维连续随机变量的分布 1.均匀分布(X,Y)~U D1)设D 为平面上的有界区域，S 表面积⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤+−−→−⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤≤≤--−−→−⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧∈=其他，其他o d x c b x a c d a b 其他D y x S y x f R yx R 圆形矩形,01,,,))((1,0),(,1),(2222π),(y x f ),(y x F 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f 1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=+∞<<∞-=⎰+∞∞-x ，，dy y x f x f ),()(+∞<<-∞=⎰+∞∞-y dx y x f y f Y ,,),()(}{}{},{j Y P i X P j Y i X P =====2.正态分布),,,,(~),(222121ρσσμμN Y Xey y x f y x x ⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧+--------=σμσσσρρσπσμμρμ222212121212)2(121),())((2)()1(21221离散型随机变量的独立性)()(),(y FY x Fx y x F =连续型随机变量的独立性第四章 随机变量的数字特征数学期望离散型随机变量，数学期望定义连续型随机变量，数学期望定义期望性质:● E(a)=a ，其中a 为常数● E(a+bX)=a+bE(X)，其中a 、b 为常数 ， ● E(CX)=CE(X),其中C 为常数● E(X+Y)=E(X)+E(Y)，X 、Y 为任意随机变量 ● E(XY)=E(X)E(Y),X,Y 相互独立 方差的性质D(a)=0，其中a 为常数D(a+bX)=b 2(X)，其中a 、b 为常数D(X+Y)=D(X)+D(Y) 当X 、Y 相互独立时随机变量g(X)的数学期望常用公式：二维随机变量的期望 离散)()(),(y f x f y x f Y X =∑+∞-∞=⋅=k kkP xX E )(⎰+∞∞-⋅=dxx f x X E )()(⎰∑+∞∞-=⇔=dx x fx x g X g E p x g X g E k k k )()()]([)())((ijji Jii i j ij i i i py j p y Y E p x pi x X E ∑∑∑∑∑∑=⋅==⋅=)()()()()(Y E X E Y X E +=+∑∑=i j ij j i p y x XY E )()()()(,Y E X E XY E Y X =独立时与当连续 g(X)∑⎰⎰∑=⇔=jij jiidxdy y x f y x g Y X G E p yx g Y X g E ,),(),()],([),()],([方差 定义式 离散:⋅-=∑=Pi X E xX D ni i21))(()(连续常用计算式常用公式协方差与相关系数⎰⎰--=dxdy y x f Y E Y X E x Y X Cov ),())())(((),(协方差Cov(X,Y)的性质当X 与Y 相互独立时，则Cov(X,Y)=0相关系数XY ρ的性质⎰⎰⎰⎰==dxdyy x yf Y E dxdy y x xf X E ),()(),()(dxdyy x xyf XY E ⎰⎰=),()(()⎰+∞∞-⋅-=dx x f X E x X D )()()(2[]22)()()(X E X E X D -=))}())(({(2)()()(Y E Y X E X E Y D X D Y X D --++=+)()()(Y D X D Y X D +=+)()()(),(Y E X E XY E Y X Cov -=)()(),(Y D X D Y X Cov XY=ρ[][]{})()()()()(Y E X E XY E Y E Y X E X E -=--())()()(),(22X D X E X E X X Cov =-=),(),(Y X abCov bY aX Cov =),(),(),(Z Y Cov Z X Cov Z Y X Cov +=+独立与相关独立必定不相关 相关必定不独立 不相关不一定独立标准正态分布的概率计算公式)()()(a a Z P a Z P Φ=<=≤)(1)()(a a Z P a Z P Φ-=>=≥)()()(a b b Z a P Φ-Φ=≤≤1)(2)()()(-Φ=-Φ-Φ=≤≤-a a a a Z a P一般正态分布的概率计算一般正态分布的概率计算公式第五章 大数定律及中心极限定理1.切比雪夫不等式：设随机变量X 的期望E(X)及方差D （X ）存在，则对任意小正数a>0,{}{}22)(1)()()(aX D a X E X P a X D a X E X P -≥<-↔≤≥- 2．独立同分布序列的中心极限定理{})(21)(212lim lim lim x dt x n n X P x Y P x xt n i i n n n n n eF Φ==⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-=≤=⎰∑∞---∞→∞→∞→πσμ3．棣莫费-拉普拉斯中心极限定理)1,0(~),(~2N X Z N X σμσμ-=⇔()()(σμ-Φ=<=≤a a X P a X P )(1)()(σμ-Φ-=>=≥a a X P a X P )()()(σμσμ-Φ--Φ=≤≤a b b X a P)(2122lim x dt x mpq np Z p e t x n n Φ==⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤--∞-∞→⎰ 第六章 统计量及其抽样分布 样本方差,)(11212∑=--=ni i x x n s样本标准差2s s = 统计量样本K样本K卡方分布t 分布F 分布正态总体条件下样本均值的分布：样本方差的分布：两个正态总体的方差之比)(~)1,0(~212n X N X ni i χ∑=，则若())(~1),,(~21222n Y N Y ni iχμσσμ∑=-则若),(~//),(~),(~21212212n n F n V n U n V n U 则若χχ),(~2n N X σμ)1,0(~/N nX σμ-)1(~)1(222--n S n χσ)1(~/--n t ns X μ则若),(~),1,0(~2n Y N X χ)(~/n t nY X第七章 参数估计点估计：参数的估计值为一个常数最大似然估计P147似然函数单个正态总体参数的置信区间第八章 假设检验假设检验的步骤① 根据具体问题提出原假设H0和备择假设H1② 根据假设选择检验统计量，并计算检验统计值③ 看检验统计值是否落在拒绝域，若落在拒绝域则拒绝原假设，否则就不拒绝原假设。
概率论与数理统计的考试重难点
概率论与数理统计的考试重难点万学*海文数学教研室——李兰巧2011年的考试大纲已经出炉，11年大纲概率部分和10年完全没有区别，所以考生在复习的时候可以按照既定计划进行复习即可。
概率与数理统计这门课程从试卷本身的难度的话，在三门课程中应该算最低的，但是从每年得分的角度来说，这门课程是三门课中得分率最低的，由于它的概念比较多，式子比较复杂，尤其是统计部分，很多同学在初学的时候都会被吓住，有的会选择放弃学概率。
其实是非常不明智的，因为我总结这门课的最大特点是，题型比较单一，解题手法也比较单一，比如大题基本上就围绕在随机变量函数的分布，随机变量的数字特征，参数的矩估计和最大似然估计这几块。
这在《全国硕士研究生入学统一考试数学120种常考题型精讲》中重点介绍了相关题型，并且给出了独特和详细的求解步骤，考生认真学习后，必能轻松过关。
这门课程，很多同学觉得难，难在两点，一是古典概率，那块儿的计算一不小心就数错了，或者是不知道怎么来数数，其实这个大家放心，考研只会考简单的古典概率的计算，复杂的不会考，所以这部分可以很快通过；二是数理统计部分，这部分式子比较复杂，很多人学到这里就脑袋大，其实不用担心，这部分需要你真正去记忆的很少。
概率论与数理统计一共是八章，前五章是概率论，数学一、数学三都要考的。
数理统计是后面三章，数学一和数学三是要考的，但是估计量的评选标准、置信区间和假设检验只有数学一要求。
作为前面五章的概率论，我简单介绍一下。
第一章随机事件和概率，是后续各章的基础。
它的重点内容主要是事件的关系和运算，古典概型和几何概型，加法公式、减法公式、乘法公式、全概公式和贝叶斯公式。
第一章很少单独命题，经常是结合随机变量来考察的。
09年、10年连续两年利用古典概型结合随机变量已解答题的形式考察了。
第二章一维随机变量及其分布，这部分的重点内容是常见分布，同时它是学习二维随机变量的基础。
近几年考察一维随机变量的题目相对减少，更多的是考察二维随机变量的有关题目第三章二维随机变量，是考试的重点之重点。
高等教育自学考试 概率论与数理统计期末自学 复习重要知识点
概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）： 若一个随机变量X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x p p ====-<<，则称X 服从12,x x 处参数为p 的两点分布。
两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=给出，则称X 服从参数为n,p 的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：{}(1),0,1,...,.k k n kn P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：如果对随机变量X 的分布函数F(x)，存在非负可积函数()f x ，使得对于任意实数x ，有(){}()xF x P X x f t dt-∞=≤=⎰，则称X 为连续型随机变量，称()f x 为X 的概率密度函数，简称为概率密度函数。
5.常用的连续型分布： （1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。
概率论与数理统计复习笔记
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:每次试验中一定不会发生的事件.二. 事件间的关系和运算事件B包含事件A 事件A发生必然导致事件B发生.∪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= A 与B 互不相容或互斥事件A 与B 不能同时发生.6. AB=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PA,称为事件A 的概率.1非负性 PA ≥0 ; 2归一性或规范性 PS=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,…,PA 1∪A 2∪…=P A 1+PA 2+…2.性质1 P = 0 , 注意: A 为不可能事件2有限可加性对于n个两两互不相容的事件A1,A2,…,An,PA1∪A2∪…∪An=PA1+PA2+…+PAn有限可加性与可列可加性合称加法定理3若A B, 则PA≤PB, PB-A=PB-PA .4对于任一事件A, PA≤1, PA=1-PA .5广义加法定理对于任意二事件A,B ,PA∪B=PA+PB-PAB .对于任意n个事件A1,A2,…,An…+-1n-1PA1A2…An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={e1,e2,…,en};2每一个基本事件的概率相等,即Pe1=Pe2=…= Pen.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 PA=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PB|A=PAB / PA PA>0.2.乘法定理 PAB=PA P B|A PA>0; PAB=PB P A|B PB>0.PA 1A 2…A n =PA 1PA 2|A 1PA 3|A 1A 2…PA n |A 1A 2…A n-1 n ≥2, PA 1A 2…A n-1 > 03. 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PB i >0时,有全概率公式 PA=()()i ni i B A P B P ∑=1当PA>0, PB 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PAB = PA PB 时,称A,B 为相互独立的事件.1两个事件A,B 相互独立 PB= 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PAB =PA PB, PAC= PA PC, PBC= PB PC,称A,B,C 三事件两两相互独立. 若再满足PABC =PA PB PC,则称A,B,C 三事件相互独立.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Fx=P{X ≤x} , x 是任意实数. 其性质为:10≤Fx≤1 ,F -∞=0,F∞=1. 2Fx 单调不减,即若x 1<x 2 ,则 Fx 1≤Fx 2.3Fx 右连续,即Fx+0=Fx. 4P{x 1<X≤x 2}=Fx 2-Fx 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 Fx=∑≤xX k k P 为阶梯函数,它在x=x kk=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1X~0-1分布 P{X=1}= p ,P{X=0}=1–p 0<p<1 .2X~bn,p 参数为n,p 的二项分布P{X=k}=()kn k p p k n --⎪⎪⎭⎫ ⎝⎛1k=0,1,2,…,n 0<p<1 3X~参数为的泊松分布 P{X=k}=λλ-e k k !k=0,1,2,… >0 三.连续型随机变量1.定义 如果随机变量X 的分布函数Fx 可以表示成某一非负函数fx 的积分Fx=()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 fx ≥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1X ～U a,b 区间a,b 上的均匀分布⎩⎨⎧=-0)(1a b x f其它b x a << . 2X 服从参数为的指数分布.()⎩⎨⎧=-0/1θθx ex f 00≤>x x 若若 >0.3X~N ,2参数为,的正态分布222)(21)(σμσπ--=x e x f -<x<, >0.特别, =0, 2=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, -x=1-Φx .若X ～N ,2, 则Z=σμ-X ~N 0,1, P{x 1<X ≤x 2}=Φσμ-2x-Φσμ-1x .若P{Z>z }= P{Z<-z }= P{|Z|>z /2}= ,则点z ,-z , z / 2分别称为标准正态分布的上,下,双侧分位点. 注意：z =1- , z 1- = -z .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gx k k=1,2,…的值全不相等,则由上表立得Y=gX 的分布律.若gx 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=gX 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=gX 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{gX ≤y}=()()dx x f ky Xk∑⎰∆其中Δk y 是与gX ≤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gx 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()()()()⎩⎨⎧'=yhyhfyf XY其它βα<<y其中hy是gx的反函数 , = min g -,g = max g -,g .如果f x在有限区间a,b以外等于零,则 = min g a,g b = 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Fx,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1Fx,y分别关于x和y单调不减.20≤Fx,y≤1 , Fx,- =0, F-,y=0, F-,-=0, F,=1 .3 Fx,y关于每个变量都是右连续的,即 Fx+0,y= Fx,y, Fx,y+0= Fx,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}= Fx 2,y 2- Fx 2,y 1- Fx 1,y 2+ Fx 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 jijp 1 .3. X,Y 的X 和Y 的联合分布函数Fx,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Fx,y=⎰⎰∞-∞-y xdudv v u f ),(则称X,Y 为二维连续型随机变量,称fx,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 ,y2.二维离散型随机变量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·jj =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Fx,y= FX x FYy ,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 xf 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=yj}>0,则称P{X=xi |Y=yj}为在Y= yj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=xi}>0,则称P{Y=yj |X=xi}为在X=xi 条件下随机变量Y 的条件分布律.,}{},{jj ijjippyYPyYxXP•=====,}{},{•=====ij iijippxXPyYxXP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EX∑∞=1i i i p x 级数绝对收敛⎰∞∞-dx x xf )(积分绝对收敛方差DX=E{X-EX 2}[]∑-∞=12)(i i i p X E x ⎰-∞∞-dx x f X E x )()]([2=EX 2-EX 2 级数绝对收敛 积分绝对收敛函数数学期望EY=EgXi 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X=√DX .二.数学期望与方差的性质1. c 为为任意常数时, Ec = c , EcX = cEX , Dc = 0 , D cX = c 2 DX .,Y为任意随机变量时, E X±Y=EX±EY .3. X与Y相互独立时, EXY=EXEY , DX±Y=DX+DY .4. DX = 0 P{X = C}=1 ,C为常数.三.六种重要分布的数学期望和方差 EX DX~ 0-1分布P{X=1}= p 0<p<1 p p 1- p ~ b n,p 0<p<1 n p n p 1- p ~~ Ua,b a+b/2 b-a 2/12服从参数为的指数分布2~ N ,22四.矩的概念随机变量X的k阶原点矩EX k k=1,2,…随机变量X 的k 阶中心矩E{X-EX k}随机变量X 和Y 的k+l 阶混合矩EX k Y l l=1,2,…随机变量X 和Y 的k+l 阶混合中心矩E{X-EX k Y-EY 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 ki k X X n B 1)(1k=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 = EX , D X = DX / n .特别,若X~ N ,2 ,则 X ~ N , 2 /n .分布 1定义 若X ～N 0,1,则Y =∑=ni i X 12~ 2n 自由度为n 的2分布.2性质 ①若Y~ 2n,则EY = n , DY = 2n .②若Y 1~ 2n 1 Y 2~ 2n 2 ,则Y 1+Y 2~ 2n 1 + n 2.③若X~ N ,2 , 则22)1(σS n -~ 2n-1,且X 与S 2相互独立.3分位点 若Y~ 2n,0< <1 ,则满足的点)()(),(),(22/122/212n n n n ααααχχχχ--和分别称为2分布的上、下、双侧分位点.3. t 分布1定义 若X~N 0,1 ,Y~ 2 n,且X,Y 相互独立,则t=nY X~tn 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 ,2 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 1,12 且12=22=2 X 1 ,X 2 ,…,X n1 X S 12Y~ N 2,22 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 w3分位点 若t ~ t n ,0 < <1 , 则满足的点)(),(),(2/n t n t n t ααα±-分别称t 分布的上、下、双侧分位点.注意: t 1- n = - t n.分布 1定义 若U~2n 1, V~ 2n 2, 且U,V 相互独立,则F =21n V n U ~Fn 1,n 2自由度为n 1,n 2的F 分布.2性质条件同3.2③22212221σσS S ~Fn 1-1,n 2-13分位点 若F~ Fn 1,n 2 ,0< <1,则满足的点),(),(),,(),,(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1, 2,…, k .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 ll=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px, 1, 2,…, k ,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1, 2,…,k 的最大似然估计值,代入样本得到最大似然估计量.若L 1, 2,…, k 关于1, 2,…, k 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=,则估计量∧θ称为参数的无偏估计量.不论总体X 服从什么分布, E X = EX , ES 2=DX, EA k =k =EX 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EX,方差DX,总体k 阶矩k 的无偏估计,2有效性 若E ∧θ1 =E ∧θ2= , 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是参数的相合估计量.二.区间估计1.求参数的置信水平为1-的双侧置信区间的步骤1寻找样本函数W=WX 1 ,X 2 ,…,X n ,,其中只有一个待估参数未知,且其分布完全确定.2利用双侧分位点找出W 的区间a,b,使P{a<W <b}=1-.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2已知 nX σμ-~N 0,1 2/ασz n X ±2未知 nS X μ-~ t n-1 )1((2/-±n t n S X α 2未知22)1(σS n -~ 2n-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 1- 2其它参数 W 及其分布 置信区间已知2221,σσ22212121)(n n Y X σσμμ+--- ~ N0,1 )(2221212n n z Y Xσσα+±-未知22221σσσ==212111)(n n S Y X w +---μμ～tn 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 2③.2 1, 2未知, W=22212221σσS S ~ Fn 1-1,n 2-1,方差比12/22的置信区间为注意: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/2改为,另外的下上限取为- 即可.。
概率论与数理统计笔记(重要公式)
r = A 中样本点数 / Ω 中样本点总数 n
= A 所包含的基本事件数 / 基本事件总数 条件概率:
对偶律： A B = A B , P ( AB ) 设 A, B 是两个事件， 且 P(B)>0， 称 P(A|B)= 为 贝叶斯公式: P( B) 在事件 B 发生条件下事件 A 发生的条件概率。显然， 当 P(A)>0 时，P(B|A)=
二项分布 X ~ B(n, p)： 指数分布 X ~ E(λ) 若随机变量 X 只取两个可能值 0, 1, …, n, 而 X 的分布律为 e x x 0 若随机变量 X 的概率密度为 f ( x) k k nk pk =P {X= xk }= Cn p q , k=0, 1, 2, …, n, x0 0
设 X 为离散型随机变量， 可能取值为 x1, x2, …, xk, … 且 P 概率密度的性质： (1) f(x)≥0 {X= xk }= pk, k=1, 2, …, 则称{pk}为 X 的分布律 表格形式: f ( x)dx =1 (2) X x1, x2, …, xk, … b P p1, p2, …, pk, … (3) P{a<X≤b}= F(b)-F(a)= f ( x)dx , a≤b a {pk}性质： (4) 设 x 为 f(x)的连续点，则 F’(x)存在，且 （1） pk≥0, k=1, 2, … F’(x)= f(x) （2） pk =1 均匀分布 X ~ U (a, b) k 1 若随机变量 X 的概率密度为 在求离散型随机变量的分布律时，首先要找出其所有可能 1 , a≤x≤b 的取值，然后再求出每个值相应的概率 ba f(x) = 在实际应用中，有时还要求“X 满足某一条件”这样事件的 概率， 求法就是把满足条件的 xk 所对应的概率 pk 相加可得 0, 其他 则称 X 服从区间[a,b]上的均匀分布，其分布函数为 其分布函数 F(x) = pk xk x 0, x≤a 0-1 分布： xa F(x) = , a<x<b 若随机变量 X 只取两个可能值 0, 1，且 ba P {X=1}=p, P{X=0}=q 1, x≥b 其中 0<p<1, q=1-p, 则称 X 服从 0-1 分布. X 的分布律为 设 X ~ U (a, b), a≤c<d≤b，即[a,b] [c,d]，则 X 0 1 d c P{c≤X≤d}= P q p ba
《概率论与数理统计》(46学时)课程教学大纲1
《概率论与数理统计》（46学时）课程教学大纲一、课程的基本情况课程中文名称：概率论与数理统计课程英文名称：Probability Theory and Mathematical Statistics课程编码：0702003课程类别：学科基础课课程性质：必修总学时：46 讲课学时：46 实验学时：0学分：2.5授课对象：本科相关专业前导课程：《高等数学》《线性代数》二、教学目的概率论与数理统计是研究随机现象统计规律性的数学学科，是理工科各专业的一门重要的学科基础课。
通过本课程的学习，使学生掌握概率论与数理统计的基本概念，了解它的基本理论和方法，从而使学生初步掌握处理随机现象的基本思想和方法，培养学生运用概率统计方法分析和解决实际问题的能力。
同时，也为一些后续课程的学习提供必要的基础。
三、教学基本要求第一章概率论的基本概念1.1 随机试验1.2 样本空间、随机事件1.3 频率与概率1.4 等可能概型（古典概型）1.5 条件概率1.6 独立性基本要求：1. 理解随机试验、样本空间、随机事件的概念并掌握事件的关系与运算2. 掌握概率的定义与基本性质3. 理解古典概型的概念，掌握古典概率的计算方法4. 理解条件概率的定义，熟练掌握乘法定理、全概率公式与贝叶斯公式并会灵活应用5. 理解事件独立性的概念，熟练掌握相互独立事件的性质及有关概率的计算重点与难点：1. 重点：随机事件；概率的基本性质及其应用；乘法定理、全概率公式与贝叶斯公式事件的独立性2. 难点：概率的公理化定义、条件概率概念的建立、全概率公式与贝叶斯公式的应用第二章随机变量及其分布2.1 随机变量2.2 离散型随机变量及其分布律2.3 随机变量的分布函数2.4 连续型随机变量及其概率密度2.5 随机变量的函数的分布 基本要求：1. 理解随机变量的概念；掌握离散型随机变量和连续型随机变量的描述方法2. 掌握分布律、分布函数、概率密度函数的概念及性质；掌握由概率分布计算相关事件的概率的方法3. 熟练掌握二项分布、泊松（Poisson ）分布、正态分布、指数分布和均匀分布，特别是正态分布的性质并能灵活运用；熟练掌握伯努利概型概率的计算方法4. 熟练掌握一些简单的随机变量函数的概率分布的求法 重点与难点：1. 重点：随机变量、分布律、密度函数和分布函数的概念；二项分布、均匀分布的概念和性质2. 难点：二项分布的推导及应用；随机变量函数的概率分布第三章 多维随机变量及其分布 3.1 二维随机变量 3.2 边缘分布 3.3 条件分布3.4 相互独立的随机变量3.5 两个随机变量的函数的分布 基本要求：1. 正确理解二维随机变量的定义，掌握二维随机变量的联合分布律、联合分布函数、联合概率密度函数及条件分布的概念2. 熟练掌握由联合分布求事件的概率，求边缘分布及条件分布的基本方法3. 理解随机变量独立性的概念，掌握随机变量独立性的判别方法4. 了解求二维随机变量函数分布的基本思路，会求,max{,},min{,}X Y X Y X Y 的分布 重点与难点：1. 重点：由联合分布求概率，求边缘分布及条件分布的方法2. 难点：求离散型随机变量联合分布律的方法，条件密度的导出，随机变量函数的分布第四章 随机变量的数字特征 4.1 数学期望 4.2 方差4.3 协方差及相关系数 4.4 矩、协方差矩阵 基本要求：1. 掌握随机变量及随机变量函数的数学期望的计算公式，熟悉数学期望的性质并能灵活运用2. 掌握方差的概念和性质；熟悉二项分布、泊松分布、正态分布、指数分布和均匀分布的数学期望和方差；了解切比雪夫（Chebyshev ）不等式3. 掌握协方差和相关系数的定义和性质，并会灵活应用4. 掌握矩、协方差矩阵的定义 重点与难点：1. 重点：数学期望、方差、相关系数与协方差的计算公式及性质2. 难点：随机变量函数的数学期望的计算，利用数学期望的性质计算数学期望，相关系数的含义第五章大数定律及中心极限定理5.1 大数定律5.2 中心极限定理基本要求：1. 掌握依概率收敛的概念及贝努利大数定律和契比雪夫大数定律2. 掌握独立同分布的中心极限定理和德莫佛－拉普拉斯(De Moivre-Laplace)极限定理3. 掌握应用中心极限定理计算有关事件的概率近似值的方法重点与难点：1. 重点：用中心极限定理计算概率的近似值的方法2. 难点：依概率收敛的概念第六章样本及抽样分布6.1 随机样本6.2 抽样分布基本要求：1. 理解总体、个体、样本容量、简单随机样本以及样本观察值的概念2. 理解统计量的概念；熟悉数理统计中最常用的统计量（如样本均值、样本方差）的计算方法及其分布χ-分布，t-分布，F-分布的定义并会查表计算3. 掌握24. 熟悉正态总体的某些常用统计量的分布并能运用这些统计量进行计算重点与难点：χ-分布, t-分布, F-分布的定义与分位点的查表；正态总体常用统计量的分布1. 重点：2χ-分布, t-分布, F-分布的定义与分位点的查表2. 难点：2第七章参数估计7.1 点估计7.3 估计量的评选标准7.4 区间估计7.5 正态总体均值与方差的区间估计7.7 单侧置信区间基本要求：1. 理解参数的点估计(矩估计、最大似然估计)的计算方法2. 掌握参数点估计的评选标准：无偏性，有效性和相合性3. 理解参数的区间估计的概念，熟悉对单个正态总体和两个正态总体的均值与方差进行区间估计的方法及步骤重点与难点：1. 重点：点估计的矩法、最大似然估计法；正态总体参数的区间估计2. 难点：最大似然估计法，两个正态总体的参数的区间估计四、课程内容与学时分配五、教材参考书教材：盛骤谢式千潘承毅《概率论与数理统计》（第三版）高等教育出版社2001. 参考书：[1] 茆诗松《概率论与数理统计教程》（第一版）高教出版社2004.[2] 王展青李寿贵《概率论与数理统计》（第一版）科学出版社2000.六、教学方式和考核方式1.教学方式：以课堂讲授为主，辅以答疑、课后作业。
《概率论与数理统计)考试重点
《概率论与数理统计》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 （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 （二级重点）选择、填空、计算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 （一级重点）选择、填空)()()()(AB P B P A P B A P -+=⋃,)()()(AB P B P A B P -=-（考得多）等，要能灵活运用。
4. 条件概率的定义 （一级重点）选择、填空 记住条件概率的定义和公式：)()(B P AB P = 5. 全概率公式与贝叶斯公式 （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） （一级重点）选择、填空定义：若)()()(B P A P AB P =，则称A 与B 相互独立。
结论：若A 与B 相互独立，则A 与B ，A 与B ，A 与B 都相互独立。
7. n 重贝努利试验中事件A 恰好发生k 次的概率公式 （一级重点）选择、填空在n 重贝努利试验中，设每次试验中事件A 的概率为p （10 p ），则事件A 恰好发生k 次的概率n k p p C k P k n k k n n ,,2,1,0,)1()( =-=-。
第二章 随机变量的分布及其数字特征8．离散型随机变量的分布律及相关的概率计算 （一级重点）选择、填空、计算、综合。
概率论与数理统计各章难点
独立同分布，其期望 、方差 2 > 0 存在，则有
l i m P { k 1
X
n
k
n x } ( x ) .
n
n
或者
1 n Xk n l i m P { k 1 x } ( x ) . n / n
定理 ( 棣莫弗- 拉普拉斯定理 ) 若 Xn ~ b (n , p ) , 则有
n
n xi
n
0,
所以， p 的最大似然估计量为
第六章 参数估计
点估计的常用方法
最大似然估计 由总体X的概率密度 f (x) (或分布律P {X= xi } ) 建立似然函数
L( ) L( x1 , x 2 , , x n ; )
f ( x , )
i
n
或
L( ) L( x1 , x 2 ,, x n ; )
P{ X x }
0
dy
y
2e
2( x y )
1 dx . 3
y G0
O
x
例2 已知 X 、Y 的联合密度函数为： 6 ，x2≤y≤x;
1
y
y=x2
f ( x，y ) =
0 ，
其它 . G
计算 X、Y 的边缘概率密度. 解 fX (x) = f (x, y) dy =
x x2
fY ( y )= fX ( g 1 ( y )) [g 1 ( y )].
两端求导数
例1 已知 X 具有密度函数 x ， 0＜x＜4， 8 f X (x) = 0 ， 其 它.
求 Y = 2X + 8 的密度函数. 解 y–8 2 ).
《概率论与数理统计》知识点整理
《概率论与数理统计》知识点整理概率论与数理统计是数学中的一个重要分支，它研究随机现象发生的规律以及对这些规律的推断和决策问题。
在现代科学、金融、医学、工程等领域中都有广泛的应用。
下面是《概率论与数理统计》的一些重要知识点：一、概率论：1.概率的基本概念：随机试验、样本空间、事件、概率公理化定义等。
2.条件概率与概率的乘法定理：条件概率的定义、条件概率的乘法定理、独立事件的定义与性质等。
3.全概率公式与贝叶斯公式：全概率公式的推导与应用、贝叶斯公式的推导与应用等。
4.随机变量与概率分布：随机变量的定义与分类、概率分布的基本性质、离散型随机变量与连续型随机变量的概率分布等。
5.两随机变量函数的概率分布：随机变量的函数、数学期望的定义与性质、方差的定义与性质等。
6.多维随机变量及其分布：二维随机变量的概率分布、联合分布函数与边缘分布、条件分布等。
二、数理统计：1.统计数据的描述：数据的集中趋势度量（均值、中位数、众数）、数据的离散程度度量（极差、方差、标准差）、数据的分布形态度量（偏度、峰度）等。
2.参数估计：点估计的概念与方法、矩估计法、极大似然估计法、最小二乘估计法等。
3.假设检验：假设检验的基本概念、显著性水平与拒绝域、假设检验的步骤、单侧检验与双侧检验等。
4.统计分布：正态分布的性质与应用、t分布与χ²分布的概念与性质、F分布的概念与性质等。
5.方差分析与回归分析：方差分析的基本原理与应用、单因素方差分析、回归分析的基本原理与应用、简单线性回归分析等。
三、随机过程：1.随机过程的基本概念与性质：随机过程的定义、状态与状态转移概率、齐次性与非齐次性等。
2.马尔可夫链：马尔可夫链的定义与性质、状态空间的分类、平稳分布与极限等。
3.随机过程的描述：概率密度函数、概率生成函数、随机过程的矩、协方差函数等。
4.随机过程的分类：齐次与非齐次、连续与间断、宽离散与窄离散等。
概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事件A 发生的频数，比值n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑=§5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。
(完整版)概率论与数理统计知识点总结
p k q nk
其中 q 1 p,0 p 1, k 0,1,2,, n ，
则称随机变量 X 服从参数为 n ， p 的二项分布。记为
X ~ B(n, p) .
当 n 1时， P(X k) pk q1k ， k 0.1，这就是（0—1）分布，
所以（0-1）分布是二项分布的特例。
泊 松 设随机变量 X 的分布律为
1
(完整版)概率论与数理统计知识点总结
A—B,也可表示为 A—AB 或者 AB ，它表示 A 发生而 B 不发生的事
件.
A、B 同时发生：A B,或者 AB。A B=Ø ，则表示 A 与 B 不可能 同时发生，称事件 A 与事件 B 互不相容或者互斥。基本事件是
互不相容的.
—A 称为事件 A 的逆事件,或称 A 的对立事件，记为 A .它表 示 A 不发生的事件。互斥未必对立。
P(A）= (1) (2 ) (m ) = P(1) P(2 ) P(m )
m n
A所包含的基本事件数 基本事件总数
（6）几 若随机试验的结果为无限不可数并且每个结果出现的可能性均
1
(完整版)概率论与数理统计知识点总结
何概型 匀，同时样本空间中的每一个基本事件可以使用一个有界区域 来描述，则称此随机试验为几何概型。对任一事件 A，
3° F() lim F(x) 0， F() lim F(x) 1;
x
x
4° F(x 0) F(x) ,即 F(x) 是右连续的；
5° P(X x) F(x) F(x 0) .
对于离散型随机变量， F(x) pk ; xk x x
对于连续型随机变量, F(x) f (x)dx .
概型 用 p 表示每次试验 A 发生的概率，则 A 发生的概率为1 p q ，用
《概率论与数理统计》笔记
《概率论和数理统计》笔记一、课程导读“概率论和数理统计”是研究随机现象的规律性的一门学科在自然界，在人们的实践活动中，所遇到的现象一般可以分为两类：确定性现象随机现象确定性现象在一定的条件下，必然会出现某种确定的结果．例如，向上抛一枚硬币，由于受到地心引力的作用，硬币上升到某一高度后必定会下落．我们把这类现象称为确定性现象（或必然现象）．同样，任何物体没有受到外力作用时，必定保持其原有的静止或等速运动状态；导线通电后，必定会发热；等等也都是确定性现象．随机现象在一定的条件下，可能会出现各种不同的结果，也就是说，在完全相同的条件下，进行一系列观测或实验，却未必出现相同的结果．例如，抛掷一枚硬币，当硬币落在地面上时，可能是正面（有国徽的一面）朝上，也可能是反面朝上，在硬币落地前我们不能预知究竟哪一面朝上．我们把这类现象称为随机现象（或偶然现象）．同样，自动机床加工制造一个零件，可能是合格品，也可能是不合格品；射击运动员一次射击，可能击中10环，也可能击中9环8环……甚至脱靶；等等也都是随机现象．统计规律性对随机现象，从表面上看，由于人们事先不能知道会出现哪一种结果，似乎是不可捉摸的；其实不然．人们通过实践观察到并且证明了，在相同的条件下，对随机现象进行大量的重复试验（观测），其结果总能呈现出某种规律性．例如，多次重复抛一枚硬币，正面朝上和反面朝上的次数几乎相等；对某个靶进行多次射击，虽然各次弹着点不完全相同，但这些点却按一定的规律分布；等等．我们把随机现象的这种规律性称为统计规律性．●使用例子摸球游戏中谁是真正的赢家在街头巷尾常见一类“摸球游戏”．游戏是这样的：一袋中装有16个大小、形状相同，光滑程度一致的玻璃球．其中8个红色、8个白色．游戏者从中一次摸出8个，8个球中．当红白两种颜色出现以下比数时．摸球者可得到相应的“奖励”或“处罚”：结果（比数） A(8:0)B(7:1)C(6:2)D(5:3)E(4:4)奖金（元）10 1 0.5 0.2 -2 注：表中“-2”表示受罚2元解： 此游戏（实为赌博），从表面上看非常有吸引力，5种可能出现的结果．有4种可得奖．且最高奖达10元．而只有一种情况受罚．罚金只是2元．因此就吸引了许多人特别是好奇的青少年参加．结果却是受罚的多，何以如此呢？其实．这就是概率知识的具体使用：现在是从16个球中任取8个．所有可能的取法为816C 种．即基本事件总数有限．又因为是任意抽取．保证了等可能性．是典型的古典概型问题．由古典概率计算公式．很容易得到上述5种结果．其对应的概率分别是：3807048730121800099460000155404848385828681878.C C C P(E);.C C 2C P(D);.C C 2C P(C);.C C 2C P(B);.C 2P(A)816816816816816==========假设进行了1000次摸球试验， 5种情况平均出现的次数分别为：0、10、122、487、381次，经营游戏者预期可得2×381-(10×0＋1×10＋0.5×122＋0.2×487) =593.6（元）． 这个例子的结论可能会使我们大吃一惊，然而正是在这一惊之中．获得了对古典概率更具体、更生动的知识.戏院设座问题乙两戏院在竞争500名观众，假设每个观众完全随意地选择一个戏院，且观众之间选择戏院是彼此独立的，问每个戏院至少应该设多少个座位才能保证观众因缺少座位而离开的概率小于5%?解 由于两个戏院的情况相同，故只需考虑甲戏院即可。
考研数学概率论与数理统计笔记知识点(全)
三 二二维连续型随机变量量（积分积出来的就是连续的）
1.定义：概率密度积分（二二重积分）
2.联合概率密度
1）性质：1.非非负性；2.规范性
2）应用用：求P，就是求二二重积分
在f（x，y）的连续点上，分布求二二阶倒数就是概率密度
步骤：1）画图（为了了解不不等式）
2）讨论
3）代入入（注意端点）
第三章 多维随机变量量及其分布
知识点：一一 二二维随机变量量及其分布函数 二二 二二维离散型随机变量量 三 二二维连续型随机变量量 四 二二维随 机变量量函数的分布
一一 二二维随机变量量及其分布函数
1.二二维随机变量量就是一一个（X，Y）向量量
要注意是一一维的（是用用一一个变量量表示）
4.离散+连续（一一定是使用用全概率公式的）
定义：X为离散型，Y为连续型，且相互独立立
六 全概率公式与⻉贝叶斯公式（关键在于完备事件组）
1.完备事件组：互斥是对立立的前提条件
2.全概率公式：由因到果（推导，画图）（全部路路径）
3.⻉贝叶斯公式：由果到因（推导，画图）（所占的比比例例）
Note：关键是1.完备事件组必须完备；2.要画图3注意抽签原理理
题型一一：概率的基本计算
1.事件决定概率，但是概率推不不出事件
3.边缘概率密度
1）具体就是边缘分布函数求导（详⻅见笔记）
Note：注意边缘的公式，在求时，注意取值范围，以及上下限（一一根直线传过去）（类似于 二二重积分的先积部分——后积先定限，限内画条线）
2）G是从几几何看出来的，不不要死记公式，要结合图像（G为非非零区域）
Note：1.在写公式之前要先保证分⺟母不不为0，即要先确定范围
《概率论与数理统计》复习重点
《概率论与数理统计》复习重点第一章随机事件与概率1．事件的关系2．运算规则（1）（2）（3）（4）3．概率满足的三条公理及性质：（1）（2）（3）对互不相容的事件，有（可以取）（4）（5）（6），若，则，（7）（8）4．古典概型：基本事件有限且等可能5．几何概率6．条件概率定义：若，则乘法公式：若为完备事件组，，则有全概率公式：Bayes公式：7．事件的独立性：独立（注意独立性的应用）第二章随机变量与概率分布离散随机变量：取有限或可列个值，满足（1），（2）=1（3）对任意，连续随机变量：具有概率密度函数，满足（1）；（2）；（3）对任意，几个常用随机变量，两点分布二项式分布，Poisson分布几何分布均匀分布，指数分布正态分布分布函数，具有以下性质（1）；（2）单调非降；（3）右连续；（4），特别；（5）对离散随机变量，；（6）对连续随机变量，为连续函数，且在连续点上，正态分布的概率计算以记标准正态分布的分布函数，则有（1）；（2）；（3）若，则；（4）以记标准正态分布的上侧分位数，则随机变量的函数（1）离散时，求的值，将相同的概率相加；（2）连续，在的取值范围内严格单调，且有一阶连续导数，则，若不单调，先求分布函数，再求导。
第三章随机向量二维离散随机向量，联合分布列，边缘分布列，有（1）；（2）；（3），二维连续随机向量，联合密度，边缘密度，有（1）；（2）；（3）；（4），二维均匀分布，其中为的面积二维正态分布，其密度函数（牢记五个参数的含义）且；二维随机向量的分布函数有（1）关于单调非降；（2）关于右连续；（3）；（4），，；（5）；（6）对二维连续随机向量，6．随机变量的独立性独立离散时独立连续时独立二维正态分布独立，且7．随机变量的函数分布和的分布的密度最大最小分布第四章随机变量的数字特征1．期望(1)离散时，；(2)连续时，；(3)二维时，(4)；（5）；（6）；（7）独立时，2．方差（1）方差，标准差；（2）；（3）；（4）独立时，3．协方差（1）；（2）；（3）；（4）时，称不相关，独立不相关，反之不成立，但正态时等价；（5）4．相关系数；有，5．阶原点矩，阶中心矩第五章大数定律与中心极限定理1．Chebyshev不等式或2．大数定律3．中心极限定理（1）设随机变量独立同分布，则，或或，（2）设是次独立重复试验中发生的次数，，则对任意，有或理解为若，则第六章样本及抽样分布1．总体、样本简单随机样本：即独立同分布于总体的分布（注意样本分布的求法）；样本数字特征：样本均值（，）；样本方差（）样本标准差样本阶原点矩，样本阶中心矩2．统计量：样本的函数且不包含任何未知数3．三个常用分布（注意它们的密度函数形状及分位点定义）（1）分布，其中独立同分布于标准正态分布，若且独立，则；（2）分布，其中且独立；（3）分布，其中且独立，有下面的性质4．正态总体的抽样分布（1）；（2）；（3）且与独立；（4）；（5），（6）第七章参数估计1．矩估计：（1）根据参数个数求总体的矩；（2）令总体的矩等于样本的矩；（3）解方程求出矩估计2．极大似然估计：（1）写出极大似然函数；（2）求对数极大似然函数（3）求导数或偏导数；（4）令导数或偏导数为0，解出极大似然估计（如无解回到（1）直接求最大值，一般为min或max）3．估计量的评选原则(1)无偏性：若，则为无偏；(2)有效性：两个无偏估计中方差小的有效；4．参数的区间估计（正态）已知未知未知。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《概率论与数理统计》课程重点与难点要记第一章：随机事件及其概率题型一：古典概型1．房间里有10个人，分别佩戴从1号到10号的纪念章，任选3人记录其纪念章的号码，求最小号码为5的概率，及最大号码是5的概率。
2．设袋中有5个白球，3个黑球，从袋中随机摸取4个球，分别求出下列事件的概率： 1）采用有放回的方式摸球，则四球中至少有1个白球的概率； 2）采用无放回的方式摸球，则四球中有1个白球的概率。
3．一盒子中有10件产品，其中4件次品，每次随机地取一只进行检验， 1）求第二次检验到次品的概率； 2）求第二才次检验到次品的概率。
4．在1－2000的整数中随机的取一个数，问取到的整数既不能被6整除，又不能被8整除的概率是多少？（合理的设置事件，通过概率的性质解题也很重要） 课后习题：P16：2，3，4，5， 7，9，10，11，12，13，14 P30：8，9，10，16题型二：利用条件概率、乘法公式及事件的独立性计算事件的概率1。
3人独立去破译一个密码，他们能译出的概率分别为1/5、1/4、1/3，问能将此密码译出的概率。
2。
设口袋有2n-1只白球，2n 只黑球，一次取出n 只球，如果已知取出的球都是同一种颜色，试计算该颜色是黑色的概率。
3。
设袋中装有a 只红球，b 只白球，每次自袋中任取一只球，观察颜色后放回，并同时放入m 只与所取出的那只同色的球，连续在袋中取球四次，试求第一、第二次取到红球且第三次取到白球，第四次取到红球的概率。
课后习题：P23：1，2，3，4，6，10，11 P28：1，2，4，5，6，7，9，10，12，13题型三：全概率与贝叶斯公式1．在一个每题有4个备选答案的测验中，假设有一个选项是正确的，如果一个学生不知道问题的正确答案，他就作随机选择。
知道正确答案的学生占参加测验者的90%，试求： （1）学生回答正确的概率；（2）假如某学生回答此问题正确，那么他是随机猜出的概率。
2．一通讯通道，使用信号“0”和“1”传输信息。
以A 记事件收到信号“1”，以B 记事件发出信号“1”。
已知()0.4,(/)0.95,(/)0.90P B P A B P A B ===。
1）求收到信号“1”的概率？ 2）现已收到信号“1”，求发出信号是“1”的概率？课后习题：P23：7，8，9，12 P31：19，26，27，28第二章：随机变量及其分布题型一：关于基本概念：概率分布律、分布函数、密度函数1．一房间有三扇同样大小的窗子，其中只有一扇是打开的。
有一只鸟自开着的窗子飞入了房间，它只能从开着的窗子飞出去。
鸟在房间里飞来飞去，试图飞出房间。
假定鸟是没有记忆的，鸟飞向各扇窗子是随机的。
1）以X 表示鸟为了飞出房间试飞的次数，求X 的分布律；2)户主声称，他养的一只鸟是有记忆的，它飞向任一窗子的尝试次数不多于一次。
以Y 表示这只聪明的鸟为了飞出房间试飞的次数。
如户主所说是确实，试求Y 的分布率。
3）写出Y 的分布函数。
2．以X 表示某商店从早晨开始营业起直到第一个顾客到达的等待时间（以分钟计），X 的分布函数是：0.41,0()0,0x X e x F x x -⎧->=⎨≤⎩试求：1）P （3分钟至4分钟之间）2）P （至多三分钟或至少4分钟）3）P （恰好3分钟）4）X 的密度函数。
3．设随机变量X 的密度函数为,01()2,120,x x f x x x ≤<⎧⎪=-≤<⎨⎪⎩其它试求X 的分布函数。
课后习题：P41：1，3，4，7，8，9 P45：2，3，4，5，6 P60：6，9，11题型二：关于六种重要的分布1．某种型号器件的寿命X （以小时记）具有以下的概率密度21000,1000()0,x f x x ⎧>⎪=⎨⎪⎩其它现有一大批此种器件（设各种器件损坏与否相互独立），任取5只，问其中至少有1只寿命大于1500小时的概率是多少？（几种分布揉合在同一题当中，要注意分布的识别） 2．某地区18岁的女青年的血压（收缩压，mmHg 计），服从2(110,12)N 分布，在该地区任选一18岁的女青年，测量它的血压X ，试求：1）{}105P X <2）{}100120P X ≤< 3）确定最小的x ，使{}0.05P X x >≤。
课后习题：P42：10，12，13 P53：5，6，7，11，12，13，14题型三：关于随机变量函数()Y g X =的分布1．设(0,1)X N ，求 1）XY e = 2）21Y X =+的概率密度函数。
课后习题：P59：1，2，3，4 P60：20，21第三章：多维随机变量及其分布题型一：二维连续型随机变量的密度函数、边缘密度函数，及X 与Y 独立性的判定。
1．设(,)X Y 在曲线2,y x y x ==所围成的区域G 内服从均匀分布，试求 1）(,)X Y 的联合密度函数， 2）X 和Y 的边缘密度函数，3）同时判定X 与Y 是否相互独立。
课后习题：P71：7，8，9，10题型二：二维连续型随机变量的和分布：Z X Y =+的分布 1．设随机变量X 与Y 相互独立，其概率密度函数分别为1,01,0()()0,0,0y X Y x e y f x f y y -≤≤⎧>⎧==⎨⎨≤⎩⎩其它 求随机变量U=X+Y 的概率密度函数。
课后习题：P86：5，6 P89：16题型三：二维离散型随机变量的分布律及其随机变量函数的分布律的建立、边缘分布律、及X 与Y 独立性的判定。
1．将一枚硬币投掷三次，以X 表示前2次中出现H 的次数，以Y 表示3次中出现H 的次数，试求：1）（X ，Y ）的联合分布律 2）Y —X 的分布律 3）XY 的分布律2．将一枚硬币投掷三次，以X 表示前2次中出现H 的次数，以Y 表示3次中出现H 的次数，试求：2）分别关于X 和Y 的边缘分布律 2）判定X 与Y 是否独立，并说出理由。
课后习题：P71：3，P86：2，3 P87：1，3 P89：15第四章：随机变量的数字特征题型一：关于随机变量和随机变量函数(,)Z g X Y =的期望与方差的计算,二维随机变量的协方差或相关系数的计算，同时掌握独立和相关性的判定方法。
1试求：1）E （X ） 2）D （X ） 3）E （XY ） 4）E （X －Y ） 5）COV(X,Y) 6) ,X Y ρ7）X 与Y 是否相关，是否独立？2．设二维随机变量（X ，Y ）的概率密度为221,1(,)0,x y f x y π⎧+≤⎪=⎨⎪⎩其它 试求：1）E （X ） 2）D （X ） 3）E （XY ） 4）E （X+Y ） 5）COV(X,Y) 6) ,X Y ρ7）X 与Y 是否相关，是否独立？课后习题：P96：2，6，7，8，9，10，11，12，13 P104：2，4，7，8，9P113:1，3，4，7，8，9第五章：数理统计的基础知识题型一：运用定义证明一些简单的统计量所服从的分布 1．已知()X t n ，求证2(1,)X F n 。
2．设总体,X Y 独立且都服从正态分布2(0,)N σ，已知12,,...,m X X X 与12,,...,n Y Y Y 是分别来自总体,X Y的简单随机样本，求统计量mT =的分布。
题型二：来自正态总体抽样，利用定理结论或定义，计算某些统计量落在某些区间的概率问题1．在总体2(52,6.3)N 中随机抽一容量为36的样本，求样本均值落在50.8到53.8之间的概率。
2．设在总体2(,)N μσ中抽得一容量为16的样本，这里2,μσ均未知，求{}222.041SP σ≤。
3．设1210,,...,X X X 为2(0,0.3)N 的一个样本，求1021 1.44i i P X =⎧⎫>⎨⎬⎩⎭∑课后习题：P142，2，3，4，5，P148：2，4，6第六章：参数估计&第七章：假设检验题型一：点估计：矩估计法，极大似然估计法1．设12,,...,n X X X 是取自总体X 服从Possion 分布，求关于未知参数λ的极大似然估计量与矩估计量。
2．设随机变量X 的概率密度为1,01(,)0,x f x θ≤≤=⎪⎩其它其中0θ>为未知参数。
设12n X ,X ,.......,X 是总体的一组样本，分别求参数θ的极大似然估计量与矩估计量。
3．分别求均匀分布(0,)U θ关于θ的矩估计和极大似然估计。
课后习题：P164：1，2，3，4，5，6题型三：区间估计类型：一个正态总体关于均值，关于方差的双侧区间估计（注：详见P171-172：单个正态总体参数的置信区间）1．设某种清漆的9个样品，其干燥时间（以小时计）分别为 6.0，5.7，5.8，6.5，7.0，6.3，5.6，6.1，5.0设干燥时间总体服从正态分布2(,)N μσ，求μ的置信水平为0.95的置信区间： （1）若有以往经验知0.6σ=小时， （2）若σ未知。
课后习题：P180：1，2，3，4，5，6题型四：假设检验类型：一个正态总体关于“均值”，关于“方差”的双侧假设检验（注：详见P194：正态总体的假设检验一栏表）1． 在生产线上装配某种产品，在正常情况下，一件产品所需的装配时间（以min 计）2(10,1.4)X N ，某日管理人员随机的观察了25只产品的装配时间，得到样本的均值10.45x =，据以往经验知 1.4σ=不会改变。
问管理员可否怀疑平均装配时间与10有显著差异？0.05α=。
课后习题：P193：1，3，4，5，6，7（注意：复习卷所列题目和课后习题同样重要）全书填空题1． 设某人向靶子射击3次，用i A 表示“第i 次射击击中靶子”（i ＝1，2，3）,试用事件i A 表示下列事件：（1）三次均未中靶123A A A ，（2）三次中至多有两次中靶123A A A ，（3）三次中恰有两次中靶123123123A A A A A A A A A ++。
2．已知()1/3,()1/4,()1/2P A P B P A B ==⋃=，则()P A B ⋃＝ 11/12 ，(/)P A B A B ⋂⋃＝ 1/6 。
3．已知()2,1E X DX ==，则2(21)E X +＝ 11 。
4．设随机变量ξ的密度函数为2,01()0,x x x ϕ<<⎧=⎨⎩其它，则(2)P X <＝ 1 ，(0.4)P X =＝ 0 。
5．某人打靶的命中率为0.8，现独立射击10次，请写出10次射击中命中次数的概率分布律的通项表达1010()(0.8)(0.2),0,1,2, (10)k k P X k C k -===。
6．设随机变量2694()x x X f x ++-=，则X 服从的分布是 N(3,2),服从的分布是 N(0,1) ，X 分布的期望 3 ，方差 2 。