数理统计公式大全
数理统计公式汇总

公式汇总:三、均值和方差的置信区间估计 3.1 均值的估计 3.1.1 方差已知: 0~(0,1)/X Z N n μσ-=, 00/2/2,σσ X z X z n n αα⎛⎫-+ ⎪⎝⎭3.1.2 方差未知: ~(1)/X t t n S n μ-=-, /2/2,S S X t X t n n αα⎛⎫-+ ⎪⎝⎭3.2 方差的估计 3.2.1 均值已知: 略3.2.2 均值未知:/22221/22(1)(1)(1)1n S P n n ααχχασ-⎧⎫--≤≤-=-⎨⎬⎩⎭, /2222221/2(1)(1)(1)(1)n S n S n n αασχχ---≤≤-- 得到置信区间: /222221/2(1)(1),(1)(1)n S n S n n ααχχ-⎛⎫-- ⎪ ⎪--⎝⎭四、两个总体的置信区间 4.1 正太均值差12μμ-的区间估计 4.1.1 方差已知 2111~(,)X N n σμ,2222~(,)Y N n σμ,于是:22121212~(,)X Y N n n σσμμ--+~(0,1)X Y N ,得到:置信区间为:2X Y Z α⎛ -+ ⎝4.1.2 方差未知12T ~(2)X Y t n n =+-,2WS =得到:12(2)X Y t n n S α⎛-++- ⎝4.2 正太总体方差的比2212σ的置信区间估计4.2.1 仅讨论均值未知的情况2211122222~(1,1)S F n n S σσ--,221112122122222(1,1)(1,1)1S P F n n F n n S αασασ-⎧⎫--<<--=-⎨⎬⎩⎭得到:221122221221212S S 11,S (1,1)S (1,1)F n n F n n αα-⎛⎫ ⎪ ⎪----⎝⎭4.3 单侧置信区间单侧下限:1ˆ{}1P θθα≥=- 单侧上限:2ˆ{}1P θθα≤=- 具体的,将双侧置信区间中的α/2改成α,然后下限就取区间左端,上限就取区间右端。
数理统计公式

数理统计是研究数据收集、整理、分析和解释的一门学科,其中涉及到许多公式和方法。
以下是一些常用的数理统计公式:
1. 均值公式:
均值(平均值)是一组数据的总和除以数据的个数。
均值= (x1 + x2 + ... + xn) / n
2. 方差公式:
方差是一组数据与其均值之差的平方和的平均值。
方差= ((x1 - 平均值)^2 + (x2 - 平均值)^2 + ... + (xn - 平均值)^2) / n
3. 标准差公式:
标准差是方差的平方根,用于衡量数据的离散程度。
标准差= 方差的平方根
4. 相关系数公式:
相关系数用于衡量两个变量之间的线性关系的强度和方向。
相关系数= 协方差/ (x的标准差* y的标准差)
5. 正态分布公式:
正态分布是一种常见的概率分布,其概率密度函数为:f(x) = (1 / (σ * √(2π))) * e^(-(x-μ)^2 / (2σ^2))
6. 估计公式:
估计公式用于根据样本数据估计总体参数。
例如,样本均值可以用来估计总体均值,样本方差可以用来估计总体方差。
这只是数理统计中的一小部分公式,还有许多其他公式和方法,如假设检验、置信区间等。
具体使用哪些公式取决于具体的问题和数据类型。
数理统计常用公式

数理统计常用公式1.样本均值的公式:样本均值(x̄)是在一组样本数据中,所有数据的总和除以样本数量的结果。
即:x̄=(x₁+x₂+x₃+...+x̄)/n其中,x₁、x₂、x₃等为样本数据,n为样本数量。
2.总体均值的公式:总体均值(μ)是在一个总体中,所有数据的总和除以总体数量的结果。
在样本数据无法覆盖总体数据的情况下,可以通过样本均值来估计总体均值。
即:μ=(x₁+x₂+x₃+...+x̄)/N其中,x₁、x₂、x₃等为样本数据,N为总体数量。
3.样本方差的公式:样本方差(s²)是一组样本数据与其均值之差的平方和除以样本数量减一的结果。
即:s²=((x₁-x̄)²+(x₂-x̄)²+(x₃-x̄)²+...+(x̄-x̄)²)/(n-1)其中,x₁、x₂、x₃等为样本数据,x̄为样本均值,n为样本数量。
4.总体方差的公式:总体方差(σ²)是一组数据与其均值之差的平方和除以总体数量的结果。
在样本数据无法覆盖总体数据的情况下,可以通过样本方差来估计总体方差。
即:σ²=((x₁-μ)²+(x₂-μ)²+(x₃-μ)²+...+(x̄-μ)²)/N其中,x₁、x₂、x₃等为样本数据,μ为总体均值,N为总体数量。
5.样本标准差的公式:样本标准差(s)是样本方差的平方根。
即:s=√(s²)其中,s²为样本方差。
6.总体标准差的公式:总体标准差(σ)是总体方差的平方根。
即:σ=√(σ²)其中,σ²为总体方差。
7.相关系数的公式:相关系数(r)衡量了两个变量之间线性关系的强度和方向。
其计算公式为:r=Σ((x-x̄)*(y-ȳ))/(√(Σ(x-x̄)²)*√(Σ(y-ȳ)²))其中,x、y为两个变量的取值,x̄、ȳ分别为两个变量的均值,Σ表示求和。
常用数理统计公式

1.∑==ni ix nx 11 y n21221)(xn x x xL ni i ni ixx -=-=∑∑==21221)(yn y y yL ni i ni iyy -=-=∑∑==yx n y x y y x x L i ni i i ni i xy -=--=∑∑==11)()(x b y a ˆˆ-= xxxy L L b /ˆ= )(ˆˆˆˆx x b y x b a y-+=+= 2.b 的显著性检验0:,0:10≠=b H b H拒)2(-≥=n r L L L r a yyxx xy3. b 的区间估计)2(ˆ)ˆ(-=-=n t b bL t exx σ)/)2(ˆˆ(2/1xx e L n t b b -±∈-ασ 2ˆˆ2--=n b L yy eσ 4. 预测y 0)2()(11ˆˆ2/12000-→-++--n t L x x nyy xxe ασ5. 控制)ˆˆ(ˆ12/1a u y bx e -+'='-ασ)ˆˆ(ˆ12/1a u y bx e --''=''-ασ6. 点估计2σn L b L xxyy 22ˆˆ-=σ其他:))1(,(ˆ22xxL xna N a+→σ),(ˆ2xxL b N bσ→2)ˆ,ˆc o v (σxxL x b a-= 0)ˆ,c o v (=by r i n 求i x ,2i s ,x方差来源(A, e, S T ) 平方和(S A , S e , S T ) 自由度(r-1, n-r ) 方差(e A S S ,)F 值(e A S S /)),1(1r n r F ---α大否小接受区间估计(单) 1.1 μσ已知,求2)1,0(/U N nx →-=σμ)(21ασμ-±∈unx1.2 μσ未知,求2)1(/U *-→-=n t ns x μ ))1((21*-±∈-n tnsx αμ2.12σμ已知,求)()(22212n u xni iχσχ→-=∑=))()(,)()((22/21022/12102n x u xn x u xni ini iαασ∑∑=-=--∈2.22σμ未知,求)1-(S1222*2n n χσχ→-=)( ))1(S 1,)1(S 1(22/2*22/12*2----∈-n x n n x n αασ)()( 区间估计(双) 3.1 212221,u -μσσ已知,求)1,0()()(U 22212121N n n u y x →+---=σσμ))(()(2122212121ασσμ-+±-∈-un n y x u3.22122212u -=μσσσ,求未知)2(11)()(U 212121-+→+---=n n t n n S u y x Wμ2212*12)12()1(*-+-+-=n n n Sn S SW))2(11)(()(21212121-++±-∈--n n tn n S y x u Wαμ0-1分布 B (1,p ) EX=P DX= p(1-p){}()k n k p p k X P --==1 it x pe p -1(t)+=ϕ 二项分布B (n ,p ) EX=nP DX=n p(1-p){}()k n kkn p pC k X P --==1 n)pe p -1((t)it x +=ϕ几何分布(n 重伯努利分布) EX=1/p DX= (1-p)/p 2{}()11--==n p p n X P泊松分布p(λ)(k=0,1,2…) EX=λ DX=λ{}λλ-==ek k X P k!))1e (exp((t)it x -=λϕ均匀分布U (a,b ) EX=(b+a )/2 DX=(b-a)2/12{}ab XP -=1 )()ee((t)aitbitxa b it --=ϕ指数分布 EX=1/λ DX=1/λ2{}x e XP λλ-= 1x )1((t)--=λϕit正态分布N ⎭⎬⎫⎩⎨⎧-=2exp (t)22xt iut σϕ 伽玛分布Γ分布{}xexX P βαααβ--Γ=1)( αβϕ--=)1((t )x itβα=EX 2βα=DX2χ分布 EX=n DX=2n{}22122)2(x nnen x X P --Γ=2x )21((t)n it --=ϕF 分布)2(2222>-=n n n EX )4()4()2()2(2222212122>---+=n n n n n n n DX。
数理统计中的关键公式速查

数理统计中的关键公式速查统计学作为一门重要的学科,充斥着大量的数学运算和公式。
掌握统计学中的关键公式对于学习和应用统计学都具有重要的意义。
本文将为大家提供数理统计中的关键公式速查,帮助读者快速准确地找到所需公式。
1. 描述统计学公式1.1 样本均值(Sample Mean)样本均值是评估样本集中趋势的常用方式。
公式:$\bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_i$1.2 样本方差(Sample Variance)样本方差用于衡量样本数据的离散程度。
公式:$s^2=\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2$1.3 样本标准差(Sample Standard Deviation)样本标准差是样本方差的平方根。
公式:$s=\sqrt{s^2}$1.4 总体均值(Population Mean)总体均值是指整个总体中的变量的平均值。
公式:$\mu=\frac{1}{N}\sum_{i=1}^{N}x_i$1.5 总体方差(Population Variance)总体方差是指整个总体中的变量的离散程度。
公式:$\sigma^2=\frac{1}{N}\sum_{i=1}^{N}(x_i-\mu)^2$1.6 总体标准差(Population Standard Deviation)总体标准差是总体方差的平方根。
公式:$\sigma=\sqrt{\sigma^2}$2. 概率论公式2.1 条件概率(Conditional Probability)条件概率是指事件 A 在事件 B 已经发生的前提下发生的概率。
公式:$P(A|B)=\frac{P(A\cap B)}{P(B)}$2.2 乘法定理(Multiplication Rule)乘法定理适用于计算多个事件同时发生的概率。
公式:$P(A\cap B)=P(A|B)P(B)$2.3 加法定理(Addition Rule)加法定理适用于计算多个事件至少有一个发生的概率。
概率论与数理统计自学考试公式大全

概率论与数理统计重点公式1、)()()()(AB P B P A P B A P -+=2、若A 、B 独立,则)()()(B P A P AB P ⋅=3、条件概率=)/(A B P )()(A P AB P 4、乘法公式:)/()()(A B P A P AB P = 5、二项分布:),(~p n B X分布律:k n kk n p p C k X P --==)1(}{, 其中n k p ,,2,1,0,10 =<<期望:np 方差:)1(p np - 6、泊松分布:)(~λP X分布律:λλ-==e k k X P k!}{,0>λ, 2,1,0=k期望: λ 方差: λ7、均匀分布:),(~b a U X概率密度:⎪⎩⎪⎨⎧-=,0,1)(ab x f 其他, 期望:2ba + 方差:12)(2a b -8、指数分布:)(~λE X概率密度:⎩⎨⎧≤>=-0,00,)(x x e x f x λλa ≤x ≤b分布函数:⎩⎨⎧≤>-=-0,00,1)(x x e x F x λ期望:λ1 方差:21λ9、正态分布:概率密度:222)(21)(σμσπ--=x ex f ,期望: μ方差: 2σ10、若X 是连续型随机变量,)(x F 是分布函数,则概率运算公式为: (1))(}{a F a x P =<(2))()(}{a F b F b x a P -=<< (3))(1}{a F a x P -=>11、若X 是连续型随机变量,)(x f 是概率密度,则概率运算公式为: (1)dx x f aa x P )(}{⎰∞-=<(2)dx x f a bb x a P )(}{⎰=<< (3)dx x f a dx x f aa x P )()(1}{⎰⎰∞+=∞--=>12、若X 是连续型随机变量,)(x f 是概率密度,则期望运算公式为:dx x xf X E )()(⎰∞-∞+=13、方差的简便计算公式22)]([)()(X E X E X D -=),(~2σμN X +∞<<∞-x14、期望的性质 (1)C C E =)( (2))()(X kE kX E =(3))()()(Y E X E Y X E ±=±(4)若X 与Y 独立,则)()()(Y E X E XY E ⋅= 15、方差的性质(1)0)(=C D ,)()(X D C X D =+ (2))()(2X D k kX D =(3)若X 与Y 独立,则)()()(Y D X D Y X D +=± 16、协方差与相关系数)()()(),(Y E X E XY E Y X Cov ⋅-=)()(),(Y D X D Y X Cov XY ⋅=ρ17、切比雪夫不等式2)(})({εεX D X E X P ≤≥- 2)(1})({εεX D X E X P -≥<-18、大数定律(1)1lim =⎪⎪⎭⎫ ⎝⎛<-∞→εp n m P n (2)11lim 1=⎪⎪⎭⎫⎝⎛<-∑=∞→εμn i i n X n P 19、中心极限定理(1))(lim 1x x n n X P n i i n Φ=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-∑=∞→σμ(2))()1(lim x x p np np Z P n n Φ=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤--∞→ 20、样本均值与样本方差 样本均值∑==ni i x n x 11样本方差∑=--=n i ix x n s 122.)(11 样本标准差.)(1112∑=--=n i ix x n s μ=)(X E ,nX D 2)(σ=,22)(σ=s E21、设n x x x ,,,21 为来自正态总体),(2σμN 的一个样本, 若未知2σ,则)1(~)1()(22222---∑n s n x x iχσσ=若已知2σ,则)(~)(222n x xiχσ∑-22、矩估计、极大似然估计x =μˆ 22ˆn s =σ,其中∑=-=ni i n x x n s 122.)(123、区间估计已知方差2σ,估计均值μ,区间⎥⎦⎤⎢⎣⎡+-n u x n u x σσαα22,未知方差2σ,估计均值μ,区间⎥⎦⎤⎢⎣⎡-+--n s n t x n s n t x )1(,)1(22αα 估计方差2σ,区间⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-----)1()1(,)1()1(2212222n s n n sn ααχχ 24、假设检验两类错误第一类错误 0H 成立,拒绝0H 第二类错误 1H 成立,接受0H 25、u 检验前提:已知2σ,00:μμ=H ,01:μμ≠H 统计量nx u 0σμ-=拒绝域),(),(22+∞--∞=ααu u W26、t 检验前提:未知2σ,00:μμ=H ,01:μμ≠H 统计量ns x t 0μ-=拒绝域)),1(())1(,(22+∞----∞=n t n t Wαα27、2χ检验 前提:2020:σσ=H ,2021:σσ≠H统计量2022)1(σχs n -=拒绝域)),1(())1(,0(22221+∞--=-n n W ααχχ 28、回归方程x y 10ˆˆˆββ+= 其中∑∑∑--==221ˆxn x y x n y x L L ii ixxxy βx y 10ˆˆββ-= 即直线x y 10ˆˆˆββ+=经过点),(y x 29、回归平方和、剩余平方和∑-=ii y ys 2)ˆ(回∑-ii i y y s 2)ˆ(=剩30、单边检验。
数理统计公式大全

,
x<0。
记住积分公式:
正态分布
设随机变量的密度函数为
, ,
其中、为常数,则称随机变量服从参数为、的正态分布或高斯(Gauss)分布,记为。
具有如下性质:
1° 的图形是关于对称的;
2° 当时, 为最大值;
若,则的分布函数为
。。
参数、时的正态分布称为标准正态分布,记为,其密度函数记为
, ,
泊松分布
设随机变量 的分布律为
, , ,
则称随机变量 服从参数为 的泊松分布,记为 或者P( )。
泊松分布为二项分布的极限分布(np=λ,n→∞)。
超几何分布
随机变量X服从参数为n,N,M的超几何分布,记为H(n,N,M)。
几何分布
,其中p≥0,q=1-p。
随机变量X服从参数为p的几何分布,记为G(p)。
特例:若X与Y独立,则:h(X)和g(Y)独立。
例如:若X与Y独立,则:3X+1和5Y-2独立。
(8)二维均匀分布
设随机向量(X,Y)的分布密度函数为
其中SD为区域D的面积,则称(X,Y)服从D上的均匀分布,记为(X,Y)~U(D)。
例如图3.1、图3.2和图3.3。
y
1
D1
O1x
图3.1
y
D2
1
1
(7)独立性
一般型
F(X,Y)=FX(x)FY(y)
离散型
有零不独立
连续型
f(x,y)=fX(x)fY(y)
直接判断,充要条件:
①可分离变量
②正概率密度区间为矩形
二维正态分布
=0
随机变量的函数
若X1,X2,…Xm,Xm+1,…Xn相互独立, h,g为连续函数,则:
概率论与数理统计 公式(全)

布
几 何
P( X k) q k1 p, k 1,2,3, ,其中 p≥0,q=1-p。
分 随机变量 X 服从参数为 p 的几何分布,记为 G(p)。
布
均 设随机变量 X 的值只落在[a,b]内,其密度函数 f (x) 在[
匀
分
布
f
(
x)
b
1
a
,
0,
a≤x≤b 其他,
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 。
0-1 P(X=1)=p, P(X=0)=q
分
布
二 项
在 n 重贝努里试验中,设事件 A 发生的概率为 p 。事件 A
分 布
P( X
k)
Pn(k
)
C
k n
p k q nk ,
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
(6)事 件的关 系与运 算
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。 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。
- 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)。
第二章随机变量及其分布
(1
设离散型随机变量 的可能取值为Xk(k=1,2,…)且取各个值的概率,即事件
)离
散
(X=Xk)的概率为
型
P(X=xk)=pk,k=1,2,…,
随
则称上式为离散型随机变量的概率分布或分布律。有时也用分布列的形式
机 变
给出:
量
。
的 分
显然分布律应满足下列条件:
布 律
(1),,(2)o
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):
如果同时有,,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,它表示A发生而B不发生的事件。
A B同时发生:AB,或者AB A B=?则表示A与B不可能同时发生, 称事件A与事件B互不相谷或者互斥。基本事件疋互不相谷的。
-A称为事件A的逆事件,或称A的对立事件,记为。它表示A不发生 的事件。互斥未必对立。
②运算:
结合率:A(BC)=(AB)C AU(BUC)=(AUB)UC
分配率:(AB)UC=(AUC)A(BUC)(AUB)AC=(AC)U(BC)
德摩根率:,
设为样本空间,为事件,对每一个事件 都有一个实数P(A),若满足
条件概率是概率的一种,所有概率的性质都适合于条件概率。
例如P( Q /B)=1 P( /A)=1-P(B/A)
(13)乘法 公式
乘法公式:
更一般地,对事件A1,A,…An,若P(AA…An-”>0,则有
♦ ♦♦ ♦♦♦♦♦♦ ♦♦♦
0
①两个事件的独立性
设事件、满足,则称事件、是相互独立的。
若事件、相互独立,且,则有
(14) 独立 性
若事件、相互独立,则可得到与、与、与也都相互独立。 必然事件和不可能事件?与任何事件都相互独立。
?与任何事件都互斥。
②多个事件的独立性
设ABC是三个事件,如果满足两两独立的条件,
P(AB)=P(A)P(B);P(BC)=P(B)P(C);P(CA)=P(C)P(A)
并且同时满足P(ABC)=P(A)P(B)P(C)
第一章随机事件和概率
(1)排列组 合公式
从m个人中挑出n个人进行排列的可能数。
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):mXn
。其中L为几何度量(长度、面积、体积)。
(10)加法 公式
P(A+B)=P(A)+P(B)-P=P(A)+P(B)
(11)减法 公式
P(A-B)=P(A)-P(AB)
当B A时,P(A-B)=P(A)-P(B)
当A=Q时,P()=1-P(B)
(12条件 概率
定义 设A、B是两个事件,且P(A)>0,则称 为事件A发生条件下,事 件B发生的条件概率,记为。
那么A、B、C相互独立。
对于n个事件类似。
设事件满足
(15)全概 公式
1°两两互不相容,,
2° ,
则有
。
(16)贝叶 斯公式
设事件,,…,及满足
1°,,…, 两两互不相容,>0,1,2,…,,
2° ,,
则
,i=1,2,…n。
此公式即为贝叶斯公式。
,(,,…,),通常叫先验概率。,(,,…,),通常称为 后验概率。贝叶斯公式反映了 “因果”的概率规律,并作出了“由果朔 因”的推断。
一个事件就是由 中的部分点(基本事件)组成的集合。通常用大写字 母A,B, C,…表示事件,它们是 的子集。
为必然事件,?为不可能事件。
不可能事件(?)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(Q)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:
(4
)分 布 函 数
设 为随机变量, 是任意实数,则函数
称为随机变量X的分布函数,本质上是一个累积函数。
可以得到X落入区间 的概率。分布函数 表示随机变量落入区间(-%,x]内的概率。
(17)伯努 利概型
我们作了次试验,且满足
u每次试验只有两种可能结果,发生或 不发生;
u次试验是重复进行的,即 发生的概率每次均一样;
u每次试验是独立的,即每次试验发生与否与其他次试
验 发生与否是互不影响的。
这种试验称为伯努利概型,或称为重伯努利试验。
用 表示每次试验 发生的概率,则 发生的概率为,用 表示 重伯努利 试验中出现次的概率,
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mx 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。
(2
)连
设是随机变量的分布函数,若存在非负函数,对任意实数,有
续
型
则称为连续型随机变量。称为的概率密度函数或密度函数,简称概率密
随 机
度。
变 量 的 分 布 密 度
密度函数具有下面4个性质:
1°。
2° 。
3离
散与连续型随机变量的关系
积分元 在连续型随机变量理论中所起的作用与 在离散型随机变量理论中 所起的作用相类似。
下列三个条件:
1°0<P(A)<1,
(7)概率的
2°P(Q) =1
公理化定义
3°对于两两互不相容的事件,,…有
常称为可列(完全)可加性。
则称P(A)为事件的概率。
(8)古典概 型
1° ,
2° 。
设任一事件,它是由组成的,则有
P(A)==
(9)几何概 型
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,
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,用来表示。
基本事件的全体,称为试验的样本空间,用表示。