武汉大学数理统计复习整理(终稿)

合集下载

数理统计知识梳理

数理统计知识梳理

2、步骤
( 1) 提 出 原 假 设 H 0 ( 2) 选 择 检 验 的 统 计 量 并 找 出 在 假 设 H 0 成 立 的 条 件 下 , 该 统 计 量 所服从的概率分布 ( 3) 根 据 所 给 的 显 著 水 平 , 查 概 率 分 布 临 界 值 表 , 找 出 检 验 统 计 量 的 临 界 值 , 并 确 定 否 定 域 ( 4) 用 样 本 值 计 算 统 计 量 的 值 , 将 其 与 临 界 值 比 较 , 根 据 比 较 结 果 , 确 定 样 本 值 是 否 落 入 否 定 域 , 最 后 对 H 0作 出 结 论
( X 1 , X 2 ,… , X n )
是n次试验的结果,因此它们是
n个随机变量。但做了试验后,记录下来的是它们在试 验中所取得的数值,得到一串数据
( x1 , x 2 , … , x n )
这串数据称为样本的观察值。
样本的观察值就是指样本的一次实现, 是一个常数向量

有时样本观察值也称为样本,因此样本一词 具有二重性
服 从 自 由 度 为 ( k 1, k 2) 的 F 分 布 , 记 F ( k 1, k 2) 。

F分布一个重要特点
F1( k 1, k 2) =
1 F( k 2, k 1)
3、统计量
设 X 1 , X 2 , … , X n 是 来 自 总 体 X 的 一 个 样 本 , g( x1 , x 2 , … , x n ) 是 一 个 连 续 函 数 。 如 果 g中 不 包 涵 任 何 未 知 数 参 数 , 则 称 g(X 1 , X 2 , … , X n )为 统 计 量 。
2分 布 的 重 要 性 质
X 1 ~ ( m ) , X 2 ~ ( n ) ; n )

(完整版)概率论与数理统计复习提纲

(完整版)概率论与数理统计复习提纲
二、矩估计法
1.基本思想: 用样本矩(原点矩或中心矩)代替相应的总体矩.
2.求总体X的分布中包含的m个未知参数 的矩估计步骤:
① 求出总体矩,即 ;② 用样本矩代替总体矩,列出矩估计方程:
③ 解上述方程(或方程组)得到 的矩估计量为:
④ 的矩估计值为:
3. 矩估计法的优缺点:
优点:直观、简单; 只须知道总体的矩,不须知道总体的分布形式.
(1) 分布的 分位点 (2) 分布的 分位点 其性质:
(3) 分布的 分位点 其性质
(4)N(0,1)分布的 分位点 有
第六章 参数估计
一、点估计:设 为来自总体X的样本, 为X中的未知参数, 为样本值,构造某个统计
量 作为参数 的估计,则称 为 的点估计量, 为 的估计值.
2.常用点估计的方法:矩估计法和最大似然估计法.
合概率函数(或联合密度函数) (或
称为似然函数.
3. 求最大似然估计的步骤:
(1)求似然函数:X离散: X连续:
(2)求 和似然方程:
(3)解似然方程,得到最大似然估计值:
(4)最后得到最大似然估计量:
4. 最大似然估计法是在各种参数估计方法中比较优良的方法,但是它需要知道总体X的分布形式.
四、估计量的评价标准
4.伯努利概型:
1.事件的对立与互不相容是等价的。(X)
2.若 则 。(X)
3. 。(X)
4.A,B,C三个事件恰有一个发生可表示为 。(∨)
5.n个事件若满足 ,则n个事件相互独立。(X)
6.当 时,有P(B-A)=P(B)-P(A)。(∨)
第二章 随机变量及其分布
一、随机变量的定义:设样本空间为 ,变量 为定义在 上的单值实值函数,则称 为随机变量,通常用大写英文字母,用小写英文字母表示其取值。

概率论与数理统计期末复习重要知识点及公式整理

概率论与数理统计期末复习重要知识点及公式整理

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 pp ====-<<,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2()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。

(完整word版)概率论与数理统计知识点总结(word文档良心出品)

(完整word版)概率论与数理统计知识点总结(word文档良心出品)



Ai Ai
德摩根率: i1
i 1
AB AB,AB AB
(7)概率 的公理化 定义
设 为样本空间, A 为事件,对每一个事件 A 都有一个实数 P(A),若满
足下列三个条件: 1° 0≤P(A)≤1, 2° P(Ω ) =1
3° 对于两两互不相容的事件 A1, A2 ,…有
P( A) L( A) 。其中 L 为几何度量(长度、面积、体积)。 L()
(10)加法+B)=P(A)+P(B)-P(AB) 当 AB 不相容 P(AB)=0 时,P(A+B)=P(A)+P(B) 当 AB 独立,P(AB)=P(A)P(B), P(A+B)=P(A)+P(B)-P(A)P(B) P(A-B)=P(A)-P(AB)


则称 X 为连续型随机变量。 f (x) 称为 X 的概率密度函数或密度函数,简称概
率密度。
密度函数具有下面 4 个性质:
1、 f (x) 0 。

f (x)dx 1
2、

(3)离散 与连续型
3、 P(x1 X x2 ) F(x2 ) F(x1)
x2 f (x)dx
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
(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,
P( X k) q k1 p, k 1,2,3, ,其中 p≥0,q=1-p。

概率论与数理统计复习总结

概率论与数理统计复习总结

《概率论与数理统计》内容指导一、概率部分1.概率论的基本概念及预备知识随机现象,随机试验E ,样本空间Ω,样本点ω,随机事件A ,基本事件{ω} 必然事件Ω,不可能事件∅,随机变量X ,随机向量(X ,Y)For personal use only in study and research; not for commercial use排列:从n 个元素中任取m组合:从n 个元素中任取m 2.事件间的关系与运算规律For personal use only in study and research; not for commercial use相互关系:1︒ 事件B 包含A :A ⊂B (指事件A 发生必导致B 发生) A 与B 相等:A =B (指A ⊂B 且B ⊂A )2︒ A 与B 的和事件:A ∪B (指A , B 中至少有一个发生) A 与B 的直和:A +B =A ∪B (A 与B 互不相容时) 3︒ A 与B 的积事件:A ∩B 或AB (指A 与B 同时发生), 4︒ A 与B 的差事件:A -B =AB (指A 发生而B 不发生) 5︒ A 与B 互不相容或互斥:A ∩B =∅.6︒ A 的对立事件ΩU -A .运算规律:(1) 交换律:A ∪B =B ∪A , A ∩B =B ∩A(2) 结合律:A ∪(B ∪C )=(A ∪B )∪C ,A ∩(B ∩C )=(A ∩B )∩C (3) 分配律:A (B ∪C )=AB ∪AC 3.频率的定义与性质事件A 发生的频率n A 为n 次试验中A 发生的次数)频率的基本性质:1︒(非负性) 对于任一随机事件A ,有f n (A )≥0 2︒(规范性) 对于必然事件Ω,有f n (Ω)=1 3︒(有限可加性)若A 1, A 2,…, A k 两两互斥,则()∑∑===⎪⎪⎭⎫ ⎝⎛k i i n k i i n A f A f 114.概率的定义与性质概率的公理化定义:称实值函数P (A )为事件A 的概率,如果P (A )满足下述公理: 公理1(非负性) 对于任一随机事件A ,有P (A )≥0 公理2(规范性) 对于必然事件Ω,有P (Ω)=1公理3(完全可加性) 对两两互不相容的事件A 1, A 2, …,有()∑∑∞=∞==⎪⎪⎭⎫ ⎝⎛11i i i i A P A P概率的基本性质:1︒ P (∅)=0; 0≤P (A )≤12︒(有限可加性)若A 1,A 2,…, A k 两两互斥,则()∑∑===⎪⎪⎭⎫ ⎝⎛k i i k i i A P A P 113︒ 若A ⊂B , 则P (B -A )=P (B )-P (A ),P (B )≥P (A ) 5.概率计算公式三种典型概率:古典概率计算公式几何概率计算公式条件概率计算公式加法定理:P (A ∪B )=P (A )+P (B )-P (AB ) 概率乘法定理:P (AB )=P (A )P (B | A )全概率公式:)( ++==∑∞=211)|()()(B B B A P B P A P i i i Ω贝叶斯公式6.等价定理等价定理1 对事件A与B ,下面四个命题等价(1) A 与B 相互独立; (2) A (3) B (4) 等价定理2 在1)(0,1)(0<<<<B P A P 时,下面四个命题等价 (1) A 与B 相互独立 (2) )()()(B P A P AB P =(3) )()|(A P B A P = (4) )()|(B P A B P = 7.随机变量的概率分布(分布函数、分布律、分布密度) 分布函数:}{)(x X P x F ≤=分布律: ,2,1 ),0()(}{=--===k x F x F p x X P k k k k 分布密度:)()(x F x f '=(在f (x )的连续点)常用分布:1).0-1分布(1次试验中A 发生的次数为k ,p A P =)()⎩⎨⎧==-==1,0,1}{k p k p k X P2).二项分布(,)B n p (n 重伯努利试验中A 发生的次数为k ,p A P =)()n k q p C k X P kn k k n ,,2,1,0 ,}{ ===-3).泊松分布()P λ(n →∞时二项分布的逼近分布,()(,)P np B n p ≈)4).均匀分布(,)U a b⎪⎩⎪⎨⎧∈-=其它 ,0),( ,1)(b a x ab x f5).指数分布()e λ⎩⎨⎧≤>=- 0,00,e )(x x x f x λλ 6).正态分布2(,)N μσ+∞<<∞-=--x x f x ,e π21)(222)(σμσ(常用分布的分布律、分布密度、数学期望及方差见《概率统计》附表1) 8.随机向量的概率分布(分布函数、分布律、分布密度)分布函数:联合分布函数:},{),(y Y x X P y x F ≤≤= 边缘分布函数:F X ( x )=P { X ≤x }=F ( x , +∞ )F Y ( y )=P { Y ≤y }=F ( +∞ , y ) 分布律: 联合分布律:P {X =x i ,Y =y j }=p i j , i , j =1, 2, …---=),0(),(j i j i j i y x F y x F p )0,0()0,(--+-j i j i y x F y x F边缘分布律条件分布律 分布密度:边缘分布密度:⎰∞+∞-='= ),()()(dy y x f x F x f XX⎰∞+∞-='= ),()( )( dxy x f y F y f Y Y条件分布密度f X (x )大于0的连续点)f Y ( y )大于0的连续点)9.构成分布函数、分布律、分布密度的充要条件F (x )为分布函数 ⇔ F (x )单调不减右连续且F (-∞)=0,F (+∞)=1 F (x , y )为分布函数 ⇔ F (x , y ) 关于x 和y 均单调不减右连续且F (-∞, y )=F (x ,-∞)=F (-∞,-∞)=0 , F (+∞,+∞)=1p k 为分布律 ⇔ )(, ,2,1011=≥=∑∞=k p p k k kp ij为分布律 ⇔),2,1,(0111 =≥=∑∑∞=∞=j i p p ij i j ij,f (x )为分布密度 ⇔)(1)( ≥=⎰∞+∞-x f dx x f ,f (x , y )为分布密度 ⇔ 0),(1),( ≥y x f d x d y y x f ,⎰⎰∞+∞-∞+∞-=10.连续型随机变量的性质1︒ 连续型随机变量的分布函数必连续,但分布函数连续的随机变量未必是连续型的.2︒ 一维(二维)连续型随机变量在任意一点(任意曲线上)取值的概率必为零.3︒ P {a <X <b }=P {a ≤X <b }=P {a <X ≤b }=P {a ≤X ≤b }=F (b )-F (a )=⎰badxx f )(4︒ 对平面区域G , 有⎰⎰=∈Gdxdyy x f G Y X P ),(}),{(11.随机变量相互独立的等价定理随机变量相互独立的等价定理 对于随机向量(X , Y ), 下面五个命题等价 (1) X 与 Y 相互独立;(2) 所有可能的条件分布律与相应的边缘分布律一致,2,1,,}{}|{}{}|{=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧========j i x X P y Y x X P y Y P x X y Y P i j i j i j或 所有可能的条件分布密度与相应的边缘分布密度几乎处处相等.)()|(|y f x y f Y X Y =(几乎处处相等) )()|(|x f y x f X Y X =(几乎处处相等)(3) j i ji pp p ∙∙⋅= 或 )()(),(y f x f y x f Y X 几乎= (4) 对于任意二实数集S , T ,有P {X ∈S ,Y ∈T } = P {X ∈S } P {Y ∈T } (5) 对于任意二实数x , y , 有F (x , y ) = F X (x ) F Y ( y )12.随机变量函数的重要结论1)Y =g (X )的分布函数 F Y (y )=P {Y ≤y }=P {g (X )≤y } 2)Z =g (X ,Y )的分布函数 F Z (z )=P {Z ≤z }=P {g (X ,Y )≤z } 3)Z =X +Y 的分布密度⎰∞+∞--= ),()(dx x z x f z f Z ⎰∞+∞--= ),(dyy y z f⎰∞+∞--= )()(dxx z f x f Y X (当X 与Y 相互独立时)4)当 X 1, X 2,…,X n 相互独立时,max(X 1, X 2,…,X n ) 和min(X 1, X 2,…,X n ) 的分布函数)()()()(21m a xz F z F z F z F n X X X = )](1[)](1)][(1[1)(21min z F z F z F z F n X X X ----=13.有关正态分布的重要结论若),(~2σμN X (正态分布),则N (μ,σ 2)与N (0,1)N (μ,σ 2) 的分布函数()F x 与N (0,1)的分布函数()Φx 满足Φ(-x )=1-Φ(x )以μ1, μ2, σ1, σ2, ρ 为参数的二维正态随机变量X ,Y 的密度函数为其中的随机变量X 与Y 相互独立的充要条件是 ρ=0. 14.随机变量的数字特征 数学期望的性质与计算: 1︒ ∑∞==1k k k p x EX⎰∞+∞-= )(dx x xf2︒∑∞==1)()]([k k k p x g X g E ⎰∞+∞-= )()(dxx f x g3︒∑∑∞=∞==11),()],([i j ijj i p y x g Y X g E ⎰⎰∞+∞-∞+∞-= ),(),(dxdyy x f y x g4︒ 若X 1, X 2,…,X n 是随机变量,a k 是常数,则∑∑==+=⎪⎪⎭⎫ ⎝⎛+nk nk n k n k X E a a X a a E 10105︒ 若X 1, X 2,…,X n 是相互独立的随机变量,则)())(()(2121n n EX EX EX X X X E =方差的性质与计算:1︒ DX =Cov(X ,X )=E (X -EX )2=EX 2-(EX )2, D (C )=0, D (CX )=C 2DX2︒ D (X +Y )=DX +DY +2 Cov(X ,Y )=DX +DY (X , Y 是相互独立)3︒ DX =0的充要条件是 X 以概率1取常数C =EX . 协方差的性质与计算:1︒ Cov(X ,Y )=Cov(Y , X )=E [(X -EX )(Y -EY )]=E (XY )-(EX )(EY ) 2︒ Cov(a ,X )=0,Cov(aX ,bY )=ab Cov(X , Y )3︒ Cov(X +Y , Z )=Cov(X ,Z )+Cov(Y ,Z ). 相关系数与矩:ρXY=0时称X与Y不相关),k阶原点矩:EX k,k+l阶混合原点矩:E(X k Y l),k阶中心矩:E(X-E X)k,k+l阶混合中心矩:E[(X-E X)k(Y-EY)l] 15.大数定律与中心极限定理切比雪夫不等式设X具有数学期望E X与方差DX,则对于任意的正数ε, 有P{|X-EX|≥ε}或P{|X-E X|<ε}≥1辛钦大数定律设X1,X2,…相互独立同分布μ=iEX),2,1(=i,则0>∀ε, 有或伯努利大数定律设n A是n重伯努利试验中A发生的次数, p=P(A), 则0>∀ε, 有或林德伯格-列维(Linderberg-levi)中心极限定理设X1,X2,…独立同分布且E X k =μ, 02>=σkDX),2,1(=k,则的极限分布是标准正态分布N(0,1))()(lim xxFnYnΦ=∞→或即()21,~σμnnNXnkk近似∑=棣莫佛-拉普拉斯(De Moivre-Laplace)中心极限定理设X~B(n, p)则对于任意的x,有)()(lim xxFnYnΦ=∞→或即())1(,~pnpnpNX-近似二、统计部分1.数理统计的基本概念总体(母体):所研究对象(取实数值)的全体. 个体: 组成总体的元素.样本(子样):n X X X ,,,21 (n 为样本容量)样本均值: ∑==ni iX n X 11 样本方差: ∑=--=n i i X X n S 122)(11 样本k 阶原点矩:∑==n i kik X n M 11=k (1,2,…) 样本k 阶中心矩:∑=-='ni k i kX X n M 1)(1=k (1,2,…) 频率直方图: 1(1,2,,)()ii i i n y i l n a a -==-2.基本分布1)标准正态分布 若),(~2σμN X , 则上侧分位数 αu :{}⎰+∞==≥ααϕαu dx x u U P )(2)2χ分布 设n X X X ,,,21 相互独立且)1,0(~N X i ,则)(~2122n X ni i χχ∑==上侧分位数 )(2n αχ:{}⎰+∞==≥)(2222)()(n dx x f n P αχχααχχ3)t 分布 设X 与Y 相互独立,且)1,0(~N X , )(~2n Y χ,则 n Y X T =~)(n t上侧分位数 )(n t α:{}⎰+∞==≥)()()(n t t dx x f n t T P ααα4)F 分布 设X 与Y 独立,且)(~12n X χ,)(~22n Y χ,则21n Y n X F =~F (21,n n )上侧分位数 ),(21n n F α:{}),(21n n F F P α≥=⎰+∞=),(21)(n n F F dx x f αα3.正态总体的抽样分布一个正态总体的抽样分布设总体),(~2σμN X ,2,,S X n 为样本容量、样本均值、样本方差,那么(1)),(~2N X σμ(2)X 与2S 相互独立,且)1(~)1(2222--=n S n χσχ(3))1(~/--=n t n S X T μ两个正态总体的抽样分布设),(~211σμN X , ),(~222σμN Y ,且它们相互独立,并设222211,,,,S Y n S X n ,分别为他们的样本容量、样本均值、样本方差,那么(1))1,0(~)()(22212121N n n Y X U σσμμ+---=(2)当2221σσ=时,)2(~)()(2121-+---=n n t Q Y X T μμ其中2)1()1(112122221121-+-+-⎪⎪⎭⎫ ⎝⎛+=n n S n S n n n Q(3))1,1(~2121222221--=n n F S S F σσ4.参数的点估计抽取子样:n X X X ,,,21 (样本值为n x x x ,,,21 ) 1)矩估计法(无需知道总体分布)矩估计方程:),,2,1(),,,(21k r EX M rk r ==θθθ解之得矩估计量:),,2,1(),,,(ˆˆ21k r X X X n r r ==θθ2)最大似然法 (1) 对总体X (k θθθ,,,21 未知).构造似然函数:),,,;(Π),,,(21121k i n i k x p L θθθθθθ ==(离散型总体的分布律) ),,,;(Π),,,(21121k i n i k x f L θθθθθθ ==(连续型总体的分布密度)令 ),,2,1(0),,,(ln 21k r L k r ==∂∂θθθθ(对数似然方程)即可解出(使似然函数取最大值的)最大似然估计值k θθθˆ,,ˆ,ˆ21 ,从而得最大似然估计值量),,2,1(),,,(ˆˆ21k r X X X n r r ==θθ3)估计量的评价标准 (1)无偏性 设θˆ=θˆ(n X X X ,,,21 )是θ的估计,若θθ=ˆE , 则称θˆ是θ的无偏估计.(2)有效性 设估计量),,,(ˆ211n X X X θ与),,,(ˆ212n X X X θ是参数θ的两个无偏估计量,若21ˆˆθθD D <,则称1ˆθ较2ˆθ有效.(3)一致性 设θˆ(n X X X ,,,21 )为参数θ的一个估计量,若θθ−→−P nX X X ),,,(ˆ21 则称θˆ(n X X X ,,,21 )是θ的一致估计(相合估计).5.参数的区间估计(1) 选择包含待估参数的正态总体抽样V .(2) 根据正态总体抽样~()V V γ构造大概率事件{}2||1P V V αα<=-(3) 根据大概率事件{}2||V V α<构造估计区间,正态总体均值与方差(或均值差与方差比)的区间估计表见附表7 6.参数的假设检验1)假设检验的一般原理(1) 选择包含检验参数的正态总体抽样V .(2) 根据正态总体抽样~()V V γ构造小概率事件{}||P V V αα≥=(3) 根据小概率事件{}2||V V α≥确定拒绝域.2)假设检验可能犯的两类错误 (1)第一类错误(弃真错误):原假设0H 正确,但我们却错误地拒绝了它。

(完整版)概率论与数理统计知识点总结(详细)

(完整版)概率论与数理统计知识点总结(详细)

《概率论与数理统计》第一章概率论的基本概念 (2)§2.样本空间、随机事件 (2)§4等可能概型(古典概型) (3)§5.条件概率 (4)§6.独立性 (4)第二章随机变量及其分布 (5)§1随机变量 (5)§2离散性随机变量及其分布律 (5)§3随机变量的分布函数 (6)§4连续性随机变量及其概率密度 (6)§5随机变量的函数的分布 (7)第三章多维随机变量 (7)§1二维随机变量 (7)§2边缘分布 (8)§3条件分布 (8)§4相互独立的随机变量 (9)§5两个随机变量的函数的分布 (9)第四章随机变量的数字特征 (10)§1.数学期望 (10)§2方差 (11)§3协方差及相关系数 (11)第五章 大数定律与中心极限定理 (12)§1. 大数定律 ...................................................................................... 12 §2中心极限定理 . (13)第一章 概率论的基本概念§2.样本空间、随机事件1.事件间的关系 B A ⊂则称事件B 包含事件A ,指事件A 发生必然导致事件B 发生 B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件,指当且仅当A ,B 中至少有一个发生时,事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件,指当A ,B 同时发生时,事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件,指当且仅当A 发生、B 不发生时,事件B A —发生φ=⋂B A ,则称事件A 与B 是互不相容的,或互斥的,指事件A 与事件B 不能同时发生,基本事件是两两互不相容的且S =⋃B A φ=⋂B A ,则称事件A 与事件B 互为逆事件,又称事件A 与事件B 互为对立事件2.运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃)( ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3.频率与概率定义 在相同的条件下,进行了n 次试验,在这n 次试验中,事件A 发生的次数A n 称为事件A 发生的频数,比值n n A 称为事件A 发生的频率概率:设E 是随机试验,S 是它的样本空间,对于E 的每一事件A 赋予一个实数,记为P (A ),称为事件的概率1.概率)(A P 满足下列条件:(1)非负性:对于每一个事件A 1)(0≤≤A P (2)规范性:对于必然事件S 1)S (=P(3)可列可加性:设n A A A ,,,21 是两两互不相容的事件,有∑===nk kn k kA P A P 11)()( (n 可以取∞)2.概率的一些重要性质: (i ) 0)(=φP(ii )若n A A A ,,,21 是两两互不相容的事件,则有∑===nk kn k kA P A P 11)()((n 可以取∞)(iii )设A ,B 是两个事件若B A ⊂,则)()()(A P B P A B P -=-,)A ()B (P P ≥ (iv )对于任意事件A ,1)(≤A P(v ))(1)(A P A P -= (逆事件的概率)(vi )对于任意事件A ,B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型(古典概型)等可能概型:试验的样本空间只包含有限个元素,试验中每个事件发生的可能性相同 若事件A包含k个基本事件,即}{}{}{2]1k i i i e e e A =,里个不同的数,则有中某,是,,k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5.条件概率(1) 定义:设A,B 是两个事件,且0)(>A P ,称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率(2) 条件概率符合概率定义中的三个条件1。

概率论与数理统计复习资料要点总结--学生

概率论与数理统计复习资料要点总结--学生

《概率论与数理统计》复习资料一、复习提纲注:以下是考试的参考内容,不作为实际考试范围,仅作为复习参考之用。

考试内容以教学大纲和实施计划为准;注明“了解”的内容一般不考。

1、 会事件关系的运算,了解概率的古典定义2、 能较熟练地求解古典概率;了解概率的公理化定义3、 掌握概率的基本性质和应用这些性质进行概率计算;理解条件概率的概念;掌握加法公式与乘法公式4、 能准确地选择和运用全概率公式与贝叶斯公式解题;掌握事件独立性的概念及性质。

5、 理解随机变量的概念,掌握离散性随机变量分布率的性质及求法,掌握(0—1)分布、二项分布、泊松分布的分布律。

6、 理解分布函数的概念及性质,理解并掌握连续型随机变量的概率密度及性质。

7、 掌握指数分布(参数λ)、均匀分布、正态分布8、 会求特殊的一维随机变量函数分布的分布律或概率密度。

9、 会求分布中的待定参数。

会求区间的概率.10、 会求边缘分布律、边缘密度函数,会判别随机变量的独立性。

11、 掌握二维连续型随机变量未知参数的计算,落在区域概率的计算。

12、 理解二维随机变量的概念,理解二维随机变量的联合分布函数及其性质,掌握二维离散型随机变量的联合分布律及其性质,掌握二维连续型随机变量的联合概率密度及其性质,并会用它们计算有关事件的概率。

13、 会求二维离散型随机变量函数的分布率.14、 掌握数学期望和方差的定义及性质,会熟练地求随机变量及其函数的数学期望和方差。

会熟练地默写出几种重要随机变量的数学期望及方差。

15、 较熟练地求协方差与相关系数.16、 会用独立正态随机变量线性组合性质解题。

17、 理解总体、样本、简单随机样本、统计量及抽样分布概念,样本均值与样本方差及样本矩概念,掌握χ2分布(及性质)、t 分布、F 分布及其分位点概念。

18、 理解正态总体样本均值与样本方差的抽样分布定理;会用矩估计方法来估计未知参数。

19、 掌握极大似然估计法,无偏性与有效性的判断方法。

概率论与数理统计期末总复习资料

概率论与数理统计期末总复习资料

古典概型例子 摸球模型例1:袋中有a 个白球,b个黑球,从中接连任意取出m (m ≤a +b)个球,且每次取出的球不再放回去,求第m 次取出的球是白球的概率;分析:本例的样本点就是从a +b中有次序地取出m 个球的不同取法;第m 次取出的球是白球意味着:第m次是从a 个白球中取出一球,再在a +b-1个球中取出m-1个球。

解:设B ={第m 次取出的球是白球}样本空间的样本点总数: mb a A n +=事件B 包含的样本点: 111--+=m b a a A C r ,则 b a a A aA n r B P mba mb a +===+--+11)( 注:本例实质上也是抽签问题,结论说明按上述规则抽签,每人抽中白球的机会相等,同抽签次序无关。

例2: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 )=120/1001=0.048 占位模型例:n 个质点在N 个格子中的分布问题.设有n 个不同质点,每个质点都以概率1/N 落入N 个格子(N ≥n)的任一个之中,求下列事件的概率:(1) A ={指定n 个格子中各有一个质点};(2) B ={任意n 个格子中各有一个质点}; (3) C ={指定的一个格子中恰有m (m ≤n )个质点}.解:样本点为n 个质点在N 个格子中的任一种分布,每个质点都有N 种不同分布,即n 个质点共有N n 种分布。

故样本点总数为:N n(1)在n 个格子中放有n 个质点,且每格有一个质点,共有n !种不同放法;因此,事件A 包含的样本点数:n!,则 n Nn A P !)(=(2)先在N 个格子中任意指定n 个格子,共有nN C 种不同的方法;在n 个格子中放n 个质点,且每格一个质点,共有n !种不同方法;因此,事件B 包含的样本点数: n NnN A C n =!,则n nNNA B P =)((3)在指定的一个格子中放m (m ≤n )个质点共有mn C 种不同方法;余下n-m 个质点任意放在余下的N-1个格子中,共有m n N --)1(种不同方法.因此,事件C 包含的样本点数:mn C m n N --)1(, 则mn m m n nm n mn N N N C N N C C P ---=-=)1()1()1()( 抽数模型例: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} 。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 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. 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)。
相关文档
最新文档