概率论重要知识点总结

合集下载

概率论知识点

第一章随机事件及其概率§ 1.1 随机事件及其运算随机现象：概率论的基本概念之一。

是人们通常说的偶然现象。

其特点是，在相同的条件下重复观察时，可能出现这样的结果，也可能出现那样的结果，预先不能断言将出现哪种结果•例如,投掷一枚五分硬币，可能国徽”向上,也可能伍分”向上；从含有5件次品的一批产品中任意取出3件，取到次品的件数可能是0,1,2或3.随机试验：概率论的基本概念之一•指在科学研究或工程技术中，对随机现象在相同条件下的观察。

对随机现象的一次观察（包括试验、实验、测量和观测等）,事先不能精确地断定其结果，而且在相同条件下可以重复进行，这种试验就称为随机试验。

样本空间：概率论术语。

我们将随机试验E的一切可能结果组成的集合称为E的样本空间，记为1。

样本空间的元素，即E的每一个结果，称为样本点。

随机事件：实际中，在进行随机试验时，人们常常关心满足某种条件的那些样本点所组成的集合.称试验E的样本空间I ■■的子集为E的随机事件，简称事件•在每次试验中，当且仅当这一子集中的一个样本点出现时，称这一事件发生.特别，由一个样本点组成的单点集，称为基本事件.样本空间门包含所有的样本点，它是门自身的子集，在每次试验中它总是发生的，称为必然事件.空集？不包含任何样本点，它也作为样本空间的子集，它在每次试验中都不发生称为不可能事件.互斥事件（互不相容事件）：若事件A与事件B不可能同时发生，亦即A B =①，则称事件A与事件B是互斥（或互不相容）事件。

互逆事件：事件A与事件B满足条件A B =①，A B =1 ,则称A与B是互逆事件，也称A与B是对立事件，记作B （或A = B ）。

互不相容完备事件组：若事件组A,A2,…A满足条件A i A j二①，（i,i=t n ）,nA-、_:，则称事件组A, A2,…A n为互不相容完备事件组（或称A, A2,…A n为样本空i=1间门的一个划分）。

§ 1.2 随机事件的概率概率：随机事件出现的可能性的量度。

概率论的知识点总结

概率论的知识点总结1.概率的基本概念概率是描述随机事件发生可能性的数学工具，其基本概念包括样本空间、事件和概率空间。

样本空间是随机试验的所有可能结果的集合，事件是样本空间的子集，概率空间包括样本空间和定义在样本空间上的概率测度。

2.概率分布概率分布描述了随机变量可能取值的概率情况。

概率分布分为离散分布和连续分布两种。

常见的离散分布包括伯努利分布、二项分布、泊松分布等；常见的连续分布包括均匀分布、正态分布、指数分布等。

概率密度函数和累积分布函数是描述连续分布的重要工具。

3.随机变量随机变量是一种具有随机性的变量，它可以取样本空间中的某些值。

随机变量分为离散随机变量和连续随机变量。

离散随机变量的概率分布由概率质量函数描述，连续随机变量的概率分布由概率密度函数描述。

4.数学期望和方差数学期望是随机变量的平均值，描述了随机变量的位置参数；方差是随机变量与其数学期望之间的离散程度，描述了随机变量的分散程度。

数学期望和方差是描述随机变量性质的重要指标，它们具有许多重要的性质，如线性性质、切比雪夫不等式等。

5.大数定律大数定律是描述随机变量序列平均值的收敛性质的定理。

大数定律包括弱大数定律和强大数定律两种。

弱大数定律描述了随机变量序列平均值收敛于数学期望的概率性质，强大数定律描述了随机变量序列平均值几乎必然收敛于数学期望的性质。

6.中心极限定理中心极限定理是概率论中一个重要的定理，描述了大量独立随机变量的和呈现出正态分布的性质。

中心极限定理包括林德伯格-莱维中心极限定理、李亥莱中心极限定理等。

中心极限定理在统计学和金融学中具有重要的应用价值，它解释了正态分布在自然界和人类活动中的普遍性。

以上是概率论的一些重要知识点，概率论作为一门基础数学学科，不仅具有重要的理论意义，而且在实际应用中有着广泛的应用价值。

随着数据科学和人工智能的快速发展，概率论的应用前景将更加广阔。

概率知识点总结

概率知识点总结1、确定性现象：在一定条件下必然出现的现象。

2、随机现象：在一定条件下可能发生也可能不发生的现象。

3、概率论：是研究随机现象统计规律的科学。

4、随机试验：对随机现象进行的观察或实验统称为随机试验。

5、样本点：随机试验的每个可能出现的实验结果称为这个试验的一个样本点。

6、样本空间：所有样本点组成的集合称为这个试验的样本空间。

7、随机事件：如果在每次试验的结果中，某事件可能发生，也可能不发生，则这一事件称为随机事件。

8、必然事件：某事件一定发生，则为必然事件。

9、不可能事件：某事件一定不发生，则为不可能事件。

10、基本事件：有单个样本点构成的集合称为基本事件。

11、任一随机事件都是样本空间的一个子集，该子集中任一样本点发生，则该事件发生。

利用集合论之间的关系和运算研究事件之间的关系和运算。

〔1〕事件的包含A B⊂〔2〕事件的并〔和〕A B〔3〕事件的交〔积〕A B〔4〕事件的差A B A B-=-=AB A〔5〕互不相容事件〔互斥事件〕A Bφ=〔6〕对立事件〔互逆事件〕A B Ω=，A B φ=，记B A = 〔7〕完备事件组：事件12,,,n A A A 两两互不相容，且1n A A AΩ=〔8〕事件之间的运算规律：交换律、结合律、分配率、De Morgan 定理 12、概率()1P Ω=，()0P φ=如果12,,,n A A A 两两互不相容，则112()()()()n n P A AP A P P A A A =+++如果,A B 是任意两个随机事件，则()()()P A B P A P AB -=- 如果B A ⊂，则()()()P A B P A P B -=-()()()()P A B P A P B P AB =+-()()()()()()()()P A B C P A P B P C P AB P AC P BC P ABC =++---+ 1111121()()()()()()(1())()nn j i j i ni n j k n i i i j k nP A AP A P A P A P A P A P A P A A A A ≤<≤=-≤<<≤=-+--+∑∑∑12、古典概型每次试验中，所有可能发生的结果只有有限个，即样本空间是有限集每次试验中，每一个结果发生的可能性相同()A P A =包含的基本事件数试验的基本事件总数13、条件概率：()(|)()P AB P A B P B =为事件B 发生的条件下，事件A 发生的条件概率加法公式：()()()()P A B P A P B P AB =+-，若,A B 互斥，则()()()P A B P A P B =+乘法公式：()()(|)()(|)P AB P A P B A P B P A B ==，若,A B 独立，则()()()P AB P A P B = 全概率公式：1221()()(|)()(|)()(|)n n P A P B P A B P B P A B P B P A B =+++贝叶斯公式：11()()(|)(|)()()(|)()(|)k k k n n k P AB P B P A B P B A P A P B P A B P B P A B =+=+14、事件独立：如果(|)()P B A P B =，则称事件B 对于事件A 独立，此时，事件A 对于事件B 独立，称,A B 相互独立。

考研数学概率论重要考点总结

考研数学概率论重要考点总结概率论是考研数学中的重要考点之一。

下面是概率论中的一些重要考点总结。

一、概率基本概念1. 随机试验与样本空间2. 事件与事件的关系3. 概率的定义、性质和运算法则4. 条件概率及其性质二、随机变量与概率分布1. 随机变量的概念及其分类2. 离散型随机变量与连续型随机变量3. 随机变量的分布函数和密度函数4. 两个随机变量的独立性5. 随机变量的函数及其分布三、数学期望与方差1. 数学期望的概念及其性质2. 数学期望的计算3. 方差的概念及其性质4. 方差的计算5. 协方差和相关系数四、大数定律与中心极限定理1. 大数定律的概念及其性质2. 切比雪夫不等式3. 中心极限定理的概念及其性质4. 泊松定理5. 极限定理的应用五、随机变量的常见分布1. 二项分布、泊松分布2. 均匀分布、指数分布3. 正态分布4. 伽马分布、贝塔分布5. t分布、F分布、卡方分布六、矩母函数与特征函数1. 矩母函数的概念及性质2. 矩母函数的计算3. 特征函数的概念及性质4. 特征函数的计算5. 中心极限定理的特征函数证明七、样本与抽样分布1. 随机样本的概念及其性质2. 样本统计量的概念及其性质3. 样本均值和样本方差4. 正态总体抽样分布5. t分布，x^2分布，F分布的定义及其应用八、参数估计与假设检验1. 点估计的概念及性质2. 极大似然估计3. 置信区间的概念及计算4. 参数假设检验的概念及流程5. 正态总体均值的假设检验九、回归与方差分析1. 回归分析的概念及方法2. 多元回归模型、回归模型的检验3. 方差分析的概念及方法4. 单因素方差分析、双因素方差分析以上是概率论中的一些重要考点总结。

在备考过程中，需要对这些知识点有一定的掌握，并进行大量的练习和习题训练，只有充分理解和掌握这些知识，并能运用到实际问题中，才能在考试中取得好成绩。

概率论必备知识点

概率论必备知识点概率论是一门研究随机现象数量规律的数学分支，它在各个领域都有着广泛的应用，从物理学、生物学、经济学到计算机科学等。

以下是一些概率论中的必备知识点。

一、随机事件与概率随机事件是指在一定条件下，可能出现也可能不出现的事件。

例如，抛一枚硬币，正面朝上就是一个随机事件。

概率则是用来衡量随机事件发生可能性大小的数值。

概率的取值范围在 0 到 1 之间，0 表示不可能发生，1 表示必然发生。

计算概率的方法有多种。

对于等可能事件，概率等于事件所包含的基本结果数除以总的基本结果数。

例如，掷一个骰子，出现点数为 3的概率就是 1/6，因为骰子共有 6 个面，每个面出现的可能性相等，而点数为 3 的只有 1 种情况。

二、古典概型古典概型是一种最简单的概率模型。

在古典概型中，试验的结果是有限的，并且每个结果出现的可能性相等。

例如，从装有 5 个红球和 3 个白球的袋子中随机取出一个球，求取出红球的概率，这就是一个古典概型问题。

计算古典概型的概率，可以使用公式：P(A) ＝ n(A) ／n(Ω)，其中P(A)表示事件 A 发生的概率，n(A)表示事件 A 包含的基本结果数，n(Ω)表示总的基本结果数。

三、几何概型几何概型是古典概型的推广，当试验的结果是无限的，且每个结果出现的可能性相等时，就可以使用几何概型来计算概率。

例如，在一个时间段内等待公交车，求等待时间不超过 5 分钟的概率。

在几何概型中，概率等于事件对应的区域长度（面积或体积）除以总的区域长度（面积或体积）。

四、条件概率条件概率是指在已知某个事件发生的条件下，另一个事件发生的概率。

例如，已知今天下雨，明天晴天的概率就是一个条件概率。

条件概率的计算公式为：P(B|A) ＝ P(AB) ／ P(A)，其中 P(B|A)表示在事件 A 发生的条件下事件 B 发生的概率，P(AB)表示事件 A 和事件 B 同时发生的概率，P(A)表示事件 A 发生的概率。

概率知识点归纳整理总结

概率知识点归纳整理总结概率基础知识1. 样本空间和事件概率论的基本概念是样本空间和事件。

样本空间是一个随机试验所有可能结果的集合，通常用Ω表示。

事件是样本空间的一个子集，表示随机试验的一些结果。

事件的概率描述了该事件发生的可能性有多大。

2. 概率的定义在样本空间Ω中，事件A包含n(A)个基本事件，概率P(A)定义为P(A)=n(A)/n(Ω)，即事件A的发生可能性是A包含的基本事件数目与样本空间的基本事件数目之比。

3. 概率的性质概率具有以下几个性质：（1）非负性：对于任意事件A，有0≤P(A)≤1；（2）规范性：样本空间的概率为1，即P(Ω)=1；（3）可列可加性：若事件A1，A2，A3，...两两互斥，则P(A1∪A2∪A3∪...)=P(A1)+P(A2)+P(A3)+...。

4. 条件概率条件概率是指在事件B已经发生的条件下，事件A发生的概率，表示为P(A|B)，其定义为P(A|B)=P(A∩B)/P(B)。

5. 独立事件两个事件A和B称为独立事件，当且仅当P(A∩B)=P(A)P(B)。

6. 贝叶斯定理贝叶斯定理是用来计算逆概率的定理，它表示为P(A|B)=P(B|A)P(A)/P(B)。

概率的应用1. 排列与组合排列和组合是概率论的一个重要应用。

排列是指从n个不同元素中取出m个元素进行排列的种数，用P(n,m)表示，其公式为P(n,m)=n!/(n-m)!。

组合是指从n个不同元素中取出m个元素进行组合的种数，用C(n,m)表示，其公式为C(n,m)=n!/(m!(n-m)!）。

2. 事件的独立性在概率论中，独立性是一个重要的概念。

事件A和事件B称为独立事件，如果P(A∩B)=P(A)P(B)，即事件A的发生与事件B的发生互不影响。

在实际应用中，很多情况下要求两个事件的独立性，以便于计算事情发生的可能性。

3. 随机变量随机变量是概率论中的一个重要概念，它是一个从样本空间到实数的映射。

随机变量可分为离散型和连续型两种。

概率论复习知识点总结

C1，C2，…，Cn为n个任意常数，则
i 1
Ci Xi ~ N ( Ci i ,
i 1
n
n
i 1
2 C i i ) 2
n
作业:二、2；三、17
第3章要点
八、二维连续型随机变量函数的分布
（最大值与最小值分布）设X1，X2，…，Xn是相互独立的 n 个随机变量，若 Y=max(X1, X2, … , Xn), Z=min(X1, X2, … , Xn), 试在以下情况下求Y和Z的分布
第4章要点
三、重要分布的期望和方差分布 0-1分布二项分布 B(n,p) 泊松分布 P() 均匀分布 U(a,b) 指数分布 Exp() 正态分布 N(,2)
参数
0 p1
n 1, 0 p1
数学期望
方差
p(1 p)
np (1 p )
p
np
0

(a b) 2

(b a )2 12
离散型随机变量的数学期望 E ( X ) x i pi
i 1
连续型随机变量的数学期望 E ( X )
随机变量函数的数学期望
E (Y ) E[ g( X )]

xf ( x )dx
g( x
k 1
k
) pk

g( x ) f ( x )dx
第4章要点
第1章要点
一、事件间关系和运算
子事件 A⊂B A发生必然导致B发生
事件相等 A=B
互不相容（互斥） A∩B=
A、B中其中一个发生另一个也发生
A、B不同时发生
对立（互逆） A∩B=, A∪B=Ω

概率论知识点总结

概率论知识点总结概率论是数学中的一个重要分支，主要研究随机现象的规律性和概率分布。

在现实生活中，概率论广泛应用于统计学、金融、工程、生物学等领域。

下面将对概率论中的一些重要知识点进行总结。

一、基本概念1. 样本空间：随机试验所有可能结果的集合。

2. 随机事件：样本空间中的一个子集。

3. 概率：随机事件发生的可能性大小，用P(A)表示。

4. 事件的互斥与对立：互斥事件指两个事件不可能同时发生，对立事件指两个事件至少有一个发生。

二、概率的性质1. 非负性：概率值始终大于等于0。

2. 规范性：样本空间的概率为1。

3. 可数可加性：如果事件A和事件B互斥，则P(A∪B) = P(A) + P(B)。

4. 加法定理：P(A∪B) = P(A) + P(B) - P(A∩B)。

三、条件概率1. 定义：在事件B发生的条件下，事件A发生的概率。

2. 计算公式：P(A|B) = P(A∩B) / P(B)。

3. 乘法公式：P(A∩B) = P(A|B) * P(B) = P(B|A) * P(A)。

四、独立事件1. 定义：事件A发生与否不受事件B发生与否的影响。

2. 判别条件：P(A∩B) = P(A) * P(B)。

五、全概率公式与贝叶斯定理1. 全概率公式：设事件B1、B2、...、Bn为样本空间的一个划分，即B1∪B2∪...∪Bn = S，且P(Bi) > 0，有P(A) = ∑P(A|Bi) * P(Bi)。

2. 贝叶斯定理：在全概率公式的基础上，可以得到P(Bi|A) = P(A|Bi) * P(Bi) / ∑P(A|Bi) * P(Bi)。

六、随机变量与概率分布1. 随机变量：将数学状态与随机事件的结果联系起来的变量。

2. 离散型随机变量与连续型随机变量。

3. 概率分布：描述随机变量各个取值的概率情况。

4. 均匀分布、正态分布、泊松分布等。

七、大数定律与中心极限定理1. 大数定律：随着试验次数的增加，样本均值趋于总体均值。

概率论知识点总结归纳

概率论知识点总结归纳概率论是一门研究随机现象数量规律的数学学科，它在许多领域都有着广泛的应用，如统计学、物理学、工程学、经济学等。

下面将对概率论中的一些重要知识点进行总结归纳。

一、随机事件与概率1、随机事件随机事件是指在一定条件下，可能出现也可能不出现的事件。

例如，掷骰子出现的点数就是一个随机事件。

2、样本空间样本空间是指随机试验的所有可能结果组成的集合。

3、事件的关系与运算包括包含、相等、和事件、积事件、差事件、互斥事件、对立事件等。

4、概率的定义概率是对随机事件发生可能性大小的度量。

概率的古典定义适用于等可能概型，几何概型则通过几何度量来计算概率。

5、概率的性质包括非负性、规范性和可加性。

二、条件概率与乘法公式1、条件概率在已知某个事件发生的条件下，另一个事件发生的概率称为条件概率。

2、乘法公式用于计算两个事件同时发生的概率。

三、全概率公式与贝叶斯公式1、全概率公式如果事件组构成一个完备事件组，那么对于任意一个事件，可以通过全概率公式计算其概率。

2、贝叶斯公式在已知结果的情况下，反推导致这个结果的某个原因的概率。

四、随机变量及其分布1、随机变量用来表示随机现象结果的变量。

2、离散型随机变量取值可以一一列举的随机变量，常见的离散型随机变量分布有二项分布、泊松分布等。

3、连续型随机变量取值充满某个区间的随机变量，其概率通过概率密度函数来描述。

常见的连续型随机变量分布有正态分布、均匀分布等。

五、期望与方差1、期望反映随机变量取值的平均水平。

2、方差描述随机变量取值的离散程度。

六、协方差与相关系数1、协方差衡量两个随机变量之间的线性关系程度。

2、相关系数是标准化后的协方差，取值范围在－1 到 1 之间。

七、大数定律与中心极限定理1、大数定律说明在大量重复试验中，随机变量的平均值趋近于其期望值。

2、中心极限定理当样本量足够大时，独立同分布的随机变量之和近似服从正态分布。

在学习概率论的过程中，需要理解各个概念的含义，掌握相关的公式和定理，并通过大量的练习来加深对知识点的理解和应用。

概率论必备知识点

概率论与数理统计知识点：第一章随机事件及其概率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E .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E 的所有可能结果组成的集合称为E 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e .（3）随机事件：在一次试验中可能出现也可能不出现的事件称为随机事件，简称事件，常用A 、B 、C 等大写字母表示；可表述为样本空间中样本点的某个集合，分为复合事件和简单事件，还有必然事件（记为Ω）和不可能事件（记为Φ）. 2、事件的关系与运算（1）包含关系与相等：“事件A 发生必导致B 发生”，记为B A ⊂或A B ⊃；B A B A ⊂⇔=且A B ⊂.（2）和事件（并）：“事件A 与B 至少有一个发生”，记为B A ⋃. （3）积事件（交）：“ 事件A 与B 同时发生”，记为B A ⋂或AB .（4）差事件、对立事件(余事件)：“事件A 发生而B 不发生”，记为A －B 称为A 与B 的差事件；B B =-Ω称为B 的对立事件；易知：B A B A =-.（5）互不相容性：φ=AB ；B A 、互为对立事件Ω=⋃⇔B A 且Φ=AB . （6）事件的运算法则：1) 交换律：A B B A ⋃=⋃，BA AB = ； 2) 结合律：C B A C B A ⋃⋃=⋃⋃)()(，)()(BC A C AB =； 3) 分配律：BC AC C B A ⋃=⋃)(，))(()(C B C A C AB ⋃⋃=⋃；4) 对偶(De Morgan)律：B A B A =⋃，B A AB ⋃=，可推广kkkkkkkkAA A A ==,.3、频率与概率（1）频率的定义：事件A 在n 次重复试验中出现A n 次，则比值nn A称为事件A 在n 次重复试验中出现的频率，记为)(A f n ，即n n A f An =)(. （2）统计概率：当∞→n 时，频率)()(A P nnA f A n →=.当n 很大时，)()(A f P A P n ≈=称为事件A 的统计概率.（3）古典概率：若试验的基本事件数为有限个，且每个事件发生的可能性相等，则试验对应古典概型（等可能概型），事件A 发生的概率为：nA k n k A A P )()(＝＝中样本点总数中所含样本点数Ω=.（4）几何概率：若试验基本事件数无限，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Ω中随机地取一点落在区域g 中”这一事件g A 发生的概率为：的测度的测度＝Ωg A P g )(.（5）概率的公理化定义：设(F ,Ω)为可测空间，在事件域F 上定义一个实值函数),(A P F A ∈，满足：1) 非负性：0)(≥A P ，对任意F A ∈；2) 规范性：1)(=ΩP ；3) 可列可加性：若有一列,,2,1, =∈i F A i i Φ=j i A A ，使得∑∞=∞==11)()(j jj jA P A P ，则称),(A P F A ∈为σ域F 上的概率测度，简称“概率”． 4、概率的基本性质（1）不可能事件概率零：)(ΦP ＝0.（2）有限可加性：设n A A A ,,,21 是n 个两两互不相容的事件，即j i A A ＝Φ，（j i ≠）n j i ,2,1,,=，则有)(21n A A A P ⋃⋃⋃ ＝)(1A P ＋)()(2n A P A P ++ .（3）单调不减性：若事件B ⊃A ，则P (B )≥P (A )，且P (B －A )＝P (B )－P (A ).（4）互补性：P (A )＝1－P (A )，且P (A )≤1.（5）加法公式：对任意两事件B A 、，有=⋃)(B A P )()(B P A P +－)(AB P ；此性质可推广到任意n 个事件n A A A ,,,21 的情形.（6）可分性：对任意两事件B A 、，有)()()(B A P AB P A P +=. 5、条件概率与乘法公式（1）条件概率：设B A 、是Ω中的两个事件，即F B A ∈、，则)()()|(A P AB P A B P =称为事件A 发生的条件下事件B 发生的条件概率．（2）乘法公式：设F B A ⊂、，则)|()()|()()(B A P B P A B P A P AB P == 称为事件A 、B 的概率乘法公式.6、全概率公式与贝叶斯(Bayes)公式（1）全概率公式：设n A A A ,,,21 是Ω的一个划分，且0)(>i A P ，),,2,1(n i =，则对任何事件F B ∈，有∑=ni iiA B P A P B P 1)|()()(＝，称为全概率公式.（2）贝叶斯(Bayes)公式：设n A A A ,,,21 是Ω的一个划分，且0)(>i A P ),,2,1(n i =，则对任何事件F B ∈，有),,1(,)|()()|()()|(1n j A B P A P A B P A P B A P ni iij j j ==∑=，称为贝叶斯公式或逆概率公式. 7、事件的独立性（1）两事件的独立：设),,(P F Ω为一概率空间，事件F B A ∈、，且0)(>A P ，若)|()(A B P B P =，则称事件A 与B 相互独立；等价于：)()()(B P A P AB P =.（2）多个事件的独立：设n A A A ,,,21 是n 个事件，如果对任意的)1(n k k ≤<，任意的n i i i k ≤<<<≤ 211，具有等式)()()()(2121k k i i i i i i A P A P A P A A A P =，称n 个事件n A A A ,,,21 相互独立． 8、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E ．E 也叫做“成功—失败”试验,“成功”的概率常用)(A P p =表示，其中A ＝“成功”.（2）把E 重复独立地进行n 次，所得的试验称为n 重贝努里试验，记为nE ．（3）把E 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∞E ．以上三种贝努里试验统称为贝努里概型．（4）nE 中成功k 次的概率是：)0(,)1(n k q p C p p C k n k k n k n k k n ≤≤=---其中1=+q p .第二章随机变量及其分布1、随机变量设Ω是随机试验的样本空间，如果对于试验的每一个可能结果Ω∈ω，都有唯一的实数)(ωX 与之对应，则称)(ωX 为定义在Ω上的随机变量，简记为X .随机变量通常用大写字母Z Y X 、、等表示. 2、分布函数及其性质设X 为随机变量，x 为任意实数，函数)}({)(+∞<<-∞≤=x x X P x F 称为随机变量X 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）)(1)(0+∞<<-∞≤≤x x F ；（2）如果21x x <，则)()(21x F x F ≤；（3）)(x F 为右连续，即)()0(x F x F =+；（4）1)(lim ,0)(lim ==+∞→-∞→x F x F x x ；（5）)()(}{}{}{121221x F x F x X P x X P x X x P -=≤-≤=≤<. 3、离散型随机变量及其概率分布如果随机变量X 只能取有限个或可列个可能值，则称X 为离散型随机变量.如果X 的一切可能值为 ,,21x x ，并且X 取k x 的概率为k p ，则称),3,2,1}({ ===k x X P p k k 为离散型随机变量X 的概率函数（概率分布或分布律）.列成表格形式，也称为分布列(表2-1)：表2-1其中1,0=≥∑iii pp .常见的离散型随机变量的分布有：（1）0-1分布，记为)10(~-X ，概率函数10,1,0,)1(}{1<<=-==-p k p p k X P k k ；（2）二项分布，记为),(~p n B X ，概率函数10,,,1,0,)1(}{<<=-==-p n k p p C k X P k n kk n ；（3）泊松分布，记为)(~λP X ，概率函数0,,1,0,!}{>===-λλλ k k e k X P k ；泊松定理设0>λ是一常数，n 是任意正整数，设λ=n np ，则对于任一固定的非负整数k ，有!)1(lim k e p p C k kn n k nkn n λλ--∞→=-.当n 很大且p 很小时，二项分布可以用泊松分布近似代替，即!)1(k e p p C k kn k k nλλ--≈-，其中np =λ.（4）超几何分布，记为),,(~N M n H X ，概率函数),min(,,1,0,}{M n k C C C k X P nNk n MN k M ===--，其中M N n 、、为正整数，且N n N M ≤≤,.当N 很大，且Nn p =较小时，有k n k k n nN k n MN k M p p C C C C ----≈)1(.] （5）几何分布，记为)(~p G X ，概率函数10,,1,0,)1(}{1<<=-==-p k p p k X P k .4、连续型随机变量及其概率分布如果对于随机变量X 的分布函数)(x F ，存在非负函数)(x f ，使对于任一实数x ，有⎰∞-=xdt t f x F )()(，则称X 为连续型随机变量.函数)(x f称为X 的概率密度函数.概率密度函数具有以下性质：（1）0)(≥x f ；（2）1)(=⎰+∞∞-dt t f ；（3）⎰=≤<21)(}{21x x dt t f x X x P ；（4）0}{1==x X P ；（5）如果)(x f 在x 处连续，则)()(x f x F ='. 常见的连续型随机变量的分布有：（1）均匀分布，记为),(~b a U X ，概率密度为⎪⎩⎪⎨⎧≤≤-=其它,0,,1)(b x a a b x f .相应的分布函数为⎪⎩⎪⎨⎧>≤≤--<=b x b x a a b a x a x x F ,1,,0)(；（2）指数分布，记为)(~λE X ，概率密度为⎩⎨⎧≥=-其它,0,0,)(x e x f λλ.相应的分布函数为⎩⎨⎧<≥-=-0,00,1)(x x e x F x λ；（3）正态分布，记为),(~2σμN X ，概率密度为+∞<<-∞=--X ex f x ,21)(222)(σμπ，相应的分布函数为⎰∞---=xx dt ex F 222)(21)(σμπ；当1,0==σμ时，即)1,0(~N X 时，称X 服从标准正态分布.这时分别用)(x ϕ和)(x Φ表示X 的密度函数和分布函数，即⎰∞---=Φ=x t x dt e x ex 222221)(,21)(ππϕ.具有性质：)(1)(x x Φ-=-Φ.一般正态分布),(~2σμN X 的分布函数)(x F 与标准正态分布的分布函数)(x Φ有关系：)()(σμ-Φ=x x F .5、随机变量函数的分布（1）离散型随机变量函数的分布设X 为离散型随机变量，其分布列为(表2-2)：表2-2则)(X g Y =任为离散型随机变量，其分布列为(表2-3)：表2-3i y 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X 为离散型随机变量，概率密度为)(x f X ，则)(X g Y =的概率密度有两种方法可求.1）定理法：若)(x g y =在X 的取值区间内有连续导数)(x g '，且)(x g 单调时，)(X g Y =是连续型随机变量，其概率密度为⎩⎨⎧<<'=其它,0,)()]([)(βαy y h y h f y f X Y . 其中)()}.(),(max{)},(),(min{y h g g g g +∞-∞=+∞-∞=βα是)(x g 的反函数.2）分布函数法：先求)(X g Y =的分布函数∑⎰∆=≤=≤=k y xY k dx x fy X g P y Y P y F )()(})({}{)(，然后求])([)('=y F y f Y Y .第三章多维随机变量及其分布1、二维随机变量及其联合分布函数设X ，Y 为随机变量，则称它们的有序数组（Y X ,）为二维随机变量. 设（Y X ,）为二维随机变量，对于任意实数x 、y ，称二元函数},{),(y Y x X P y x F ≤≤=为（Y X ,）的联合分布函数.联合分布函数具有以下基本性质：（1）),(y x F 是变量x 或y 的非减函数；（2）1),(0≤≤y x F 且1),(0),(0),(0),(=+∞+∞=-∞-∞=-∞=-∞F F x F y F ，　，　，；（3）),(y x F 关于x 右连续，关于y 也右连续；（4）对任意点),(),,(2211y x y x ，若2121,y y x x <<，则0),(),(),(),(11211222≥+--y x F y x F y x F y x F .上式表示随机点),(Y X 落在区域],[2121y Y y x X x ≤<≤<内的概率为：},{2121y Y y x X x P ≤<≤<.2、二维离散型随机变量及其联合分布律如果二维随机变量),(Y X 所有可能取值是有限对或可列对，则称),(Y X 为二维离散型随机变量.设),(Y X 为二维离散型随机变量,它的所有可能取值为 ,2,1,),,(=j i y x j i 将),2,1,(},{ ====j i p y Y x X P ij j i 或表3.1称为),(Y X 的联合分布律.表3.1联合分布律具有下列性质：（1）0≥ij p ；（2）111=∑∑∞=∞=i j ijp.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),(y x p ,使得二维随机变量),(Y X 的分布函数),(y x F 对任意实数y x ,有 ⎰⎰∞-∞-=x ydy dx y x p y x F ),(),(，则称),(Y X 是二维连续型随机变量，称),(y x p 为),(Y X 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）对一切实数y x ,，有0),(≥y x p ；（2）1),(=⎰⎰+∞∞-+∞∞-dy dx y x p ；（3）在任意平面域D 上，),(Y X 取值的概率⎰⎰=∈Ddxdy y x p D Y X P ),(}),{(；（4）如果),(y x p 在),(y x 处连续，则),(),(2y x p yx y x F =∂∂∂. 4、二维随机变量的边缘分布设),(Y X 为二维随机变量，则称},{)(+∞<<-∞≤=Y x X P x F X ，},{)(y Y X P y F Y ≤+∞<<-∞=分别为),(Y X 关于X 和关于Y 的边缘分布函数.当),(Y X 为离散型随机变量，则称),2,1(),2,1(1.1. ====∑∑∞=∞=j p p i p p i ij j j ij i 分别为),(Y X 关于X 和关于Y的边缘分布律.当),(Y X 为连续型随机变量，则称⎰⎰+∞∞-+∞∞-==dx y x p y p dy y x p x p Y X ),()(,),()( 分别为),(Y X 关于X 和关于Y 的边缘密度函数.5、二维随机变量的条件分布（1）离散型随机变量的条件分布设),(Y X 为二维离散型随机变量，其联合分布律和边缘分布律分别为),2,1,(}{,}{,},{.. ========j i p y Y P p x X P p y Y x X P j j i i ij j i ，则当j 固定，且0}{.>==j j p y Y P 时，称,2,1,}{},{}|{.========i p p y Y P y Y x X P y Y x X P jij j j i j i 为j y Y =条件下随机变量X的条件分布律.同理，有 ,2,1,}|{.====j p p x X y Y P i ij i j（2）连续型随机变量的条件分布设),(Y X 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：)(),(),,(y p x p y x p Y X .则当0)(>y p Y 时，在),(y x p 和)(x p X 的连续点处，),(Y X 在条件y Y =下，X 的条件概率密度函数为：)(),()|(|y p y x p y x p Y Y X =.同理，有)(),()|(|x p y x p y x p X X Y =.6、随机变量的独立性设),(y x F 及)()(y F x F Y X 、分别是),(Y X 的联合分布函数及边缘分布函数.如果对任何实数y x ,有)()(),(y F x F y x F Y X ⋅=则称随机变量X 与Y 相互独立.设),(Y X 为二维离散型随机变量，X 与Y 相互独立的充要条件是),2,1,(.. ==j i p p p j i ij .设),(Y X 为二维连续型随机变量，X 与Y 相互独立的充要条件是对任何实数y x ,，有)()(),(y p x p y x p Y X =.7、两个随机变量函数的分布设二维随机变量),(Y X 的联合概率密度函数为),(y x p ，),(Y X Z ϕ=是Y X ,的函数，则Z 的分布函数为dxdy y x p z F zy x Z ⎰⎰≤=),(),()(ϕ.（1）Y X Z +=的分布若),(Y X 为离散型随机变量，联合分布律为ij p ，则Z 的概率函数为：∑-=ii k i k Z x z x p z P ),()(或∑-=jj k j k Z y z y p z P ),()(.若),(Y X 为连续型随机变量，概率密度函数为),(y x p ，则Z 的概率函数为：dy y y z p dx x z x p z p Z ⎰⎰+∞∞-+∞∞--=-=),(),()(.（2）YXZ =的分布若),(Y X 为连续型随机变量，概率密度函数为),(y x p ，则Z 的概率函数为：⎰+∞∞-=dy y yz p y z p Z ),()(.第四章随机变量的数字特征1、随机变量的数学期望设离散型随机变量X 的分布律为 ,2,1,}{===k p x X P k k ，如果级数∑∞=1k k kp x绝对收敛，则称级数的和为随机变量X 的数学期望.设连续型随机变量X 的密度函数为)(x p ，如果广义积分⎰+∞∞-dx x xp )(绝对收敛，则称此积分值⎰+∞∞-=dx x xp X E )()(为随机变量X 的数学期望.数学期望有如下性质：（1）设C 是常数，则C C E =)(；（2）设C 是常数，则)()(X CE CX E =；（3）若21X X 、是随机变量，则)()()(2121X E X E X X E +=+；对任意n 个随机变量n X X X ,,,21 ，有)()()()(2121n n X E X E X E X X X E +++=+++ ；（4）若21X X 、相互独立，则)()()(2121X E X E X X E =；对任意n 个相互独立的随机变量n X X X ,,,21 ，有)()()()(2121n n X E X E X E X X X E =.2、随机变量函数的数学期望设离散型随机变量X 的分布律为 ,2,1,}{===k p x X P k k ，则X 的函数)(X g Y =的数学期望为 2,1,)()]([1==∑∞=k p x g x g E k k k ，式中级数绝对收敛.设连续型随机变量X 的密度函数为)(x p ，则X 的函数)(X g Y =的数学期望为⎰+∞∞-=dx x p x g x g E )()()]([，式中积分绝对收敛.3、随机变量的方差设X 是一个随机变量，则})]({[)()(2X E X E X Var X D -==称为X 的方差.)()(X X D σ=称为X 的标准差或均方差.计算方差也常用公式22)]([)()(X E X E X D -=. 方差具有如下性质：（1）设C 是常数，则0)(=C D ；（2）设C 是常数，则)()(2X D C CX D =；（3）若21X X 、相互独立，则)()()(2121X D X D X X D +=+；对任意n 个相互独立的随机变量n X X X ,,,21 ，有)()()()(2121n n X D X D X D X X X D +++=+++ ；（4）0)(=X D 的充要条件是：存在常数C ，使))((1}{X E C C X P ===. 4、几种常见分布的数学期望与方差（1）)1()(,)().10(~p p X D p X E X -==-；（2）)1()(,)().,(~p np X D np X E p n B X -==；（3）)1())(()(,)().,,(~2---==N N n N M N nM X D N nM X E N M n H X ；（4）λλλπ==)(,)().(~X D X E X ；（5）2/)1()(,/1)().(~p p X D p X E p G X -==；（6）12/)()(,2/)()().,(~2a b X D b a X E b a U X -=+=；（7）2/1)(,/1)().(~λλλ==X D X E e X ；（8）22)(,)().,(~σμσμ==X D X E N X . 5、矩设X 是随机变量，则 ,2,1),(==k X E k k α称为X 的k 阶原点矩.如果)(X E 存在，则 ,2,1},)]({[=-=k X E X E k k μ称为X 的k 阶中心矩. 设),(Y X 是二维随机变量，则 ,2,1,),(==l k Y X E l k kl α称为),(Y X 的l k +阶混合原点矩； ,2,1,},)]([)]({[=-⋅-=l k Y E Y X E X E l k kl μ称为),(Y X 的l k +阶混合中心矩.5、二维随机变量的数字特征(1) ),(Y X 的数学期望)](),([),(Y E X E Y X E =；若),(Y X 是离散型随机变量，则∑∑∞=∞==11)(i j ijipx X E ，∑∑∞=∞==11)(i j ijipy Y E .若),(Y X 是连续型随机变量，则⎰⎰+∞∞-+∞∞-=dxdy y x xp X E ),()(，⎰⎰+∞∞-+∞∞-=dxdy y x yp Y E ),()(.这里，级数与积分都是绝对收敛的.（2）),(Y X 的方差)](),([),(Y D X D Y X D =若),(Y X 是离散型随机变量，则∑∑∞=∞=-=112)]([)(i j ij ip X E xX D ，∑∑∞=∞=-=112)]([)(i j ij i p Y E y Y D .若),(Y X 是连续型随机变量，则⎰⎰+∞∞-+∞∞--=dxdy y x p X E x X D ),()]([)(2，⎰⎰+∞∞-+∞∞--=dxdy y x p Y E y Y D ),()]([)(2.这里，级数与积分都是绝对收敛的.6、协方差与相关系数随机变量),(Y X 的协方差为)]}()][({[),cov(Y E Y X E X E Y X --=.它是1+1阶混合中心矩，有计算公式：)()()(),cov(Y E X E XY E Y X -=.随机变量),(Y X 的相关系数为DYDX Y X XY ),cov(=ρ.相关系数具有如下性质：（1）1≤XY ρ；（2）⇔=1XY ρ存在常数b a ,，使}{b aX Y P +==1，即X 与Y 以概率1线性相关；（3）若Y X ,独立，则0=XY ρ，即Y X ,不相关.反之，不一定成立.第五章大数定律和中心极限定理1、切贝雪夫不等式设随机变量X 的数学期望μ=)(X E ，方差2)(σ=X D ，则对任意正数ε，有不等式22}{εσεμ≤≥-X P 或221}{εσεμ-><-X P 成立.2、大数定律（1）切贝雪夫大数定理:设 ,,,,21n X X X 是相互独立的随机变量序列，数学期望)(i X E 和方差)(i X D 都存在，且C X D i <)(),2,1( =i ，则对任意给定的0>ε，有1}|)]([1{|lim 1=<-∑=∞→εni i i n X E X n P . （2）贝努利大数定理:设A n 是n 次重复独立试验中事件A 发生的次数，p 是事件A 在一次试验中发生的概率，则对于任意给定的0>ε，有1}|{|lim =<-∞→εp nn P An . 贝努利大数定理给出了当n 很大时，A 发生的频率A n A /依概率收敛于A 的概率，证明了频率的稳定性. 3、中心极限定律（1）独立同分布中心极限定理:设 ,,,,21n X X X 是独立同分布的随机变量序列，有有限的数学期望和方差，μ=)(i X E ，),2,1(0)(2 =≠=i X D i σ.则对任意实数x ，随机变量σμσμn n Xn XY ni ini in ∑∑==-=-=11)(的分布函数)(x F n 满足⎰∞--∞→∞→=≤=xtn n n n dt e x Y P x F 2/221}{lim )(lim π.（2）李雅普诺夫定理:设 ,,,,21n X X X 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：i i X E μ=)(,),2,1(0)(2=≠=i X D i i σ .记 ∑==ni inB 122σ,若存在正数δ，，使得当∞→n 时，有0}{1122→-∑=++ni ii nX E Bδδμ, 则随机变量nni ini ini i ni i ni in B X X D X E XZ ∑∑∑∑∑=====-=-=11111)()(μ的分布函数)(x F n 对于任意的x ，满足⎰∑∑∞--==∞→∞→=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-=x t n ni i n i i n n n dt e x B X x F 2/11221lim )(lim πμ.当n 很大时,),(~),1,0(~12.1.∑∑==ni n i ni in B N XN Z μ.（3）德莫佛—拉普拉斯定理:设随机变量),2,1( =n n η服从参数为)10(,<<p p n 的二项分布，则对于任意的x ，恒有⎰∞--∞→=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤--x t n n dt e x p np np P 2/221)1(lim πη.第六章数理统计的基本概念1、总体与样本在数理统计中，将研究对象的全体称为总体；组成总体的每个元素称为个体.从总体中抽取的一部分个体，称为总体的一个样本；样本中个体的个数称为样本的容量. 从分布函数为)(x F 的随机变量X 中随机地抽取的相互独立的n 个随机变量，具有与总体相同的分布，则n X X X ,,,21 称为从总体X 得到的容量为n 的随机样本.一次具体的抽取记录n x x x ,,,21 是随机变量n X X X ,,,21 的一个观察值，也用来表示这些随机变量. 2、统计量设n X X X ,,,21 是总体X 的一个样本，则不含未知参数的样本的连续函数),,,(21n X X X f 称为统计量.统计量也是一个随机变量，常见的统计量有（1）样本均值 ∑==ni i X n X 11；（2）样本方差 ][11)(11122122∑∑==--=--=ni in i i X n X n X X n S ；（3）样本标准差 2S S =；（4）样本k 阶原点矩 ,2,1,11==∑=k X n A n i ki k ；（5）样本k 阶中心矩 ,2,1,)(11=-=∑=k X X n B k ni i k .2、经验分布函数设n x x x ,,,21 是总体X 的一组观察值将它们按大小顺序排列为：**2*1n x x x ≤≤≤ ，称它为顺序统计量.则称⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥<≤<≤<=+**1**2*1*1,1,,1,0)(nk k n x x x x x nkx x x n x x x F 为经验分布函数（或样本分布函数）. 3、一些常用统计量的分布（1）2χ分布设)1,0(~N X ，n X X X ,,,21 是X 的一个样本，则统计量∑==ni i X 122χ服从自由度为n 的2χ分布，记作)(~22n χχ.（2）t 分布设)1,0(~N X ，)(~2n Y χ，且Y X ,相互独立，则随机变量nY X t /=服从自由度为n 的t 分布，记作)(~n t t .t 分布又称为学生分布.（3）F 分布设)(~12n X χ，)(~22n Y χ，且Y X ,相互独立，则随机变量21//n Y n X F =服从自由度为),(21n n 的F 分布，记作),(~21n n F F . 4、正态总体统计量的分布设),(~2σμN X ，n X X X ,,,21 是X 的一个样本，则（1）样本均值X 服从正态分布，有),(~2nN X σμ或)1,0(~/2N nX U σμ-=；（2）样本方差)1(~)1(222--n S n χσ；（3）统计量)1(~/--n t nS X μ.设),(~),,(~222211σμσμN Y N X ，1,,,21n X X X 是X 的一个样本，2,,,21n Y Y Y 是Y 的一个样本，两者相互独立.则（1）统计量)1,0(~//)()(22212121N n n Y X σσμμ+---；（2）当21σσ=时，统计量)2(~/2/1)()(212121-+⋅+---n n t S n n Y X wμμ，其中2)1()1(21222211-+-+-=n n S n S n S w ；（3）统计量 )1,1(~//2122222121--n n F S S σσ；（4）统计量),(~/)(/)(2112221222112121n n F n n yx n j jn i i⋅--∑∑==σμσμ.第七章参数估计1、参数的点估计及其求法根据总体X 的一个样本来估计参数的真值称为参数的点估计. （1）估计量根据总体X 的一个样本n X X X ,,,21 构造的用其观察值来估计参数θ真值的统计量),,,(ˆ21n X X X θ称为估计量，),,,(ˆ21nx x x θ称为估计值. (2)矩估计法用样本矩作为相应的总体矩估计来求出估计量的方法.其思想是：如果总体中有k 个未知参数，可以用前k 阶样本矩估计相应的前k 阶总体矩，然后利用未知参数与总体矩的函数关系，求出参数的估计量.（3）极大似然估计法设总体X 的密度函数为),(θx p ，其中θ为未知参数， n X X X ,,,21 是取自总体X 的样本，n x x x ,,,21 为一组样本观测值，则总体X 的联合密度函数称为似然函数，记作∏==n i i x p L 1),(θ，取对数 ∑==ni i x p L 1),(ln ln θ，由0ln =θd Ld ，求得似然函数L 的极大值θˆ，即为未知参数θ的极大似然估计.其思想是：在已知总体X 概率分布时，对总体进行n 次观测，得到一个样本，选取概率最大的θ值θˆ作为未知参数θ的真值的估计是最合理的. （4）估计量的优劣标准1）无偏性.设)ˆ(),,,,(ˆˆ21θθθE X X X n=存在，且θθ=)ˆ(E ，则称值θˆ是θ的无偏估计量.否则称为有偏估计量.2）有效性.设1ˆθ和2ˆθ均为参数θ的无偏估计量，如果)ˆ()ˆ(21θθD D <，则称估计量1ˆθ比2ˆθ有效. 3）一致性（相合性）.设θˆ为θ的估计量，θˆ与样本容量n 有关，记为nθθˆˆ=，对于任意给定的0>ε，都有 1}ˆ{lim =<-∞→εθθnn P ，则称θˆ为参数θ的一致估计量.2、参数的区间估计设总体X 的分布);(θx F 中含有未知参数θ，若存在样本的两个函数),,,(21n X X X θ和),,,(21n X X X θ，使对于给定的)10(<<αα，有αθθθ-=<<1}{P ，则随机区间（θθ,）称为参数θ的置信度为α-1的双侧置信区间.若有αθθ-=<1}{P 或αθθ-=<1}{P ，则定义),(∞θ或),(θ-∞为θ的置信度为α-1的单侧置信区间.（1）单个正态总体均值与方差的置信区间（见表7-1）表7-1（2）两个正态总体均值差与方差比的置信区间（见表7-2）表7-2第八章假设检验1、假设检验的基本概念（1）假设检验对总体的分布提出某种假设，然后利用样本所提供的信息，根据概率论的原理对假设作出“接受”还是“拒绝”的判断，这一类统计推断问题统称为假设检验. 假设检验所依据的原则是：小概率事件在一次试验中是不该发生的. （2）两类错误在根据样本作推断时，由于样本的随机性，难免会作出错误的决定.当原假设0H 为真时，而作出拒绝0H 的判断，称为犯第一类错误；当原假设0H 不真时，而作出接受0H 的判断，称为犯第二类错误.控制犯第一类错误的概率不大于一个较小的数)10(<<αα称为检验的显著性水平. （3）假设检验的基本步骤 1）建立原假设0H ；2）根据检验对象，构造合适的统计量；3）求出在假设0H 成立的条件下，该统计量服从的概率分布； 4）选择显著性水平α，确定临界值；5）根据样本值计算统计量的观察值，由此作出接受或拒绝0H 的结论. 2、单个正态总体的假设检验设总体),(~2σμN X .关于均值μ的检验（见表8-1）表8-1（2）关于方差2σ的检验（见表8-2）表8-13、两个正态总体的假设检验设总体),(~211σμN X ，样本容量为1n ；),(~222σμN Y ，样本容量为2n . （1）两个正态总体均值的检验（见表8-3）表8-3（2）两个正态总体方差的检验（见表8-4）。

概率知识点总结职高

概率知识点总结职高一、基本概率概念1. 随机事件及其概率在概率论中，随机事件是指在一定条件下可能发生也可能不发生的现象。

而该事件发生的可能性大小即为概率。

概率通常用P(A)表示，表示事件A发生的概率。

概率的取值范围是0到1之间，即0≤P(A)≤1。

2. 样本空间和事件在概率论中，样本空间是指一个随机试验中所有可能结果的集合，通常用S表示。

而事件则是样本空间的子集，表示样本空间中满足某一特定条件的结果。

3. 事件的互斥和对立事件互斥事件指的是两个事件不可能同时发生的情况，即事件A和事件B互斥，发生A就不可能发生B，反之亦成立。

而对立事件是指两个事件互为补事件，即事件A发生的概率加上事件A不发生的概率等于1。

二、概率的计算方法1. 古典概率古典概率是指在一项随机试验中，所有可能事件出现的概率是相等的，即P(A) = n(A) /n(S)，其中n(A)表示事件A出现的结果数，n(S)表示样本空间的结果数。

2. 几何概率几何概率是指根据几何图形的特性来计算概率的方法。

比如将事件A发生的区域面积除以样本空间的面积。

3. 条件概率条件概率是指在已知事件B发生的情况下，事件A发生的概率。

表示为P(A|B)，计算方法为P(A|B) = P(AB) / P(B)，其中P(AB)表示事件A和事件B同时发生的概率，P(B)代表事件B发生的概率。

4. 乘法定理乘法定理是指在一个随机试验中，多个事件同时发生的概率等于各个事件发生概率的乘积。

比如P(AB) = P(A) * P(B|A)。

5. 加法定理加法定理是指在一个随机试验中，事件A和事件B至少有一个发生的概率等于事件A发生的概率加上事件B发生的概率减去两者同时发生的概率。

表示为P(A∪B) = P(A) + P(B) - P(AB)。

三、概率分布1. 随机变量随机变量是指对随机现象进行量化的一种方式，可以是离散型的也可以是连续型的。

2. 概率质量函数和概率密度函数对于离散型随机变量，其概率分布函数称为概率质量函数（PMF），而对于连续型随机变量，其概率分布函数称为概率密度函数（PDF）。

大一概率论知识点总结

大一概率论知识点总结大一概率论是大学数学中的一门基础课程，主要介绍了概率论的基本概念和数学方法。

以下是大一概率论的一些重要知识点总结：1. 概率的基本概念：概率是描述随机现象发生可能性的数值，常用的概率表示方法有古典概率、频率概率和主观概率。

2. 随机变量与概率分布：随机变量是描述随机现象结果的变量，可以是离散型随机变量或连续型随机变量。

概率分布描述了随机变量取各个值的概率情况，常见的概率分布有离散型分布（如二项分布、泊松分布）和连续型分布（如正态分布、指数分布）。

3. 期望与方差：期望是随机变量取值的加权平均值，反映了随机变量的中心位置。

方差是随机变量与其期望之间的差异度量，衡量了随机变量的离散程度。

期望和方差是描述随机变量特征的重要指标。

4. 大数定律与中心极限定理：大数定律指出，随着样本量的增加，样本平均值趋向于总体平均值，也就是样本均值的稳定性。

中心极限定理指出，当样本量足够大时，样本平均值的分布近似于正态分布，使得利用正态分布进行概率推断成为可能。

5. 随机过程：随机过程是描述随机现象随时间演化的数学模型，包括离散时间随机过程和连续时间随机过程。

常见的随机过程有马尔可夫链、泊松过程和布朗运动等。

6. 统计推断：统计推断是根据样本数据对总体参数进行估计和假设检验的方法。

估计方法有点估计和区间估计，假设检验用于判断总体参数是否符合某个假设。

7. 相关与回归分析：相关分析用于研究变量之间的关联程度，回归分析则用于建立变量之间的数学模型。

这两个方法在实际数据分析中经常被应用。

以上是大一概率论的一些重要知识点总结，这门课程对于理解随机现象和进行数据分析具有重要意义，也为后续的高级概率论和数理统计等课程打下了基础。

概率论第十四章概率论初步重要知识点

概率论第⼗四章概率论初步重要知识点第⼗四章概率论初步第⼀节事件与概率⼀、随机事件和样本空间在研究⾃然界和⼈类社会时，⼈们可观察到各种现象，按它是否带有随机性将它们划分为两类。

⼀类是在⼀定条件下必然会发⽣的现象，称这类现象为确定性现象。

例如苹果从树上掉下来总会落到地上，三⾓形的内⾓和⼀定为180o。

另⼀类现象是在⼀定条件可能出现也可能不出现的现象，称这类现象为随机现象。

例如掷⼀枚质地均匀的硬币时，它可能出现正⾯向上，也可能出现反⾯向上等。

对于随机现象的⼀次观察，可以看作是⼀次试验，如果某种试验满⾜以下条件：（1）试验可在相同条件下重复地进⾏；（2）每次试验的结果可能不⽌⼀个，并且能事先确定试验的所有可能的结果; （3）每次试验的结果事先不可预测，称这种试验为随机试验。

随机试验的每⼀个可能的结果，称为基本事件，它们的全体，称作样本空间，通常⽤字母Ω表⽰。

样本空间的元素即基本事件，有时也称作样本点，常⽤ω表⽰。

例1、⼀次掷两颗骰⼦,观察每颗的点数解：Ω=}654321,|),{(、、、、、j i j i =其中()j i ,表⽰第⼀颗掷出i 点,第⼆颗掷出j 点,显然, Ω共有36个样本点。

例2、⼀个盒⼦中有⼗个完全相同的球,分别标以号码1021、、、Λ从中任取⼀球, 解：令 {}i i 取出球的号码为=则}1021{、、、Λ=Ω称样本空间Ω的某⼀⼦集为⼀个随机事件，简称事件，通常⽤⼤写英⽂字母A 、B 、C ……表⽰。

如在例2中， A={}取出球的标号为奇数因为Ω是所有基本事件所组成，因⽽在任⼀次试验中，必然要出现Ω中的某⼀些基本事件ω，即Ω∈ω，也即在试验中，Ω必然会发⽣，⼜⽤Ω来代表⼀个必然事件。

相应地，空集φ可以看作是Ω的⼦集，在任意⼀次试验中，不可能有φω∈，即φ永远不可能发⽣，所以φ是不可能事件。

我们可⽤集合论的观点研究事件，事件之间的关系与运算如下：（1）包含如果在⼀次试验中，事件A 发⽣必然导致事件B 发⽣，则称事件B 包含事件A ,记为B A ?由例2，{}5球的标号为=B ，则A B ?（2）等价如果B A ?同时A B ?，则称事件A 与事件B 等价,记为A=B 。

概率论知识点

。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(AB)
当P(AB)＝0时，P(A+B)=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=Ω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。
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)。
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Ø与任何事件都相互独立。
Ø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)
Z=X+Y
根据定义计算：
对于连续型，fZ(z)＝
两个独立的正态分布的和仍为正态分布（）。
n个相互独立的正态分布的线性组合，仍服从正态分布。
，
Z=max,min(X1,X2,…Xn)
若相互独立，其分布函数分别为，则Z=max,min(X1,X2,…Xn)的分布函数为：

高中概率知识点总结

高中概率知识点总结一、基本概念1.试验和事件试验是指符合以下条件的事件：a. 可以在相同条件下重复进行；b. 试验的结果有多种可能性；c. 试验的结果只能是确定的一个结果。

事件是试验的结果，是试验中我们关心的可能性。

2.样本空间样本空间是指试验的所有可能结果所组成的集合，通常用S表示。

例如，掷一枚硬币的样本空间为S={正面，反面}。

3.事件的概率事件的概率是指事件发生的可能性大小，通常用P(A)表示事件A的概率。

概率的取值范围在0到1之间，且P(S)=1。

二、概率的计算1.古典概率古典概率也称为理论概率，是指根据试验的基本原理，计算事件的概率。

计算公式为P(A)=n(A)/n(S)，其中n(A)表示事件A发生的次数，n(S)表示样本空间S的元素个数。

2.几何概率几何概率是利用图形的面积、长度等几何意义来计算事件的概率。

例如，掷硬币时正面朝上的概率可以利用几何概率来计算。

3.频率概率频率概率是利用试验次数与事件发生次数的比值来计算事件的概率。

计算公式为P(A)=n(A)/n，其中n为试验次数，n(A)为事件A发生的次数。

4.条件概率条件概率是指在事件B已经发生的条件下，事件A发生的概率。

计算公式为P(A|B)=P(AB)/P(B)，其中P(AB)表示事件A和B同时发生的概率，P(B)表示事件B发生的概率。

5.独立事件独立事件是指事件A的发生不会对事件B的发生产生影响，事件A和B同时发生的概率等于事件A和事件B分别发生的概率的乘积。

计算公式为P(AB)=P(A)P(B)。

三、概率的性质1.互斥事件和对立事件互斥事件是指事件A和事件B不可能同时发生，即P(AB)=0；对立事件是指事件A和事件B中有一个必然发生，即P(A)+P(B)=1。

2.概率的加法规则概率的加法规则是指事件A和事件B的概率之和等于事件A和事件B的并集概率。

计算公式为P(A∪B)=P(A)+P(B)-P(AB)。

3.条件概率的乘法规则条件概率的乘法规则是指事件A和事件B的乘积等于事件B的概率乘以事件A在事件B 发生的条件下的概率。

概率论知识点

概率论主要知识点 ch 11．事件之间的关系与运算，互不相容事件、对立事件； 2．概率的公理化定义和概率的性质；（公式的应用：)AB (P )B (P )A (P )B A (P -+=⋃)C (P )B (P )A (P )C B A (P ++=⋃⋃)ABC (P )BC (P )AC (P )AB (P +---）3．古典概型的定义和概率的计算；基本事件总数中包含的基本事件个数A nr )A (P ==4．条件概率和三大公式应用；（1）乘法公式)|()()(B A P B P AB P =；)|()|()()(111211-=n n n A A A P A A P A P A A P（2）全概率公式 ∑==n1i i i)B |A (P )B(P )A (P （核心是全概率公式）（3）贝叶斯公式∑===n1i i ij j j j )B |A (P )B(P )B |A (P )B (P )A (P )AB (P )A |B (P5．独立性和贝努利试验和二项概率。

kn k k nn )p 1(p C )k (P --= Ch21．离散型随机变量及其分布律、分布函数； 2．几种重要的离散型随机变量：（1）二项分布：)p 1q (n ,2,1,0k qp C )k X (P kn kkn -====-（2）泊松分布：)0(,2,1,0k e !k )k X (P k>===-λλλ（3）超几何分布：n ,2,1,0k CC C )k X (P n Nkn MN kM ==--（4）几何分布： ,2,1k p q )k X (P 1k ===-3．随机变量的分布函数：)x X (P )x (F ≤=及其性质： 4．连续型随机变量的密度函数及其性质：⎰+∞∞-=≥1dx )x (f )2(;0)x (f )1('()()..;()()x F x f x a e F x f x dx -∞==⎰（主要是变上限的分段函数的积分）5．几种重要的连续型随机变量的密度函数：⎪⎩⎪⎨⎧<<-=其它：均匀分布0b x a a b 1)x (f )1( 记为]b ,a [U ~X⎩⎨⎧≤>=-0x 0x e )x (f )2(x λλ指数分布：记为)(~λπX222)x (e21)x ()3(σμσπϕ--=正态分布：记为),(~2σμN X6．关于标准正态分布的结论： ⎰+∞∞-=1dx )x ()1(ϕ21)0()2(=Φ)0x ()x (1)x ()3(>-=-ΦΦ)x ()x X (P )x X (P ),(N ~X )4(2σμΦσμσμσμ-=-≤-=≤7．一维随机变量的函数的分布（1）公式法：X~)x (f X ，设)x (g 处处可导且0)x ('g >或0)x ('g <，则)X (g Y =的分布密度为⎩⎨⎧<<=其它y |)y ('h |)]y (h [f )y (f X Y βα特别地，2X Y =的分布密度为：⎪⎩⎪⎨⎧≤>-+==0y 0y )]y (f )y (f [y21)y ('F )y (f X X Y Y （2）分布函数法：)y )X (g (P )y (F ≤=ch31．二维离散型随机变量及其分布律、分布函数； 2．二维均匀分布 3．二维正态分布 ]}V UV 2U [)1(21exp{121)y ,x (f 222221+----=ρρρσπσ(+∞<<∞-+∞<<∞-y ,x ) 其中11x U σμ-=,22y V σμ-=,则称(X,Y)服从二维正态分布.记为 )Y ,X (~);,,(N 22;11ρσμσμ 4．边缘分布关于X 的边缘分布：⋅∞====∑i 1j iji P P}x X {P ；关于Y 的边缘分布为 ∑∞=∙===1}{i j ij j P P y Y P5．对于连续型随机变量： ⎰+∞∞-=dy )y ,x (f )x (f X 为(X,Y)关于X 的边缘密度函数。

概率论期末复习知识点

知识点第一章随机事件与概率本章重点：随机事件的概率计算． 1．**事件的关系及运算 (1) A B ⊂(或B A ⊃)．(2) 和事件： A B ⋃； 12n A A A ⋃⋃⋃（简记为1nii A =）．(3) 积事件： AB ， 12n A A A ⋂⋂⋂（简记为12n A A A 或1nii A =)．(4) 互不相容：若事件A 和B 不能同时发生，即AB φ= (5) 对立事件： A ．(6) 差事件：若事件A 发生且事件B 不发生，记作A B -(或AB ) ．(7) 德摩根（De Morgan ）法则：对任意事件A 和B 有A B A B ⋃=⋂, A B A B ⋂=⋂.2． **古典概率的定义古典概型：()A n A P A n ==Ω中所含样本点的个数中所含样本点的个数．几何概率()A P A =的长度（或面积、体积）样本空间的的长度（或面积、体积）·3．**概率的性质 (1) ()0P φ=．(2) (有限可加性) 设n 个事件1,2,,n A A A 两两互不相容，则有121()()nn i i P A A A P A =⋃⋃⋃=∑．(3)()1()P A P A =-．(4) 若事件A ，B 满足A B ⊂，则有()()()P B A P B P A -=-,()()P A P B ≤．(5) ()1P A ≤．(6) (加法公式) 对于任意两个事件A ，B ，有()()()()P A B P A P B P AB ⋃=+-.对于任意n 个事件1,2,,n A A A ，有111111()()()()(1)()nnn i i i j i j k ni i j ni j k ni P A P A P A A P A A A P AA -=≤<≤≤<<≤==-+-+-∑∑∑.4．**条件概率与乘法公式()(|)()P AB P A B P B =.乘法公式：()()(|)()(|)P AB P A P B A P B P A B ==.5．*随机事件的相互独立性事件A 与B 相互独立的充分必要条件一：()()()P AB P A P B =，事件A 与B 相互独立的充分必要条件二：(|)()P A B P A =．对于任意n 个事件1,2,,n A A A 相互独立性定义如下：对任意一个2,,k n =，任意的11k i i n ≤<<≤，若事件1,2,,n A A A 总满足 11()()()k k i i i i P A A P A P A =，则称事件1,2,,n A A A 相互独立．这里实际上包含了21n n --个等式．6．*贝努里概型与二项概率设在每次试验中，随机事件Ａ发生的概率()(01)P A p p =<<，则在n 次重复独立试验中．，事件Ａ恰发生k 次的概率为()(1),0,1,,k n k n n P k p p k nk -⎛⎫=-= ⎪⎝⎭，7．**全概率公式与贝叶斯公式贝叶斯公式：如果事件1,2,,n A A A 两两互不相容，且1ni i A ==Ω，()0i P A >，1,2,,i n =，则1()(|)(|),1,2,,()(|)k k k niii P A P B A P A B k nP A P B A ===∑．第二章一维随机变量及其分布本章重点：离散型和连续性随机变量的分布及其概率计算．概率论主要研究随机变量的统计规律，也称这个统计规律为随机变量的分布． 1．**离散型随机变量及其分布律(),1,2,,,.i i p P X a i n ===分布律也可用下列表格形式表示：2．*概率函数的性质 (1) 0i p ≥， 1,2,,,;i n =(2)11ii p∞==∑．3．*常用离散型随机变量的分布(1) 0—1分布(1,)B p ，它的概率函数为1()(1)i i P X i p p -==-，其中，0i =或1，01p <<．(2) 二项分布(,)B n p ，它的概率函数为()(1)i n in P X i p p i -⎛⎫==- ⎪⎝⎭，其中，0,1,2,,i n =，01p <<．(４)** 泊松分布()P λ，它的概率函数为()!iP X i e i λλ-==，其中，0,1,2,,,i n =，0λ>．．4．*二维离散型随机变量及联合概率二维离散型随机变量(,)X Y 的分布可用下列联合概率函数来表示：(,),,1,2,,i j ij P X a Y b p i j ====其中，0,,1,2,,1ij ijijp i j p≥==∑∑．5．*二维离散型随机变量的边缘概率设(,)X Y 为二维离散型随机变量，ij p 为其联合概率（,1,2,i j =），称概率()(1,2,)i P X a i ==为随机变量X 的边缘分布律，记为i p 并有.(),1,2,i i ij jp P X a p i ====∑，称概率()(1,2,)j P Y b j ==为随机变量Y 的边缘分布率，记为.j p ，并有.j p =(),1,2,j ij iP Y b p j ===∑.6．随机变量的相互独立性．设(,)X Y 为二维离散型随机变量，X 与Y 相互独立的充分必要条件为,,1,2,.ij i j p p p i j ==对一切多维随机变量的相互独立性可类似定义．即多维离散型随机变量的独立性有与二维相应的结论．7．*随机变量函数的分布设X 是一个随机变量，()g x 是一个已知函数，()Y g X =是随机变量X 的函数，它也是一个随机变量．对离散型随机变量X ，下面来求这个新的随机变量Y 的分布．设离散型随机变量X 的概率函数为则随机变量函数Y g =的概率函数可由下表求得但要注意，若()i g a 的值中有相等的，则应把那些相等的值分别合并，同时把对应的概率i p 相加．第三章连续型随机变量及其分布本章重点：一维及二维随机变量的分布及其概率计算,边缘分布和独立性计算． 1．*分布函数随机变量的分布可以用其分布函数来表示，．2．分布函数()F x 的性质 (1) 0()1;F x ≤≤(2) ()0,()1lim lim x x F x F x →-∞→+∞==;由已知随机变量X 的分布函数()F x ，可算得X 落在任意区间(,]a b 内的概率．3．联合分布函数二维随机变量(,)X Y 的联合分布函数． 4．联合分布函数的性质 (1) 0(,)1F x y ≤≤；(2)(,)0,(,)0lim lim x y F x y F x y →-∞→-∞==，(,)0,(,)1lim lim x x y y F x y F x y →-∞→+∞→-∞→+∞==；(3) 121222211211(,)(,)(,)(,)(,)P x X x y Y y F x y F x y F x y F x y <≤<≤=--+． 5．**连续型随机变量及其概率密度设随机变量X 的分布函数为()F x ，如果存在一个非负函数()f x ，使得对于任一实数x ，有()()F x P X x =<()()()P a X b F b F a ≤<=-(,)(,)F x y P X x Y x =<<()()xF x f x dx-∞=⎰成立，则称X 为连续型随机变量，函数()f x 称为连续型随机变量X 的概率密度． 6．**概率密度()f x 及连续型随机变量的性质（１）()0;f x ≥ （２）()1f x dx +∞-∞=⎰；（３）()()F x f x '=；（4）设X 为连续型随机变量，则对任意一个实数c ，()0P X c ==； (5) 设()f x 是连续型随机变量X 的概率密度，则有()()()()P a X b P a X b P a X b P a X b <<=≤<=≤≤=<≤＝()baf x dx⎰．7．**常用的连续型随机变量的分布 (1) 均匀分布(,)R a b ，它的概率密度为1,;()0,a xb f x b a⎧<<⎪=-⎨⎪⎩其余. 其中，)a b -∞<<<+∞．(2) 指数分布()E λ，它的概率密度为,0;()0,x e x f x λλ-⎧>=⎨⎩其余. 其中，0λ>．(3) 正态分布2(,)N μσ，它的概率密度为22()2(),x f x x μσ--=-∞<<+∞，其中，,0μσ-∞<<+∞>，当0,1μσ==时，称(0,1)N 为标准正态分布，它的概率密度为22(),x f x x -=-∞<<+∞，标准正态分布的分布函数记作()x Φ，即22()t xx dt -Φ=⎰，当出0x ≥时，()x Φ可查表得到；当0x <时，()x Φ可由下面性质得到()1()x x Φ-=-Φ．设2~(,)X N μσ，则有()()x F x μσ-=Φ；()()()b a P a X b μμσσ--<≤=Φ-Φ．８．**二维连续型随机变量及联合概率密度对于二维随机变量(X ，Y)的分布函数(,)F x y ，如果存在一个二元非负函数(,)f x y ，使得对于任意一对实数(,)x y 有(,)(,)xyF x y f s t dtds-∞-∞=⎰⎰成立，则(,)X Y 为二维连续型随机变量，(,)f x y 为二维连续型随机变量的联合概率密度．９．**二维连续型随机变量及联合概率密度的性质 (1) (,)0,,f x y x y ≥-∞<<+∞； (2)(,)1f x y dxdy +∞+∞-∞-∞=⎰⎰；’(3) 在(,)f x y 的连续点处有2(,)(,)F x y f x y x y ∂=∂∂;(4) 设(,)X Y 为二维连续型随机变量，则对平面上任一区域D 有((,))(,)DP X Y D f x y dxdy∈=⎰⎰．1０，**二维连续型随机变量(,)X Y 的边缘概率密度设(,)f x y 为二维连续型随机变量的联合概率密度，则X 的边缘概率密度为()(,)X f x f x y dy+∞-∞=⎰；Y 的边缘概率密度为()(,)Y f y f x y dx+∞-∞=⎰．11．常用的二维连续型随机变量 (1) 均匀分布如果(,)X Y 在二维平面上某个区域G 上服从均匀分布，则它的联合概率密度为1,(,)x y f x y G ⎧∈⎪=⎨⎪⎩，（)G;的面积0,其余. (2) 二维正态分布221212(,,,,)N μμσσρ 如果(,)X Y 的联合概率密度2211212221121()()()()1(,)22(1)x x y x f x y μμμμρρσσσσ⎧⎫⎡⎤----⎪⎪=--+⎨⎬⎢⎥-⎪⎪⎣⎦⎩⎭则称(,)X Y 服从二维正态分布，并记为221212(,)~(,,,,)X Y N μμσσρ.如果221212(,)~(,,,,)X Y N μμσσρ，则211~(,)X N μσ，222~(,)Y N μσ，即二维正态分布的边缘分布还是正态分布． 12．**随机变量的相互独立性．(,)()(),,X Y F x y F x F y x y =-∞<<+∞对一切，那么，称随机变量X 与Y 相互独立．设(,)X Y 为二维连续型随机变量，则X 与Y 相互独立的充分必要条件为(,)()(),X Y f x y f x f y =在一切连续点上.如果221212(,)~(,,,,)X Y N μμσσρ．那么，X 与Y 相互独立的充分必要条件是0ρ=．第四章随机变量的数字特征本章重点：随机变量的期望。

考研数学备考：概率论各章节知识点梳理

考研数学备考：概率论各章节知识点梳理考研数学备考：概率论各章节知识点梳理第一局部：随机事件和概率(1)样本空间与随机事件(2)概率的定义与性质(含古典概型、几何概型、加法公式)(3)条件概率与概率的乘法公式(4)事件之间的关系与运算(含事件的独立性)(5)全概公式与贝叶斯公式(6)伯努利概型其中：条件概率和独立为本章的重点，这也是后续章节的难点之一，请各位研友务必重视起来。

第二局部：随机变量及其概率分布(1)随机变量的概念及分类(2)离散型随机变量概率分布及其性质(3)连续型随机变量概率密度及其性质(4)随机变量分布函数及其性质(5)常见分布(6)随机变量函数的分布其中：要理解分布函数的定义，还有就是常见分布的分布律抑或密度函数必须记好且纯熟。

第三局部：二维随机变量及其概率分布(1)多维随机变量的概念及分类(2)二维离散型随机变量结合概率分布及其性质(3)二维连续型随机变量结合概率密度及其性质(4)二维随机变量结合分布函数及其性质(5)二维随机变量的边缘分布和条件分布(6)随机变量的独立性(7)两个随机变量的简单函数的分布其中：本章是概率的重中之重，每年的解答题定会有一道与此知识点有关，每个知识点都是重点，务必重视!第四局部：随机变量的数字特征(1)随机变量的数字期望的概念与性质(2)随机变量的方差的概念与性质(3)常见分布的数字期望与方差(4)随机变量矩、协方差和相关系数其中：本章只要清楚概念和运算性质，其实就会显得很简单，关键在于计算。

第五局部：大数定律和中心极限定理(1)切比雪夫不等式(2)大数定律(3)中心极限定理其中：其实本章考试的可能性不大，最多以选择填空的形式，但那也是十年前的事情了。

第六局部：数理统计的根本概念(1)总体与样本(2)样本函数与统计量(3)样本分布函数和样本矩其中：本章还是以概念为主，清楚概念后灵敏运用解决此类问题不在话下第七局部：参数估计(1)点估计(2)估计量的优良性(3)区间估计。