概率论与数理统计复习题讲义
概率论与数理统计考研复习资料
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 为不可能事件 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()()()()+∑+∑-∑=≤<<≤≤<≤=nk j i k j i nj i j i ni 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)=()()()()()()∑==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()()()()kkii 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 kk 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}=()kn 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)(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 (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 ex 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 ex 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∞--xt 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(zα)=1-α , z 1- α= -z α.四.随机变量X 的函数Y= g (X)的分布 1.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 ky 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 jij p 1 .3. (X,Y)的(X 和Y 的联合)分布函数F(x,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F(x,y)=⎰⎰∞-∞-yxdudv 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),(=⎰⎰∞∞-∞∞-d x d y 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 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,}{},{jj i j j i p p y Y P y Y x X P ∙=====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 2D(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)2.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) 2/12 5.X 服从参数为θ的指数分布 θ θ2 6.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 XX 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)(1( k=1,2,…),}{},{∙=====i j i i j i p p x X P y Y x X P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=nY 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, 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 (μ1,σ12 ) 且σ12=σ22=σ2 X 1 ,X 2 ,…,X n1 X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2Y S22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⎪⎩⎪⎨⎧===),,,(),,,(),,,(2121222111k k 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 ,…,Xn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∧∧∧kθθθ,,,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 =∂∂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)=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.文 - 汉语汉字 编辑词条文，wen ，从玄从爻。
(完整版)概率论与数理统计复习提纲
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PPT课件
P(B | A) P(B| A) 1
第11页/共50页
2) 若事件A和B相互独立，则 (1) 事件A与事件B也相互独立 (2)事件 A与事件B也相互独立； (3) 事件A与事件B也相互独立.
n
3)若A1, A2 , An相互独立,则P A1, A2 An P Ai i 1
第1页/共50页
2.概率的几何定义
设样本空间是一个有限区域。若样本点落在
内的任何区域G中的事件A的概率与区域G的测度
（或长度、或面积、或体积等）成正比，
则区域内任意一点落在区域G的概率为区域G的
测度与区域的测度的比值，即
P(
A)
G的测度 的测度
.
第2页/共50页
3.概率的公理化定义
设E是一个随机试验，为它的样本空间,
x
4 F (x)为右连续函数,即对任意的实数x, 有F (x 0) F (x).
反之, 具有以上四个性质的函数, 一定是某个随机变量的分布函数.
二、离散型随机变量
第24页/共50页
定义 设X是一个离散型随机变量，它可
能取值为 x1, x2 ,, x并k ,且取, 各个值的对应概
率为
p1, p即2 ,, pk ,,
(A)P(A | B) P(A | B) (B)P(A | B) P(A | B)
(C)P(AB) P(A)P(B)
3．计算与证明题
(D)P(AB) P(A)P(B)
(1)设A, B是任意两个随机事件,其中A的概率
不等于0和1,证明: P(B | A) P(B | A)是随机 事件A与B独立的充要条件.
概率论与数理统计讲义稿
第一章随机事件与概率§1.1 随机事件1.1.1 随机试验与样本空间概率论约定为研究随机现象所作的随机试验应具备以下三个特征：（1）在相同条件下试验是可重复的；（2）试验的全部可能结果不只一个，且都是事先可以知道的；（3）每一次试验都会出现上述可能结果中的某一个结果，至于是哪一个结果则事前无法预知。
为简单计，今后凡是随机试验皆简称试验，并记之以英文字母E。
称试验的每个可能结果为样本点，并称全体样本点的集合为试验的样本空间，分别用希腊字母ω和Ω表示样本点及样本空间。
必须指出的是这个样本空间并不完全由试验所决定，它部分地取决于实验的目的。
假设抛掷一枚硬币两次，出于某些目的，也许只需要考虑三种可能的结果就足够了，两次都是正面，两次都是反面，一次是正面一次是反面。
于是这三个结果就构成了样本空间Ω。
但是，如果要知道硬币出现正反面的精确次序，那么样本空间Ω就必须由四个可能的结果组成，正面-正面、反面-反面、正面-反面、反面-正面。
如果还考虑硬币降落的精确位置，它们在空中旋转的次数等事项，则可以获得其它可能的样本空间。
经常使用比绝对必要的样本空间较大的样本空间，因为它便于使用。
比如，在前面的例子中，由四个可能结果组成的样本空间便于问题的讨论，因为对于一个“均匀”的硬币这四个结果是“等可能”的。
尽管这在有3种结果的样本空间内是不对的。
E：从最简单的试验开始，这些试验只有两种结果。
在抛掷硬币这一试验例1.1.11中出现“正面”或“反面”；在检查零件质量时，可能是“合格”或“不合格”；当用来模拟电子产品旋转的方向时，结果是“左边”或者“右边”；在这些情况下样本空间Ω简化为：Ω={正面,反面}。
E：更复杂一些，有的随机试验会产生多种可能的结果，比如掷一颗骰子，观察出现2的点数。
样本空间为：{1,2,3,4,5,6}Ω=。
E: 掷两枚硬币（或者观察两个零件或两个电子产品），可以得到3Ω={（正面，正面）、（反面，反面）、（正面，反面）、（反面，正面)}读者可以将其推广到掷n个硬币，样本空间里有多少样本点呢？E：再复杂一些，一名射手向某目标射击，直至命中目标为止，观察其命中目标所进4行的射击次数。
(完整版)《概率论与数理统计》讲义
第一章 随机事件和概率 第一节 基本概念1、排列组合初步（1）排列组合公式)!(!n m m P n m -= 从m 个人中挑出n 个人进行排列的可能数。
)!(!!n m n m C n m -=从m 个人中挑出n 个人进行组合的可能数。
例1．1：方程xx x C C C 76510711=-的解是 A ． 4 B ． 3 C ． 2 D ． 1例1．2：有5个队伍参加了甲A 联赛，两两之间进行循环赛两场，试问总共的场次是多少？(2)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。
(3)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。
例1．3：从5位男同学和4位女同学中选出4位参加一个座谈会，要求与会成员中既有男同学又有女同学，有几种不同的选法？例1．4：6张同排连号的电影票，分给3名男生和3名女生，如欲男女相间而坐，则不同的分法数为多少？例1．5：用五种不同的颜色涂在右图中四个区域里，每一区域涂上一种颜色，且相邻区域的颜色必须不同，则共有不同的涂法A．120种B．140种 C．160种D．180种(4)一些常见排列①特殊排列②相邻③彼此隔开④顺序一定和不可分辨例1．6：晚会上有5个不同的唱歌节目和3个不同的舞蹈节目，问：分别按以下要求各可排出几种不同的节目单？①3个舞蹈节目排在一起；②3个舞蹈节目彼此隔开；③3个舞蹈节目先后顺序一定。
例1．7：4幅大小不同的画，要求两幅最大的排在一起，问有多少种排法？例1．8：5辆车排成1排，1辆黄色，1辆蓝色，3辆红色，且3辆红车不可分辨，问有多少种排法？①重复排列和非重复排列（有序）例1．9：5封不同的信，有6个信箱可供投递，共有多少种投信的方法？②对立事件例1．10：七人并坐，甲不坐首位，乙不坐末位，有几种不同的坐法？例1．11：15人中取5人，有3个不能都取，有多少种取法？例1．12：有4对人，组成一个3人小组，不能从任意一对中取2个，问有多少种可能性？③ 顺序问题例1．13：3白球，2黑球，先后取2球，放回，2白的种数？（有序） 例1．14：3白球，2黑球，先后取2球，不放回，2白的种数？（有序） 例1．15：3白球，2黑球，任取2球，2白的种数？（无序）2、随机试验、随机事件及其运算（1）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。
概率论与数理统计讲义
概率论与数理统计讲义一、概率论1.1 引言概率论是研究随机现象的理论，广泛应用于自然科学、社会科学以及工程技术等领域。
它通过量化随机事件发生的可能性，帮助我们理解事件之间的关系和规律。
1.2 随机变量与概率分布随机变量是描述随机事件的事物，可以分为离散型随机变量和连续型随机变量。
概率分布则是描述随机变量取值的概率情况，包括离散型随机变量的概率质量函数和连续型随机变量的概率密度函数。
1.3 期望与方差期望是随机变量取值的平均值，用来描述随机变量的集中程度。
方差则是随机变量与其期望之间的差异程度，用来描述随机变量的离散程度。
1.4 概率分布函数的性质概率分布函数有许多重要的性质，包括非负性、归一性、单调性、可加性等。
这些性质能够帮助我们更好地理解随机事件的规律和特征。
二、数理统计2.1 统计学概述统计学是研究数据收集、分析和解释的学科，通过对样本数据的研究，推断出总体的一些特征和规律。
统计学广泛应用于社会调查、市场研究以及科学实验等领域。
2.2 描述统计学描述统计学是对数据进行总结和描述的统计学方法。
它包括数据的集中趋势度量、离散程度度量以及数据分布特征等内容。
2.3 参数估计参数估计是根据样本数据推断总体参数的一种统计学方法。
点估计通过寻找最优参数估计量来描述总体参数的真实值，区间估计则给出了参数估计的置信区间。
2.4 假设检验假设检验是用来判断总体参数是否满足某种假设的统计学方法。
它将原假设和备择假设相比较，通过计算统计量的值来判断是否拒绝原假设。
2.5 方差分析与回归分析方差分析和回归分析是用来研究多个变量之间关系的统计学方法。
方差分析用于比较多个总体均值是否相等，而回归分析则用于建立变量之间的数学模型。
三、应用案例3.1 金融风险管理概率论与数理统计在金融风险管理中发挥着重要作用。
通过对金融市场的随机波动性进行建模和分析，可以帮助投资者制定更合理的投资策略，降低风险。
3.2 医学研究数理统计在医学研究中具有广泛的应用。
概率论与数理统计要点复习
概率论与数理统计 复习资料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(1) 包含：若事件A 发生，一定导致事件B 发生，那么，称事件B 包含事件A ，记作A B ⊂(或B A ⊃)．(2) 相等：若两事件A 与B 相互包含，即A B ⊃且B A ⊃，那么，称事件A 与B 相等，记作A B =． (3) 和事件：“事件A 与事件B 中至少有一个发生”这一事件称为A 与B 的和事件，记作A B ⋃；“n 个事件1,2,,n A A A 中至少有一事件发生”这一事件称为1,2,,n A A A 的和，记作12n A A A ⋃⋃⋃（简记为1ni i A=）．(4) 积事件：“事件A 与事件B 同时发生”这一事件称为A 与B 的积事件，记作A B ⋂(简记为AB )；“n 个事件1,2,,n A A A 同时发生”这一事件称为1,2,,n A A A 的积事件，记作12n A A A ⋂⋂⋂（简记为12n A A A 或1nii A =)．(5) 互不相容：若事件A 和B 不能同时发生，即AB φ=，那么称事件A 与B 互不相容(或互斥)，若n 个事件1,2,,n A A A 中任意两个事件不能同时发生，即i j A A φ=(1≤i<j ≤几)，那么，称事件 1,2,,n A A A 互不相容．(6) 对立事件：若事件A 和B 互不相容、且它们中必有一事件发生，即AB φ=且A B ⋃=Ω，那么，称A 与B 是对立的．事件A 的对立事件(或逆事件)记作A ． (7) 差事件：若事件A 发生且事件B 不发生，那么，称这个事件为事件A 与B 的差事件，记作A B -(或AB ) ．2．运算规则 （1）交换律：BA AB A B B A =⋃=⋃（2）结合律：)()( )()(BC A C AB C B A C B A =⋃⋃=⋃⋃ （3）分配律))(()( )()()(C B C A C AB BC AC C B A ⋃⋃=⋃⋃=⋃ （4）德摩根（De Morgan ）法则：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： 如果随机试验的样本空间是一个区域(可以是直线上的区间、平面或空间中的区域)，且样本空间中每个试验结果的出现具有等可能性，那么规定事件Ａ的概率为()A P A =的长度（或面积、体积）样本空间的的长度（或面积、体积）·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)|()()|()()|(（5）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．事件的独立性： B A ,独立)()()(B P A P AB P =⇔ （注意独立性的应用）下列四个命题是等价的：(i) 事件A 与B 相互独立； (ii) 事件A 与B 相互独立； (iii) 事件A 与B 相互独立；(iv) 事件A 与B 相互独立．8、思考题１．一个人在口袋里放2盒火柴，每盒n 支，每次抽烟时从口袋中随机拿出一盒（即每次每盒有同等机会被拿到）并用掉一支，到某次他迟早会发现：取出的那一盒已空了．问：“这时另一盒中恰好有m 支火柴”的概率是多少？２．设一个居民区有n 个人，设有一个邮局，开c 个窗口，设每个窗口都办理所有业务．c 太小，经常排长队；c 太大又不经济．现设在每一指定时刻，这n 个人中每一个是否在邮局是独立的，每个人在邮局的概率是p ．设计要求：“在每一时刻每窗口排队人数（包括正在被服务的那个人）不超过m ”这个事件的概率要不小于a （例如，0.8,0.9.95a o =或），问至少须设多少窗口？ ３．设机器正常时，生产合格品的概率为９５％，当机器有故障时，生产合格品的概率为５０％，而机器无故障的概率为９５％．某天上班时，工人生产的第一件产品是合格品，问能以多大的把握判断该机器是正常的？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 P 3． 几个常用随机变量名称与记号分布列或密度数学期望 方差0—1分布 两点分布 ),1(p B p X P ==)1(，p q X P -===1)0(p pq二项式分布),(p n Bn k q p C k X P kn k k n ,2,1,0,)(===-，np npq泊松分布)(λP,2,1,0,!)(===-k k ek X P kλλλλ 几何分布)(p G,2,1 ,)(1===-k p qk X P kp12p q均匀分布),(b a Ub x a a b x f ≤≤-= ,1)(，2ba + 12)(2a b - 指数分布)(λE 0 ,)(≥=-x e x f x λλλ121λ 正态分布),(2σμN222)(21)(σμσπ--=x ex fμ2σ标准正态分布的分布函数记作()x Φ，即()x Φ221()2t xx e dtπ--∞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．4． 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 -=>； 特别的 ()()(0)P X a F a F a ==-- （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。
(完整版)概率论与数理统计复习题带答案讲解
;第一章 一、填空题1. 若事件A ⊃B 且P （A ）=0.5, P(B) =0.2 , 则 P(A －B)=（ 0.3 ）。
2. 甲、乙各自同时向一敌机炮击，已知甲击中敌机的概率为0.7，乙击中敌机的概率为0.8．求敌机被击中的概率为（ 0.94 ）。
3. 设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ，Ｃ中不少于二个发生可表示为（AB AC BC ++ ）。
4. 三台机器相互独立运转，设第一，第二，第三台机器不发生故障的概率依次为0.9，0.8，0.7，则这三台机器中至少有一台发生故障的概率为（ 0.496 ）。
5. 某人进行射击，每次命中的概率为０.6 独立射击４次，则击中二次的概率为（ 0.3456 ）。
6. 设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ与Ｃ都不发生可表示为（ ABC ）。
7. 设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ，Ｃ中不多于一个发生可表示为（ ABAC BC I I ）； 8. 若事件A 与事件B 相互独立，且P （A ）=0.5, P(B) =0.2 , 则 P(A|B)=（ 0.5 ）； 9. 甲、乙各自同时向一敌机炮击，已知甲击中敌机的概率为0.6，乙击中敌机的概率为0.5．求敌机被击中的概率为（ 0.8 ）； 10. 若事件A 与事件B 互不相容，且P （A ）=0.5, P(B) =0.2 , 则 P(B A -)=（ 0.5 ） 11. 三台机器相互独立运转，设第一，第二，第三台机器不发生故障的概率依次为0.8，0.8，0.7，则这三台机器中最多有一台发生故障的概率为（ 0.864 ）。
12. 若事件A ⊃B 且P （A ）=0.5, P(B) =0.2 , 则 P(B A )=（ 0.3 ）; 13. 若事件A 与事件B 互不相容，且P （A ）=0.5, P(B) =0.2 , 则 P(B A )=（ 0.5 ） 14. Ａ、Ｂ为两互斥事件，则A B =U （ S ）15. Ａ、Ｂ、Ｃ表示三个事件，则Ａ、Ｂ、Ｃ恰有一个发生可表示为（ ABC ABC ABC ++ ）16. 若()0.4P A =，()0.2P B =，()P AB =0.1则(|)P AB A B =U （ 0.2 ） 17. Ａ、Ｂ为两互斥事件，则AB =（ S ）18. 保险箱的号码锁定若由四位数字组成，则一次就能打开保险箱的概率为（110000）。
非常全面的《概率论与数理统计》复习材料
《概率论与数理统计》复习大纲第一章随机事件与概率事件与集合论的对应关系表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。
例1设3个球任意投到四个杯中去，问杯中球的个数最多为1个的事件A1，最多为2个的事件A2的概率。
[解]：每个球有4种放入法，3个球共有43种放入法，所以|Ω|=43=64。
(1)当杯中球的个数最多为1个时，相当于四个杯中取3个杯子，每个杯子恰有一个球，所以|A1|= C433！=24；则P(A1)=24/64 =3/8. (2) 当杯中球的个数最多为2个时，相当于四个杯中有1个杯子恰有2个球(C41C32)，另有一个杯子恰有1个球(C31C11)，所以|A2|= C41C32C31C11=36；则P(A2)=36/64 =9/16例2从1,2,…,9，这九个数中任取三个数，求：(1)三数之和为10的概率p1；(2)三数之积为21的倍数的概率p2。
[解]：p1=4C93=121, p2=C31C51+C32C93=314P(A)=A包含样本总个数样本点总数=|A||Ω|几何概型前提是如果在某一区域Ω任取一点，而所取的点落在Ω中任意两个度量相等的子区域的可能性是一样的。
若A⊂Ω，则P(A)=A的度量Ω的度量例1把长度为a的棒任意折成三段，求它们可以构成一个三角形的概率。
[解]：设折得的三段长度分别为x,y和a-x-y，那么，样本空间，S={(x,y)|0≤x≤a,0≤y≤a,0≤a-x-y≤a}。
而随机事件A：”三段构成三角形”相应的区域G应满足两边之和大于第三边的原则，得到联立方程组，⎩⎪⎨⎪⎧a-x-y<x+yx<a-x-y+yy<a-x-y+x解得0<x<a2, 0<y<a2,a2<x+y<a 。
即G={(x,y)| 0<x<a2, 0<y<a2,a2<x+y<a }由图中计算面积之比，可得到相应的几何概率P(A)=1/4。
(完整版)概率论与数理统计复习题带答案讲解
;第一章 一、填空题1. 若事件A ⊃B 且P （A ）=0.5, P(B) =0.2 , 则 P(A －B)=（ 0.3 ）。
2. 甲、乙各自同时向一敌机炮击，已知甲击中敌机的概率为0.7，乙击中敌机的概率为0.8．求敌机被击中的概率为（ 0.94 ）。
3. 设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ，Ｃ中不少于二个发生可表示为（AB AC BC ++ ）。
4. 三台机器相互独立运转，设第一，第二，第三台机器不发生故障的概率依次为0.9，0.8，0.7，则这三台机器中至少有一台发生故障的概率为（ 0.496 ）。
5. 某人进行射击，每次命中的概率为０.6 独立射击４次，则击中二次的概率为（ 0.3456 ）。
6. 设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ与Ｃ都不发生可表示为（ ABC ）。
7. 设Ａ、Ｂ、Ｃ为三个事件，则事件Ａ，Ｂ，Ｃ中不多于一个发生可表示为（ ABAC BC I I ）； 8. 若事件A 与事件B 相互独立，且P （A ）=0.5, P(B) =0.2 , 则 P(A|B)=（ 0.5 ）； 9. 甲、乙各自同时向一敌机炮击，已知甲击中敌机的概率为0.6，乙击中敌机的概率为0.5．求敌机被击中的概率为（ 0.8 ）； 10. 若事件A 与事件B 互不相容，且P （A ）=0.5, P(B) =0.2 , 则 P(B A -)=（ 0.5 ） 11. 三台机器相互独立运转，设第一，第二，第三台机器不发生故障的概率依次为0.8，0.8，0.7，则这三台机器中最多有一台发生故障的概率为（ 0.864 ）。
12. 若事件A ⊃B 且P （A ）=0.5, P(B) =0.2 , 则 P(B A )=（ 0.3 ）; 13. 若事件A 与事件B 互不相容，且P （A ）=0.5, P(B) =0.2 , 则 P(B A )=（ 0.5 ） 14. Ａ、Ｂ为两互斥事件，则A B =U （ S ）15. Ａ、Ｂ、Ｃ表示三个事件，则Ａ、Ｂ、Ｃ恰有一个发生可表示为（ ABC ABC ABC ++ ）16. 若()0.4P A =，()0.2P B =，()P AB =0.1则(|)P AB A B =U （ 0.2 ） 17. Ａ、Ｂ为两互斥事件，则AB =（ S ）18. 保险箱的号码锁定若由四位数字组成，则一次就能打开保险箱的概率为（110000）。
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)
中国科技大学概率论与数理统计讲义
中国科技大学概率论与数理统计讲义第一节点估计一、点估计问题的提法二、估计量的求法三、小结一、点估计问题的提法设总体某的分布函数形式已知,但它的一个或多个参数为未知,借助于总体某的一个样本来估计总体未知参数的值的问题称为点估计问题.例1在某炸药制造厂,一天中发生着火现象的次数某是一个随机变量,假设它服从以0为参数的泊松分布,参数为未知,设有以下的样本值,试估计参数.着火次数k发生k次着火的天数nk2345675905422621250所以E(某).解因为某~π(),用样本均值来估计总体的均值E(某).1某(075190254322250nk465261)1.22.k0k06knk6故E(某)的估计为1.22.点估计问题的一般提法设总体某的分布函数F(某;)的形式为已知,是待估参数.某1,某2,,某n是某的一个样本,某1,某2,,某n为相应的一个样本值.点估计问题就是要构造一个适当的统计量(某1,某2,,某n),用它的观察值(某1,某2,,某n)来估计未知参数.(某1,某2,,某n)称为的估计量.通称估计,(某1,某2,,某n)称为的估计值.简记为.例2在某纺织厂细纱机上的断头次数某是一个随机变量,假设它服从以0为参数的泊松分布,参数为未知,现检查了150只纱锭在某一时间段内断头的次数,数据如下,试估计参数.断头次数k断头k次的纱锭数nk234564560329211150解先确定一个统计量某,再计算出某的观察值某,把某作为参数的估计值.某1.133.的估计值为1.133.二、估计量的求法由于估计量是样本的函数,是随机变量,故对不同的样本值,得到的参数值往往不同,如何求估计量是关键问题.常用构造估计量的方法:(两种)矩估计法和最大似然估计法.1.矩估计法设某为连续型随机变量,其概率密度为f(某;1,2,,k),或某为离散型随机变量,其分布律为P{某某}p(某;1,2,,k),其中1,2,,k为待估参数,若某1,某2,,某n为来自某的样本，假设总体某的前k阶矩存在,且均为1,2,,k的函数,即lE(某)某lf(某;1,2,,k)d某(某为连续型)l或lE(某l)某R某某lp(某;1,2,,k),(某为离散型)其中R某是某可能取值的范围,l1,2,,k1nl因为样本矩Al某i依概率收敛于相应的ni1总体矩l(l1,2,,k),样本矩的连续函数依概率收敛于相应的总体矩的连续函数.矩估计法的定义用样本矩来估计总体矩,用样本矩的连续函数来估计总体矩的连续函数,这种估计法称为矩估计法.矩估计法的具体做法:令lAl,l1,2,,k.这是一个包含k个未知参数1,2,,k的方程组,解出其中1,2,,k.用方程组的解1,2,,k分别作为1,2,,k的估计量,这个估计量称为矩估计量.矩估计量的观察值称为矩估计值.例3设总体某在[0,]上服从均匀分布,其中(0)未知,(某1,某2,,某n)是来自总体某的样本,求的估计量.解因为1E(某)22,根据矩估计法,令所以2某A1某,为所求的估计量.例4设总体某在[a,b]上服从均匀分布,其中a,b未知,(某1,某2,,某n)是来自总体某的样本,求a,b的估计量.ab1E(某)解,2ab2ab2,2E(某2)D(某)[E(某)]2124nab1令A1某i,2ni11n(ab)2(ab)22A2某i,ni1124ab2A1,即2ba12(A2A1).解方程组得到a,b的矩估计量分别为3n(某i某)2,aA13(A2A1)某ni123nA13(A2A12)某(某i某)2.bni1例5设总体某服从几何分布,即有分布律P{某k}p(1p)k1体某的样本,求p的估计量.(k1,2,),其中p(0p1)未知,(某1,某2,,某n)是来自总解1E(某)kp(1p)k1k11,p1令A1某,p1所以p为所求p的估计量.某例6设总体某的均值和方差2都存在,且有20,但和2均为未知,又设某1,某2,,某n是一个样本,求和2的矩估计量.1E(某),解2E(某2)D(某)[E(某)]222,A1,令22A2.解方程组得到矩估计量分别为A1某,1n122A2A1某i2某2(某i某)2.ni1ni1n上例表明:总体均值与方差的矩估计量的表达式不因不同的总体分布而异.例某~N(,2),,2未知,即得,2的矩估计量1n22某,(某i某).ni1一般地,1n用样本均值某某i作为总体某的均值的矩估计,ni11n用样本二阶中心矩B2(某i某)2作为总体ni1某的方差的矩估计.2.最大似然估计法(1)设总体某属离散型似然函数的定义设分布律P{某k}p(某;),为待估参数,,(其中是可能的取值范围)某1,某2,,某n是来自总体某的样本,n则某1,某2,,某n的联合分布律为p(某i;).i1又设某1,某2,,某n为相应于样本某1,某2,,某n的一个样本值.则样本某1,某2,,某n取到观察值某1,某2,,某n的概率,即事件某1某1,某2某2,,某n某n发生的概率为L()L(某1,某2,,某n;)p(某i;),,i1nL()称为样本似然函数.最大似然估计法得到样本值某1,某2,,某n时,选取使似然函数L()取得最大值的作为未知参数的估计值,即L(某1,某2,,某n;)ma某L(某1,某2,,某n;).(其中是可能的取值范围)这样得到的与样本值某1,某2,,某n有关,记为(某1,某2,,某n),参数的最大似然估计值,(某1,某2,,某n)参数的最大似然估计量.(2)设总体某属连续型似然函数的定义设概率密度为f(某;),为待估参数,,(其中是可能的取值范围)某1,某2,,某n是来自总体某的样本,n 则某1,某2,,某n的联合密度为f(某i;).i1又设某1,某2,,某n为相应于样本某1,某2,,某n的一个样本值.。
概率论与数理统计总复习
随
机 试 验
可能结果
基 本 事 件
Ai
只有两个
不含任何ω Φ
Ai Aj 完
不可能 i j 备 Ai任何组合事件A p(Ai ) 0事
Ai
i
必然
Ωi
Ai
件 组
Ai
等
1 P(A i) n
概 完
i 1,2, n 备
事
件
可能结果
条件：
组
贝努利试验
n次重复
定义 随机变量 X 的取值可以一一列举（有限或无限）
称X 为离散型随机变量。
分布律（分布列） 表示法
公式法
PX xk pk
k 1,2,
列表法 X x1 x2
xk
xn
pk p1 p2
pk
pn
性质
1. PX xk 0 k 1,2,
n
2. pk 1
7 7
k 1
2、连续性随机变量 定义 对于随机变量X，若存在非负函数
将 F( y) 用 F[h( y)] 及有关函数表述出来。
利用 F '( y) f ( y) 求出Y的密度函数。
f
(
y)
F
(h(
y))'
h(
y)
h'
(
y)
0
y
其他
14
14
三、二维随机变量及其分布
（一）二维随机变量（X,Y) 的分布函数
定义 对于任意实数 x, y 二元函数
F(x, y) P{X x,Y y}
X为离散型其分布列为 PX xk pk
k 1,2,, n.
X为连续型其密度函数为 f (x).
概率论与数理统计讲义
§2.3连续型随机变量及概率密度（一）连续型随机变量及其概率密度定义若随机变量X的分布函数为其中f(t)≥0。
就是说X是连续型随机变量，并且非负函数f(x)是连续型随机变量X的概率密度函数，简称概率密度。
由连续型随机变量及概率密度函数的定义知概率密度有下列性质（1）（2）（3）（a≤b）前面已曾经证明，由于连续型随机变量是在一个区间或几个区间上连续取值，所以它在任何一点上取值的概率为零，即若X是连续型随机变量则有P(X=x)=0,其中X是任何一个实数。
∴有（4）f(x)≥0证（1）在微积分中已知积分上限的函数对上限x的导数它说明分布函数是概率密度的原函数，并且证明连续型随机变量的分布函数F(x)是处处可导函数，所以连续型随机变量的分布函数F(x)处处连续。
（2）（3）∵P(a<X≤b)=F(b)-F(a)因为F(x)是f(x)的原函数因此，对连续型随机变量X在区间上取值的概率的求法有两种：（1）若F(x)已知，则P(a<X≤b)=F(b)-F(a)（2）若f(x)已知，则P(a<X≤b)=例1 设求（1）c（2）解（1）而时，p(x)=0,（2）例2.设连续函数变量X的分布函数为求：（1）X的概率密度f（x）;（2）X落在区间（0.3，0.7）的概率。
解：（1）（2）有两种解法：或者例2－1 若解：例2－2 若求x~f(x) 解：例2－3，若解：例3.若解：（1）x≤0时，f（x）=0，（2）0＜x＜1时，（3）1≤x时，注2.分段函数要分段求导数，分段求积分。
例4.设某种型号电子元件的寿命X（以小时计）具有以下的概率密度。
现有一大批此种元件，（设各元件工作相互独立），问：（1）任取一只，其寿命大于1500小时的概率是多少？（2）任取四只，四只元件中恰有2只元件的寿命大于1500的概率是多少？（3）任取四只，四只元件中至少有1只元件的寿命大于1500的概率是多少？解：（1）（2）各元件工作相互独立，可看作4重贝努利试验，观察各元件的寿命是否大于1500小时，令Y 表示4个元件中寿命大于1500小时元件个数，则，所求概率为（3）所求概率为3.2 均匀分布与指数分布以下介绍三种最常用的连续型概率分布，均匀分布、指数分布和正态分布，本小节先介绍前两种。
概率论与数理统计期末复习题资料PPT课件
1
1
3) 2
x2
3
1
2 1
f
(
x)dx
1 xdx
2
2
1
x2
3
2 (2
x)dx
x2
1
(2x
x2 )
3 2
3
1
21
24 1
2
（4）EX
1 x2dx
0
2
1
x
2
x
dx
1 3
x3
1 0
x2
2 1
1 3
x3
2 1
1
DX EX 2 EX 2
EX2
1 x3dx
0
2 x2
1
2
x
dx
解：
（1）
f
(x)dx
1
1 0
axdx
2 1
(2
x)dx
a 2
1 2
2
1
得a =1
2
0
（2）F ( x)
1
x
tdt
0 x
x0 0 x1
0
F ( x)
2x
1 2
x2 x2
1
x0 0 x 1 1 x 2
tdt (2 t)dt 1 x 2
2
0
（3）P(1 X 2
1 4
x4第109页32/共x43212页
1 4
x3
2 1
7 6
7 1 1
6
6
6. 设一汽车在开往目的地的道路上需经过3盏信号灯。每盏信号
灯以概率1/2允许汽车通过或禁止汽车通过。以X表示汽车首次
停下时，它已通过的信号灯的盏数(各信号灯工作相互独立)。求
《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。
非常全面的《概率论与数理统计》复习材料
非常全面的《概率论与数理统计》复习材料一、基本概念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，而在大量重复试验中具有某种规律性的事件。
例如，掷一枚骰子，出现点数为 6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。
例如，掷一枚骰子的样本空间就是｛1, 2, 3, 4, 5, 6}。
3、概率概率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 表示不可能事件，1 表示必然事件。
4、条件概率条件概率是指在已知某一事件发生的条件下，另一事件发生的概率。
二、随机变量1、离散型随机变量离散型随机变量是指其取值可以一一列举的随机变量。
例如，掷一枚骰子出现的点数就是一个离散型随机变量。
2、连续型随机变量连续型随机变量是指其取值充满某个区间的随机变量。
例如，某地区一天的气温就是一个连续型随机变量。
3、随机变量的分布函数分布函数是描述随机变量取值概率分布的函数。
4、常见的离散型分布（1）二项分布：描述 n 次独立重复试验中成功的次数。
（2）泊松分布：常用于描述在一定时间或空间内稀有事件发生的次数。
5、常见的连续型分布（1）正态分布：在自然界和社会现象中广泛存在，具有重要的地位。
（2）均匀分布：在某个区间内取值的概率相等。
三、数字特征1、数学期望数学期望反映了随机变量取值的平均水平。
2、方差方差衡量了随机变量取值的离散程度。
3、协方差和相关系数用于描述两个随机变量之间的线性关系程度。
四、大数定律和中心极限定理1、大数定律表明随着试验次数的增加，样本均值趋近于总体均值。
2、中心极限定理指出大量独立随机变量的和近似服从正态分布。
五、抽样分布1、样本均值和样本方差的分布了解样本均值和样本方差在不同条件下的分布规律。
2、 t 分布、F 分布和χ²分布这三种分布在假设检验和参数估计中经常用到。
六、参数估计1、点估计通过样本数据估计总体参数的值。
《概率论与数理统计》复习资料要点总结
《概率论与数理统计》复习提要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）BAAB 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）BA 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 P 3．几个常用随机变量名称与记号分布列或密度数学期望方差两点分布),1(p B p X P ==)1(，pq X P -===1)0(p pq 二项式分布),(p n B n k q p C k X P kn k k n ,2,1,0,)(===-，npnpqPoisson 分布)(λP,2,1,0,!)(===-k k e k X P kλλλλ几何分布)(p G,2,1 ,)(1===-k p qk X P k p 12p q 均匀分布),(b a U b x a a b x f ≤≤-= ,1)(，2b a +12)(2a b -指数分布)(λE 0,)(≥=-x e x f x λλλ121λ正态分布),(2σμN 222)(21)(σμσπ--=x ex f μ2σ4．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。
- 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)。
概率统计练习题一、填空题1、已知P(A)=P(B)=P(C)=25.0，P(AC)=0，P(AB)=P(BC)=15.0，则A 、B 、C 中至少有一个发生的概率为 0.45 。
2、设A 、B 为二事件，P(A)=0.8,P(B)=0.7，P(A ∣B )=0.6，则P(A ∪B)= 0.88 。
3、设X 、Y 相互独立，X ~)3,0(U ,Y 的概率密度为⎪⎩⎪⎨⎧>=-其它,00,41)(41x e x f x ，则(253)E X Y -+= -14 ，(234)D X Y -+= 147 。
4、设某试验成功的概率为0.5，现独立地进行该试验3次，则至少有一次成功的概率为0.875 .5、已知()3E X =，()D X =2，由切比雪夫不等式估计概率(34)P X -≥≤0.125 。
6、设(100,0.2)XB ，则概率(P 20-X )4≤≈ 0.68 ()84.0)1(=Φ。
7.设X 的分布函数⎪⎩⎪⎨⎧≥-<=1,111,0)(2x x x x F ，则=)(X E 28.已知随机变量X ~),(2σμN ，且)1()5(,5.0)2(-Φ=≥=≥X P X P ，则=μ2，=2σ9 。
9. 已知()0.6P A =，()0.8P B =，则()P AB 的最大值为0.6，最小值为0.4 。
10、随机变量X 的数学期望μ=EX ，方差2σ=DX ，k 、b 为常数，则有)(b kX E +=,k b μ+；)(b kX D +=22k σ。
11、若随机变量X ～N (－2，4)，Y ～N (3，9)，且X 与Y 相互独立。
设Z ＝2X －Y ＋5，则Z ～ N(-2, 25) 。
12、θθθ是常数21ˆ ,ˆ的两个 无偏 估计量，若)ˆ()ˆ(21θθD D <，则称1ˆθ比2ˆθ有效。
13、设随机变量X 服从参数为2的泊松分布，且Y =3X -2, 则E(Y)=4 。
14、设随机变量X 服从[0,2]上的均匀分布，Y=2X+1，则D(Y)= 4/3 。
15、设（X ，Y ）为二维随机向量，D(X)、D(Y)均不为零。
若有常数a>0与b 使{}1=+-=b aX Y P ，则X 与Y 的相关系数=XY ρ-1 。
16、四个人独立地破译一份密码，已知各人能译出的概率分别为61,31,41,51，则密码能被译出的概率是 2/3。
17、射手独立射击8次，每次中靶的概率是0.6，那么恰好中靶3次的概率是53384.06.0⨯⨯C ＝0.123863 。
18、已知总体X ~ N (0, 1)，设X1，X2，…，Xn 是来自总体X 的简单随机样本，则∑=ni iX12~)(2n x 。
19、设随机变量X 与Y 相互独立，且5.05.011PX-，5.05.011P Y -，则P(X =Y)=_ 0.5_。
20、设随机变量X 服从以n, p 为参数的二项分布，且EX=15，DX=10，则n= 45 。
21、设nX X X ,,,21 是来自总体X ~ N (0, 1)的简单随机样本，则∑=-ni iX X12)(服从的分布为)1(2-n x 。
22、设A,B 为两个随机事件，且P(A)=0.7, P(A-B)=0.3，则P(AB )=__0.6 __。
23、设随机变量X ～N (2，2σ)，且P{2 < X <4}＝0.3，则P{X < 0}＝0.2 。
24、已知随机变量X 的概率密度为)(x f X ，令X Y 2-=，则Y 的概率密度)(y f Y 为)2(21y f X -。
25、称统计量θθ为参数ˆ的 无偏 估计量，如果)(θE =θ。
26、设(X, Y)的联合概率分布列为若X 、Y 相互独立，则a = 1/6 ，b = 1/9 。
27、若nX X X N X ,,,),,(~2121 σμ是来自总体X 的样本，2,S X 分别为样本均值和样本方差，则S nX )(μ-~ t (n-1) 。
28、θθθ是常数21ˆ,ˆ的两个无偏估计量，若)ˆ()ˆ(21θθD D <，则称1ˆθ比2ˆθ 有效 。
29、已知P (A)=0.8，P (A －B)=0.5，且A 与B 独立，则P (B) ＝ 3/8 。
30、设总体X ～N(1，9)，nX X X , , ,21 是来自总体X 的简单随机样本，2,S X 分别为样本均值与样本方差，则∑=-n i i X X 12~)(912(8)χ；；∑=-n i i X 12~)1(9129χ（）。
31、袋中有大小相同的红球4只，黑球3只，从中随机一次抽取2只，则此两球颜色不同的概率为 4/7 。
32、在假设检验中，把符合H0的总体判为不合格H0加以拒绝，这类错误称为 一错误；把不符合H0的总体当作符合H0而接受。
这类错误称为 二 错误。
33、设)(~),1,0(~2n x Y N X ，且X ，Y 相互独立，则~n Y Xt (n)34．设总体X ～N (1，4)，x 1，x 2，…，x 10为来自该总体的样本，∑==101101i ixx ，则)(x D = __4/10___.·35．设总体X ～N (0，1)，x 1，x 2，…，x 5为来自该总体的样本，则∑=512i ix服从自由度为__5____的2χ分布．36．在对总体参数的假设检验中，若给定显著性水平α（10<<α），则犯第一类错误的概率是 α. 二、选择题1、设随机事件A 与B 互不相容，且0)()(>>B P A P ，则（ D ）。
Ａ. )(1)(B P A P -= B.)()()(B P A P AB P = Ｃ. 1)(=⋃B A P Ｄ.1)(=AB P 2、将两封信随机地投入四个邮筒中，则未向前面两个邮筒投信的概率为（ A ）。
A. 2242B. 2412C C C. 24!2P D. !4!23、设随机变量)(~x f X ，满足)()(x f x f -=，)(x F 是x 的分布函数，则对任意实数a 有（B ）A.⎰-=-adxx f a F 0)(1)( B.⎰-=-a dx x f a F 0)(21)( C. )()(a F a F =-D. 1)(2)(-=-a F a F4、设A ，B 为随机事件，0)(>B P ，1)|(=B A P ，则必有（ A ）。
A. )()(A P B A P =⋃B. B A ⊃C. )()(B P A P =D. )()(A P AB P =5、某人连续向一目标射击，每次命中目标的概率为43，他连续射击直到命中为止，则射击次数为3的概率是（ C ）。
A. 343）（B. 41432⨯）（C. 43412⨯）（D. 22441C ）（ 6、设12, X X 是来自总体X 的一个简单随机样本，则最有效的无偏估计是( A )。
A.121122X X μ=+ B. 121233X X μ=+ C.121344X X μ=+ D.122355X X μ=+ 7、设),,,(21n X X X 为总体)2,1(2N 的一个样本，X 为样本均值，则下列结论中正确 的是（ D ）。
A. )(~/21n t n X -； B. )1,(~)1(4112n F X ni i ∑=-； C.)1,0(~/21N nX -； D.)(~)1(41212n X ni i χ∑=-；8、已知A 、B 、C 为三个随机事件，则A 、B 、C 不都发生的事件为（A ）。
A. C B AB. ABCC. A+B+CD. ABC9、下列各函数中是随机变量分布函数的为（ B ）。
A. ∞<<-∞+=x x x F ,11)(2B.⎪⎩⎪⎨⎧≥+<=0100)(x x xx x FC. ∞<<-∞=-x e x F x,)( D.∞<<∞-+=x arctgx x F ,2143)(π10、),(Y X 是二维随机向量，与0),(=Y X Cov 不等价的是（ D ） A. )()()(Y E X E XY E = B. )()()(Y D X D Y X D +=+ C. )()()(Y D X D Y X D +=- D. X 和Y 相互独立11、设总体)2,(~2μN X ，其中μ未知，n X X X ,,,21 为来自总体的样本，样本均值为X ，样本方差为2s ， 则下列各式中不是统计量的是（ C ）。
A. X 2B. 22σsC.σμ-XD.22)1(σs n -12、设总体X 的数学期望EX ＝μ，方差DX ＝σ2，X1，X2，X3，X4是来自总体X 的简单随机样本，则下列μ的估计量中最有效的是（ D ）1233123123412341111111A.B. 663333334111111C.D. 55554444X X X X X X X X X X X X X X X ++++++--+++ 13、在假设检验中, 下列说法错误的是（ C ）。
A. 1H 真时拒绝1H 称为犯第二类错误。
B. 1H 不真时接受1H 称为犯第一类错误。
C. 设α=}|{00真拒绝H H P ，β=}|{00不真接受H H P ，则α变大时β变小。
D.α、β的意义同（C ），当样本容量一定时，α变大时则β变小。
14、若)()()(Y E X E XY E =，则（D ）。
A. X 和Y 相互独立B. X 与Y 不相关C. )()()(Y D X D XY D =D.)()()(Y D X D Y X D +=+15、设随机变量X ～N(μ，81)，Y ～N(μ，16)，记}4{},9{21+≥=-≤=μμY p X P p ，则（ B ）。
A. p1<p2B. p1＝p2C. p1>p2D. p1与p2的关系无法确定 16、设随机变量X 的密度函数为f (x)，则Y = 7 — 5X 的密度函数为（ B ）1717A. () B. ()55551717C. () D. ()5555y y f f y y f f -----++---17、设21,A A 两个随机事件相互独立，当21,A A 同时发生时，必有A 发生，则（ A ）。
A. )()(21A P A A P ≤ B. )()(21A P A A P ≥C. )()(21A P A A P =D.)()()(21A P A P A P =18．设~(),X t n 则2X 服从 ( B )分布(A) 2()n χ； （B ）(1,)F n ； （C ）(,1)F n ； （D ）(1,1)F n -. 19．设随机变量X 与Y 的协方差(,)0,Cov X Y =则下列结论正确的是 ( B ) (A) X 与Y 独立； （B ）()()()D X Y D X D Y +=+; （C ）()()()D X Y D X D Y -=-； (D) ()()()D XY D X D Y =20.设12,,,n X X X 为来自正态总体2(,)N μσ的一个样本，2211,(())1ni i X S X X n ==--∑分别为样本均值和样本方差，则下面结论中不正确的是 ( C ) (A)2~(,);X N nσμ(B)22();E S σ=(C)22();1nE S n σ=- (D)222(1)/~(1).n S n σχ-- 21．设12,x x 是正态总体(,1)N μ的容量为2的样本，μ为未知参数，μ的无偏估计是 [ D ] （A ）122433x x + （B ）121244x x + （C ）123144x x - （D ）122355x x + 22.下列说法正确的是（C ）（A ）如果备择假设是正确的，但做出的决策是拒绝备择假设，则犯了弃真错误 （B ）如果备择假设是错误的，但做出的决策是接收备择假设，则犯了采伪错误 （C ）如果零假设是正确的，但做出的决策是接受备择假设，则犯了弃真错误 （D ）如果零假设是错误的，但做出的决策是接收备择假设，则犯了采伪错误23．对正态总体的数学期望μ进行假设检验，如果在显著水平0.05下接受H 0 ：μ=μ0，那么在显著水平0.01下，下列结论中正确的是（ B ）A ．不接受，也不拒绝H 0B ．可能接受H 0，也可能拒绝H 0C ．必拒绝H 0D ．必接受H 0三、计算题1、 甲、乙、丙三车间加工同一产品，加工量分别占总量的25%、35%、40%，次品率分别为0.03、0.02、0.01。