概率统计复习提纲(百度文库)
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。
概率论与统计原理复习资料
一、填空题1、设A，B，C为三个事件，则下列事件“B发生而A与C至少有一个发生”，“A，B，C中至少有两个发生”，“A，B，C中至少有一个发生”，“A，B，C中不多于一个发生”，“A，B，C中恰好有一个发生”，“A，B，C中恰好有两个发生”分别可表示为、、、、、。
参考答案：B（A+C，AB+AC+BC，A +B+C，CB+BA+CA，AB C+AC B+A BC，A+CABBA+CBC考核知识点：事件的关系及运算2、从0，1，2，…，9这10个数中可重复取两个数组成一个数码，则“两个数之和为3”、“两个数之和为17”、“两个数相同”的概率分别为、、。
参考答案：，，考核知识点：古典型概率3、同时抛掷3枚均匀的硬币，则3枚正面都向上的概率为，恰好有2枚正面向上的概率为。
参考答案：1/8，3/8考核知识点：古典型概率4、箱中有60个黑球和40个白球，从中任意连接不放回取出k个球，则第k次取出黑球的概率为。
参考答案：考核知识点：古典型概率5、假设某商店获利15万元以下的概率为，获利10万元以下的概率为，获利5万元以下的概率为，则该商店获利5~10万元的概率为，获利10~15万元的概率为。
参考答案：，考核知识点：概率的性质6、设袋中有6个球，其中4白2黑。
用不放回两种方法取球，则取到的两个球都是白球的概率为；取到的两个球颜色相同的概率为；取到的两个球中至少有一个是白球的概率为。
参考答案：，7/15，14/15考核知识点：古典型概率和概率的性质7、设事件A，B互不相容，已知P（A）= ，P（B）= ，则P（A+B）= ；P（A+B）= ；P（A B）= ；P（BA）= 。
参考答案：，，，考核知识点：概率的性质8、甲、乙、丙三人各射一次靶子，他们各自中靶与否相互独立，且已知他们各自中靶的概率分别为，，，则恰有一人中靶的概率为；至少有一人中靶的概率为。
参考答案：（1）；（2）考核知识点：事件的独立性9、每次试验的成功率为p（0< p <1），则在5次重复试验中至少成功一次的概率为。
概率统计C复习提纲
第四部分：中心极限定理(一道大题)，大数定律不考
1. 林德伯格－列维定理 2. 棣莫佛－拉普拉斯定理(是前一定理的特殊情形)
例1 设10件产品中有4件不合格品，从中 任取两件，已知所取两件产品中有一件 是不合格品，另布函数为
0, x0 2 F ( x) Ax , 0 x 1 1, x 1
第二部分：随机变量及其分布 基本概念、性质与公式
1. 一维随机变量X的分布(离散型；连续型(分布函数和概率密 度函数)) 2. 二维随机变量(X,Y)的分布(离散型(联合分布律)；连续型 (分布函数和概率密度函数)) 3. 二维随机变量(X,Y)的边缘分布(离散型，连续型) 4. 二维随机变量(X,Y)的条件分布(离散型，连续型) 5. 相互独立性(离散型与连续型的充要条件) 6. 随机变量函数的分布(一维随机变量函数Y=f(X)的分布；二 维随机变量函数Z=f(X,Y)的分布) 7. 重要的一维分布(0-1分布，二项分布，泊松分布，正态分布， 均匀分布，指数分布)，其它两个超几何分布和几何分布不 考 8. 重要的二维分布(二维正态分布)
考试题型：选择题5题（共20分）， 填空题5题（共20分）， 解答题5题（共60分）， 满分100分
• 概率统计C考查内容：
第一部分：随机事件和概率 基本概念、性质与公式
1. 随机试验和随机事件(理解) 2. 事件的关系及其运算(包含，相等，和，差，积，互斥，对立 等等) 3. 事件的概率及其性质(定义(3条件)和4条性质) 4. 条件概率与事件的独立性 5. 重要概型(古典概型和几何概型) 6. 重要公式(乘法公式，全概率公式，贝叶斯公式)
第三部分：随机变量的数字特征 1. 一维随机变量的数字特征(数学期望E(X),方差D(X), 标准差，矩)(离散型和连续型) 2. 二维随机变量的数字特征(已知分布律或联合密 度)(离散型和连续型) 3. 二维随机变量(X,Y)的函数g(X,Y)的数学期望 4. 协方差(cov(X,Y)) 5. 相关系数 6. 几种重要的数学期望与方差(课本P85) 7. 重要公式与结论(P132-140)
(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。
概率统计公式大全(复习重点)
第一章随机事件和概率（1）排列组合公式)!(!nmmP nm-=从m个人中挑出n个人进行排列的可能数。
)!(!!nmnmC nm-=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）：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。
（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。
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ω来表示。
基本事件的全体，称为试验的样本空间，用Ω表示。
一个事件就是由Ω中的部分点（基本事件ω）组成的集合。
通常用大写字母A，B，C，…表示事件，它们是Ω的子集。
Ω为必然事件，Ø为不可能事件。
不可能事件（Ø）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（Ω）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：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）：BA⊂如果同时有BA⊂，AB⊃，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 Y B，或者A+B。
概率论与数理统计复习资料
自考04183概率论与数理统计(经管类)笔记-自考概率论与数理统§1.1 随机事件1.随机现象：确定现象：太阳从东方升起，重感冒会发烧等；不确定现象：随机现象：相同条件下掷骰子出现的点数：在装有红、白球的口袋里摸某种球出现的可能性等；其他不确定现象：在某人群中找到的一个人是否漂亮等。
结论：随机现象是不确定现象之一。
2.随机试验和样本空间随机试验举例：E1：抛一枚硬币，观察正面H、反面T出现的情况。
E2：掷一枚骰子，观察出现的点数。
E3：记录110报警台一天接到的报警次数。
E4：在一批灯泡中任意抽取一个，测试它的寿命。
E5：记录某物理量（长度、直径等）的测量误差。
E6：在区间[0，1]上任取一点，记录它的坐标。
随机试验的特点：①试验的可重复性；②全部结果的可知性；③一次试验结果的随机性，满足这些条件的试验称为随机试验，简称试验。
样本空间：试验中出现的每一个不可分的结果，称为一个样本点，记作。
所有样本点的集合称为样本空间，记作。
举例：掷骰子：＝{1，2，3，4，5，6},＝1，2，3，4，5，6；非样本点：“大于2点”，“小于4点”等。
3.随机事件：样本空间的子集，称为随机事件，简称事件，用A,B,C,…表示。
只包含一个样本点的单点子集{}称为基本事件。
必然事件：一定发生的事件，记作不可能事件：永远不能发生的事件，记作4.随机事件的关系和运算由于随机事件是样本空间的子集，所以，随机事件及其运算自然可以用集合的有关运算来处理，并且可以用表示集合的文氏图来直观描述。
（1）事件的包含和相等包含：设A，B为二事件，若A发生必然导致B发生，则称事件B包含事件A，或事A包含于事件B，记作，或。
性质：例：掷骰子，A：“出现3点”，B：“出现奇数点”，则。
注：与集合包含的区别。
相等：若且，则称事件A与事件B相等，记作A＝B。
（2）和事件概念：称事件“A与B至少有一个发生”为事件A与事件B的和事件，或称为事件A与事件B的并，记作或A＋B。
概率论与数理统计复习提纲
概率论与数理统计复习提纲第一章 概率论的基本概念一、事件间的关系及运算二、古典概型中概率的计算三、概率的公理化定义及性质－重点四、条件概率、乘法定理、全概率公式及贝叶斯公式－重点五、事件相互独立的定义及判断第二章 随机变量及其分布一、离散型随机变量及其分布律1. 分布律的定义2. 三种重要的离散型分布－重点：（0－1）分布，二项分布),(p n b ，泊松分布)(λπ.二、分布函数的定义及求解－重点：会求离散型或连续型随机变量的分布函数)(x F .三、连续型随机变量及其概率密度1. 概率密度的定义及性质－重点2. 三种重要的连续型分布－重点：均匀分布),(b a U ，指数分布，正态分布),(2σμN .注意：正态分布),(2σμN 与标准正态分布)1,0(N 的关系－引理；标准正态分布)1,0(N 的上α分位点αz 的定义。
第三章 多维随机变量及其分布一、二维随机变量的分布函数的定义及性质二、二维离散型随机变量的联合分布律及二维连续型随机变量的联合概率密度及性质－重点三、会求条件概率密度)/(/x y f X Y 和)/(/y x f Y X ；四、二维离散型随机变量的边缘分布律及二维连续型随机变量的边缘概率密度－重点五、相互独立的随机变量的判断方法－重点六、随机变量函数的分布1. 一维随机变量函数的分布－重点2. 二维随机变量函数的分布：Y X Z +=，{}Y X Z ,m ax =，{}Y X Z ,min =第四章 随机变量的数字特征一、会求随机变量及其函数的数学期望及方差、掌握期望和方差的性质－重点二、记住常见分布的数学期望及方差－重点三、协方差、相关系数、矩的概念及计算、不相关的定义第五章 大数定律及中心极限定理一、契比雪夫不等式及其等价形式二、中心极限定理：定理4、定理5、定理6第六章 样本及抽样分布一、统计量的定义及常用的统计量－重点二、)(2n χ分布、)(n t 分布、),(21n n F 分布的定义、构造及上α分位点的定义－重点三、来自正态总体的抽样分布（P158-P160）：定理1、定理2、定理3为重点，了解定理4。
概率论与数理统计复习提纲
概率论与数理统计复习提纲概率论与数理统计总复习第⼀讲随机事件及其概率⼀随机事件，事件间的关系及运算 1.样本空间和随机事件 2.事件关系,运算和运算律⑴事件的关系和运算⑶运算律:交换律,结合律,分配律；对偶律: B A B A ?=?,B A B A ?=?；⼆概率的定义和性质 1.公理化定义(P7)2.概率的性质(P8.五个) ⑴)(1)(A P A P -=；⑵)()()()(AB P B P A P B A P -+=?；3.古典概型和⼏何概型4.条件概率 )()()|(A P AB P A B P =三常⽤的计算概率的公式1.乘法公式 )()()()()(B A P B P A B P A P AB P ==2.全概率公式和贝叶斯公式(P17-20.) 四事件的独⽴性1.定义:A 和B 相互独⽴ )()(B P A B P =或)()()(B P A P AB P ?=，2.贝努利试验在n 重贝努利试验中，事件=k A {A 恰好发⽣k 次})0(n k ≤≤的概率为：k n nk n k p p C A P --=)1()(第⼆讲随机变量及其概率分布⼀随机变量及其分布函数1.随机变量及其分布函数 )()(x X P x F ≤=)(+∞<<-∞x2.分布函数的性质(P35.四个)⑴0)(lim =-∞→x F x ；1)(lim =+∞→x F x ；(常⽤来确定分布函数中的未知参数)⑵)()()(a F b F b X a P -=≤<(常⽤来求概率) ⼆离散型随机变量及其分布律1.分布律2.常⽤的离散型分布三连续型随机变量 1.密度函数 ?∞-=xdt t f x F )()(2.密度函数的性质(P39.七个) ⑴1)(=?+∞∞-dx x f ；（常⽤来确定密度函数中的参数）⑵?=≤adx x f b X a P )()(；（计算概率的重要公式）⑶对R x ∈?，有0)(==c X P (换⾔之,概率为0的事件不⼀定是不可能事件). 3.常⽤连续型分布重点:正态分布:)0,(21)(22)(>=--σσµσπσµ都是常数，x ex f标准正态分布)1,0(N :2221)(x ex -=π四随机变量函数的分布1.离散情形设X 的分布律为则)(X g Y =的分布律为2.连续情形设X 的密度函数为)(x f X ,若求)(X g Y =的密度函数,先求Y 的分布函数,再通过对其求导,得到Y 的密度函数。
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)
概率论与数理统计复习资料知识点总结
《概率论与数理统计》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）BA AB 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）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 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 P4． 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。
概率统计复习提纲(百度文库)解析
《概率论与数理统计》总复习提纲第一块随机事件及其概率内容提要基本内容：随机事件与样本空间，事件的关系与运算，概率的概念和基本性质，古典概率，几何概率，条件概率，与条件概率有关的三个公式，事件的独立性，贝努里试验.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.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：随机试验的所有可能结果组成的集合称为的样本空间记为Ω；试验的每一个可能结果，即Ω中的元素，称为样本点，记为.（3）随机事件：在一定条件下，可能出现也可能不出现的事件称为随机事件，简称事件；也可表述为事件就是样本空间的子集，必然事件（记为）和不可能事件（记为）.2、事件的关系与运算（1）包含关系与相等：“事件发生必导致发生”，记为或；且.（2）互不相容性：；互为对立事件且.（3）独立性：（1）设为事件，若有，则称事件与相互独立. 等价于：若().（2）多个事件的独立：设是n个事件，如果对任意的，任意的，具有等式，称个事件相互独立．3、事件的运算（1）和事件（并）：“事件与至少有一个发生”，记为.（2）积事件（交）：“事件与同时发生”，记为或.（3）差事件、对立事件(余事件)：“事件发生而不发生”，记为称为与的差事件；称为的对立事件；易知：.4、事件的运算法则1) 交换律：，；2) 结合律：，；3) 分配律：，；4) 对偶(De Morgan)律：，，可推广5、概率的概念（1）概率的公理化定义：（2）频率的定义：事件在次重复试验中出现次，则比值称为事件在次重复试验中出现的频率，记为，即.（3）统计概率：称为事件的（统计）概率.在实际问题中，当很大时，取（4）古典概率：若试验的基本结果数为有限个，且每个事件发生的可能性相等，则（试验对应古典概型）事件发生的概率为：.（5）几何概率：若试验基本结果数无限，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），“在区域中随机地取一点落在区域中”这一事件发生的概率为：.（6）主观概率：人们根据经验对该事件发生的可能性所给出的个人信念.6、概率的基本性质（1）不可能事件概率零：＝0.（2）有限可加性：设是n个两两互不相容的事件，即＝，（），则有＝＋.（3）单调不减性：若事件，且.（4）互逆性：且.（5）加法公式：对任意两事件，有－；此性质可推广到任意个事件的情形.（6）可分性：对任意两事件，有，且7、条件概率与乘法公式（1）条件概率：设是两个事件，即，则称为事件发生的条件下事件发生的条件概率．（2）乘法公式：设且则称为事件的概率乘法公式.8、全概率公式与贝叶斯(Bayes)公式（1）全概率公式：设是的一个划分，且，，则对任何事件，有称为全概率公式.（2）贝叶斯(Bayes)公式：设是的一个划分，且，则对任何事件，有称为贝叶斯公式或逆概率公式.9、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．也叫做“成功—失败”试验,“成功”的概率常用表示，其中＝“成功”.（2）把重复独立地进行次，所得的试验称为重贝努里试验，记为．（3）把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．以上三种贝努里试验统称为贝努里概型．（4）中成功次的概率是：其中.疑难分析1、必然事件与不可能事件必然事件是在一定条件下必然发生的事件，不可能事件指的是在一定条件下必然不发生的事件.它们都不具有随机性，是确定性的现象，但为研究的方便，把它们看作特殊的随机事件.2、互逆事件与互斥（不相容）事件如果两个事件与必有一个事件发生，且至多有一个事件发生，则、为互逆事件；如果两个事件与不能同时发生，则、为互斥事件.因而，互逆必定互斥，互斥未必互逆.区别两者的关键是：当样本空间只有两个事件时，两事件才可能互逆，而互斥适用与多个事件的情形.作为互斥事件在一次试验中两者可以都不发生，而互逆事件必发生一个且只发生一个.3、两事件独立与两事件互斥两事件、独立，则与中任一个事件的发生与另一个事件的发生无关，这时；而两事件互斥，则其中任一个事件的发生必然导致另一个事件不发生，这两事件的发生是有影响的，这时.可以用图形作一直观解释.在图1.1左边的正方形中，图1.1，表示样本空间中两事件的独立关系，而在右边的正方形中，，表示样本空间中两事件的互斥关系.4、条件概率与积事件概率是在样本空间内，事件的概率，而是在试验增加了新条件发生后的缩减的样本空间中计算事件的概率.虽然、都发生，但两者是不同的，一般说来，当、同时发生时，常用，而在有包含关系或明确的主从关系时，用.如袋中有9个白球1个红球，作不放回抽样，每次任取一球，取2次，求：（1）第二次才取到白球的概率；（2）第一次取到的是白球的条件下，第二次取到白球的概率.问题（1）求的就是一个积事件概率的问题，而问题（2）求的就是一个条件概率的问题.5、全概率公式与贝叶斯(Bayes)公式当所求的事件概率为许多因素引发的某种结果，而该结果又不能简单地看作这诸多事件之和时，可考虑用全概率公式，在对样本空间进行划分时，一定要注意它必须满足的两个条件.贝叶斯公式用于试验结果已知，追查是何种原因（情况、条件）下引发的概率.第二块随机变量及其分布内容提要基本内容：随机变量，随机变量的分布的概念及其性质，离散型随机变量的概率分布，连续型随机变量的概率分布，常见随机变量的分布，随机变量函数的分布.1、随机变量设是随机试验的样本空间，如果对于试验的每一个可能结果，都有唯一的实数与之对应，则称为定义在上的随机变量，简记为.随机变量通常用大写字母等表示.2、离散型随机变量及其分布列如果随机变量只能取有限个或可列个可能值，则称为离散型随机变量.如果的一切可能值为，并且取的概率为，则称为离散型随机变量的概率函数（概率分布或分布律）.也称分布列，常记为其中.常见的离散型随机变量的分布有：（1）两点分布（0-1分布）：记为，分布列为或（2）二项分布：记为，概率函数（3）泊松分布，记为，概率函数泊松定理设是一常数，是任意正整数，设，则对于任一固定的非负整数，有.当很大且很小时，二项分布可以用泊松分布近似代替，即，其中（4）超几何分布：记为，概率函数，其中为正整数，且.当很大，且较小时，有（5）几何分布：记为，概率函数.3、分布函数及其性质分布函数的定义：设为随机变量，为任意实数，函数称为随机变量的分布函数.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）有界性；（2）单调性如果，则；（3）右连续，即；（4）极限性；（5）完美性.4、连续型随机变量及其分布分布如果对于随机变量的分布函数，存在非负函数，使对于任一实数，有，则称为连续型随机变量.函数称为的概率密度函数.概率密度函数具有以下性质：（1）；（2）；（3）；（4）；（5）如果在处连续，则.常用连续型随机变量的分布：（1）均匀分布：记为，概率密度为分布函数为（2）指数分布：记为，概率密度为分布函数为（3）正态分布：记为，概率密度为，相应的分布函数为当时，即时，称服从标准正态分布.这时分别用和表示的密度函数和分布函数，即具有性质：①.②一般正态分布的分布函数与标准正态分布的分布函数有关系：.5、随机变量函数的分布（1）离散型随机变量函数的分布设为离散型随机变量，其分布列为(表2-2)：表2-2…………则任为离散型随机变量，其分布列为(表2-3)：表2-3…………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为离散型随机变量，概率密度为，则的概率密度有两种方法可求.1）定理法：若在的取值区间内有连续导数，且单调时，是连续型随机变量，其概率密度为.其中是的反函数.2）分布函数法：先求的分布函数然后求.疑难分析1、随机变量与普通函数随机变量是定义在随机试验的样本空间上，对试验的每一个可能结果，都有唯一的实数与之对应.从定义可知：普通函数的取值是按一定法则给定的，而随机变量的取值是由统计规律性给出的，具有随机性；又普通函数的定义域是一个区间，而随机变量的定义域是样本空间.2、分布函数的连续性定义左连续或右连续只是一种习惯.有的书籍定义分布函数左连续，但大多数书籍定义分布函数为右连续. 左连续与右连续的区别在于计算时，点的概率是否计算在内.对于连续型随机变量，由于，故定义左连续或右连续没有什么区别；对于离散型随机变量，由于，则定义左连续或右连续时值就不相同，这时，就要注意对定义左连续还是右连续.第三块多维随机变量及其分布内容提要基本内容：多维随机变量及其分布函数二维离散型随机变量的联合分布列，二维连续型随机变量的联合分布函数和联合密度函数，边际分布，随机变量的独立性和不相关性，常用多维随机变量，随机向量函数的分布.1、二维随机变量及其联合分布函数为n维(n元)随机变量或随机向量.联合分布函数的定义设随机变量,为随机向量的联合分布函数二维联合分布函数具有以下基本性质：（1）单调性是变量或的非减函数；（2）有界性；（3）极限性（3）连续性关于右连续，关于也右连续；（4）非负性对任意点，若，则.式表示随机点落在区域内的概率为：.2、二维离散型随机变量及其联合分布列如果二维随机变量所有可能取值是有限对或可列对，则称为二维离散型随机变量.设为二维离散型随机变量,它的所有可能取值为将或表3.1称为的联合分布列.表3.1……┇┇…………┇┇…┇………┇┇…┇…联合分布列具有下列性质：（1）；（2）.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,使得二维随机变量的分布函数对任意实数有，则称是二维连续型随机变量，称为的联合密度函数（或概率密度函数）.联合密度函数具有下列性质：（1）非负性对一切实数，有；（2）规范性；（3）在任意平面域上，取值的概率；（4）如果在处连续，则.4、二维随机变量的边缘分布设为二维随机变量，则称分别为关于和关于的边缘（边际）分布函数.当为离散型随机变量，则称分别为关于和关于的边缘分布列.当为连续型随机变量，则称分别为关于和关于的边缘密度函数.5、二维随机变量的条件分布（了解）（1）离散型随机变量的条件分布设为二维离散型随机变量，其联合分布律和边缘分布列分别为，则当固定，且时，称为条件下随机变量的条件分布律.同理，有（2）连续型随机变量的条件分布设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：.则当时，在和的连续点处，在条件下，的条件概率密度函数为.同理，.6、随机变量的独立性设及分别是的联合分布函数及边缘分布函数.如果对任何实数有则称随机变量与相互独立.设为二维离散型随机变量，与相互独立的充要条件是.设为二维连续型随机变量，与相互独立的充要条件是对几乎一切实数，有.7、两个随机变量函数的分布设二维随机变量的联合概率密度函数为，是的函数，则的分布函数为.（1）的分布若为离散型随机变量，联合分布列为，则的概率函数为：或.若为连续型随机变量，概率密度函数为，则的概率函数为：.（2）的分布若为连续型随机变量，概率密度函数为，则的概率函数为：.8．最大值与最小值的分布则9．数理统计中常用的分布（1）正态分布：（2）：（3）：（4）：疑难分析1、事件表示事件与的积事件，为什么不一定等于？如同仅当事件相互独立时，才有一样，这里依乘法原理.只有事件与相互独立时，才有，因为.2、二维随机变量的联合分布、边缘分布及条件分布之间存在什么样的关系？由边缘分布与条件分布的定义与公式知，联合分布唯一确定边缘分布，因而也唯一确定条件分布.反之，边缘分布与条件分布都不能唯一确定联合分布.但由知，一个条件分布和它对应的边缘分布，能唯一确定联合分布.但是，如果相互独立，则，即.说明当独立时，边缘分布也唯一确定联合分布，从而条件分布也唯一确定联合分布.3、两个随机变量相互独立的概念与两个事件相互独立是否相同？为什么？两个随机变量相互独立，是指组成二维随机变量的两个分量中一个分量的取值不受另一个分量取值的影响，满足.而两个事件的独立性，是指一个事件的发生不受另一个事件发生的影响，故有.两者可以说不是一个问题.但是，组成二维随机变量的两个分量是同一试验的样本空间上的两个一维随机变量，而也是一个试验的样本空间的两个事件.因此，若把“”、“”看作两个事件，那么两者的意义近乎一致，从而独立性的定义几乎是相同的.第四块随机变量的数字特征内容提要基本内容：随机变量的数学期望和方差、标准差及其性质，随机变量函数的数学期望，原点矩和中心矩，协方差和相关系数及其性质.1、随机变量的数学期望设离散型随机变量的分布列为，如果级数绝对收敛，则称级数的和为随机变量的数学期望.设连续型随机变量的密度函数为，如果广义积分绝对收敛，则称此积分值为随机变量的数学期望.数学期望有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若是随机变量，则；对任意个随机变量，有；（4）若相互独立，则；对任意个相互独立的随机变量，有.2、随机变量函数的数学期望设离散型随机变量的分布律为，则的函数的数学期望为，式中级数绝对收敛.设连续型随机变量的密度函数为，则的函数的数学期望为，式中积分绝对收敛.3、随机变量的方差设是一个随机变量，则称为的方差.称为的标准差或均方差.计算方差也常用公式.方差具有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若相互独立，则；对任意个相互独立的随机变量，有；（4）的充要条件是：存在常数，使.4、几种常见分布的数学期望与方差（1）；（2）；（3）；（4）；（5）；（6）；（7）；（8）.5、矩设是随机变量，则称为的阶原点矩.如果存在，则称为的阶中心矩.设是二维随机变量，则称为的阶混合原点矩；称为的阶混合中心矩.6、协方差与相关系数随机变量的协方差为.它是1+1阶混合中心矩，有计算公式：.随机变量的相关系数为.相关系数具有如下性质：（1）；（2）存在常数，使=1，即与以概率1线性相关；（3）若独立，则，即不相关.反之，不一定成立.（4）(Schwarz inequality) 设(X,Y)是二维随机变量,若X与Y的方差都存在,则疑难分析1、随机变量的数字特征在概率论中有什么意义？知道一个随机变量的分布函数，就掌握了这个随机变量的统计规律性.但求得一个随机变量的分布函数是不容易的，而且往往也没有这个必要.随机变量的数字特征则比较简单易求，也能满足我们研究分析具体问题的需要，所以在概率论中很多的应用，同时也刻画了随机变量的某些特征，有重要的实际意义.例如，数学期望反映了随机变量取值的平均值，表现为具体问题中的平均长度、平均时间、平均成绩、期望利润、期望成本等；方差反映了随机变量取值的波动程度；偏态系数、峰态系数则反映了随机变量取值的对称性和集中性.因此，在不同的问题上考察不同的数字特征，可以简单而切实地解决我们面临的实际问题.2、在数学期望定义中为什么要求级数和广义积分绝对收敛？首先，数学期望是一个有限值；其次，数学期望反映随机变量取值的平均值.因此，对级数和广义积分来说，绝对收敛保证了值的存在，且对级数来说，又与项的次序无关，从而更便于运算求值.而由于连续型随机变量可以离散化，从而广义积分与无穷级数有同样的意义.要求级数和广义积分绝对收敛是为了保证数学期望的存在与求出.3、相关系数反映了随机变量和之间的什么关系？相关系数是用随机变量和的协方差和标准差来定义的，它反映了随机变量和之间的相关程度.当时，称与依概率1线性相关；当时，称与不相关；当时，又分为强相关与弱相关.4、两个随机变量与相互独立和不相关是一种什么样的关系？（1）若、相互独立，则、不相关.因为、独立，则，故，从而，所以、不相关.（2）若、不相关，则、不一定独立.如：因为，，知、不相关.但，,,知、不独立.（3）若、相关，则、一定不独立.可由反证法说明.（4）若、不相关，则、不一定不相关.因为、不独立，，但若时，可以有，从而可以有、不相关.但是，也有特殊情况，如服从二维正态分布时，、不相关与、独立是等价的.第五块大数定律和中心极限定理内容提要基本内容：切比雪夫（Chebyshev）不等式，切比雪夫大数定律，伯努里（Bernoulli）大数定律，辛钦（Khinchine）大数定律，棣莫弗-拉普拉斯（De Moivre-Laplace）定理，列维-林维德伯格(Levy-Lindberg)定理.1、切贝雪夫不等式设随机变量的数学期望，方差，则对任意正数，有不等式或成立.2、大数定律（1）切贝雪夫大数定律:设是相互独立的随机变量序列，数学期望和方差都存在，且，则对任意给定的，有.（2）贝努利大数定律:设是次重复独立试验中事件发生的次数，是事件在一次试验中发生的概率，则对于任意给定的，有.贝努利大数定理给出了当很大时，发生的频率依概率收敛于的概率，证明了频率的稳定性.(3)辛钦大数定律：设相互独立,服从同一分布的随机变量序列,且(),则对任意给定的，有3、中心极限定律（1）林德贝格-勒维中心极限定理:设是独立同分布的随机变量序列，有有限的数学期望和方差，，.则对任意实数，随机变量的分布函数满足.（2）李雅普诺夫定理:设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：,.记,若存在正数，，使得当时，有, 则随机变量的分布函数对于任意的，满足.当很大时,.（3）德莫佛—拉普拉斯定理:设随机变量服从参数为的二项分布，则对于任意的，恒有.疑难分析1、依概率收敛的意义是什么？依概率收敛即依概率1收敛.随机变量序列依概率收敛于，说明对于任给的，当很大时，事件“”的概率接近于1.但正因为是概率，所以不排除小概率事件“”发生.依概率收敛是不确定现象中关于收敛的一种说法.2、大数定律在概率论中有何意义？大数定律给出了在试验次数很大时频率和平均值的稳定性.从理论上肯定了用算术平均值代替均值，用频率代替概率的合理性，它既验证了概率论中一些假设的合理性，又为数理统计中用样本推断总体提供了理论依据.所以说，大数定律是概率论中最重要的基本定律.3、中心极限定理有何实际意义？许多随机变量本身并不属于正态分布，但它们的极限分布是正态分布.中心极限定理阐明了在什么条件下，原来不属于正态分布的一些随机变量其总和分布渐进地服从正态分布.为我们利用正态分布来解决这类随机变量的问题提供了理论依据.4、大数定律与中心极限定理有何异同？相同点：都是通过极限理论来研究概率问题，研究对象都是随机变量序列，解决的都是概率论中的基本问题，因而在概率论中有重要意义.不同点：大数定律研究当时，概率或平均值的极限，而中心极限定理则研究随机变量总和的分布的极限.古今名言敏而好学，不耻下问——孔子业精于勤，荒于嬉；行成于思，毁于随——韩愈兴于《诗》，立于礼，成于乐——孔子己所不欲，勿施于人——孔子读书破万卷，下笔如有神——杜甫读书有三到，谓心到，眼到，口到——朱熹立身以立学为先，立学以读书为本——欧阳修读万卷书，行万里路——刘彝黑发不知勤学早，白首方悔读书迟——颜真卿书卷多情似故人，晨昏忧乐每相亲——于谦书犹药也，善读之可以医愚——刘向莫等闲，白了少年头，空悲切——岳飞发奋识遍天下字，立志读尽人间书——苏轼鸟欲高飞先振翅，人求上进先读书——李苦禅立志宜思真品格，读书须尽苦功夫——阮元非淡泊无以明志，非宁静无以致远——诸葛亮熟读唐诗三百首，不会作诗也会吟——孙洙《唐诗三百首序》书到用时方恨少，事非经过不知难——陆游问渠那得清如许，为有源头活水来——朱熹旧书不厌百回读，熟读精思子自知——苏轼书痴者文必工，艺痴者技必良——蒲松龄声明访问者可将本资料提供的内容用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本文档及相关权利人的合法权利。
概率统计每章知识点总结
概率统计每章知识点总结第一章：基本概念1.1 概率的概念1.2 随机变量及其分布1.3 大数定律和中心极限定理第一章主要介绍了概率统计的基本概念，包括概率的定义、随机变量的概念以及大数定律和中心极限定律。
概率是描述事物发生可能性的数学工具，是对随机事件发生规律的度量和描述。
随机变量是描述随机现象的数学模型，可以用来描述随机现象的特征和规律。
大数定律和中心极限定律则是概率统计中重要的两个定律，它们描述了大量独立随机变量的和的分布规律。
第二章：随机事件的概率计算2.1 古典概型2.2 几何概型2.3 等可能概型2.4 条件概率2.5 独立性第二章主要介绍了随机事件的概率计算方法，包括古典概型、几何概型、等可能概型、条件概率和独立性。
古典概型是指实验的样本空间是有限的且每个样本点的概率相等的情形，可以直接计算出随机事件的概率。
几何概型是指随机事件的概率与其所在的几何形状有关，需要通过几何方法来计算。
等可能概型是指实验的样本空间是有限的，但不同样本点的概率不一定相等，需要通过计算总体概率来计算随机事件的概率。
第三章：随机变量及其分布3.1 随机变量及其分布3.2 数学期望3.3 方差3.4 常用离散型随机变量的分布3.5 常用连续型随机变量的分布第三章主要介绍了随机变量及其分布的知识，包括随机变量的概念、数学期望、方差以及常用的离散型和连续型随机变量的分布。
随机变量是描述随机现象的数学模型，可以是离散型的也可以是连续性的。
数学期望和方差是描述随机变量分布特征的重要指标，它们能够描述随机变量的集中程度和离散程度。
离散型随机变量常用的分布包括伯努利分布、二项分布、泊松分布；连续型随机变量常用的分布包括均匀分布、正态分布、指数分布等。
第四章：多维随机变量及其分布4.1 二维随机变量4.2 多维随机变量4.3 边际分布4.4 条件分布4.5 独立性第四章主要介绍了多维随机变量及其分布的知识，包括二维随机变量、多维随机变量、边际分布、条件分布和独立性。
自考概率论与数理统计复习要点
《概率论与数理统计》复习概要第一章随机事件与概率1．事件的关系ABAB AB A B A AB2．运算规则（1）A B B A AB BA（2）(A B)CA(BC)(AB)CA(BC)（3）(A B)C(AC)(BC)(AB)C(AC)(BC)（4）A B AB AB A B3．概率P(A)知足的三条公义及性质：（1）0P(A)1（2）P()1（3）对互不相容的事件n n（n能够取）A1,A2,,A n，有P(A k)P(A k)k1k1（4）P()0（5）P(A)1P(A)（6）P(A B)P(A)P(AB)，若A B，则P(B A)P(B)P(A)，P(A)P(B)（7）P(A B)P(A)P(B)P(AB)8）P(ABC)P(A)P(B)P(C)P(AB)P(AC)P(BC)P(ABC)4．古典概型：基本领件有限且等可能5．几何概率6．条件概率（1）定义：若P(B)0，则P(A|B)P(AB)P(B)（2）乘法公式：P(AB)P(B)P(A|B)若B1,B2,B n为齐备事件组，P(B i)0，则有（3）全概率公式：P(A)nP(B i)P(A|B i) i1（4）Bayes公式：P(B k)P(A|B k)P(B k|A) nP(B i)P(A|B i)i17．事件的独立性： A,B独立P(AB)第二章随机变量与概率散布1．失散随机变量：取有限或可列个值，（3）对随意D R，P(XD)p ii:x i D P(A)P(B) （注意独立性的应用）P(Xx i)p i知足（1）p i0，（2）p i=1i2．连续随机变量：拥有概率密度函数f(x)，知足（1）f(x)0,f(x)dx1；-（2）b；（）对随意a R，P(XP(aX b)f(x)dx a)03a3．几个常用随机变量数学期名称与记号散布列或密度方差望两点散布B(1,p)P(X1)p，P(X0)q1p二项式散布C n k p k q nk,kP(X k)0,1,2,n，B(n,p)Poisson散布P()几何散布G(p)平均散布U(a,b)f(x)1,a x b，b a指数散布E()正态散布N(,2)4．散布函数F(x) P(X x)，拥有以下性质（1）F()0,F()1；（2）单一非降；（3）右连续；（4）P(a X b)F(b)F(a)，特别P(Xa)1F(a)；（5）对失散随机变量，F(x)p i；i:x i x（6）对连续随机变量，F(x)xf(x)连续点上，f(t)dt为连续函数，且在F'(x)f(x)5．正态散布的概率计算以(x)记标准正态散布N(0,1)的散布函数，则有（1）(0)；（2）(x)1(x)；（3）若X~N(,2)，则F(x)(x)；（4）以u记标准正态散布N(0,1)的上侧分位数，则P(Xu)1(u) 6．随机变量的函数Y g(X)（1）失散时，求Y的值，将同样的概率相加；（2）X连续，g(x)在X的取值范围内严格单一，且有一阶连续导数，则f Y(y) f X(g1(y))|(g1(y))'|，若不但一，先求散布函数，再求导。
《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。
《概率论与数理统计》复习-知识归纳整理
《概率论与数理统计》复习大纲第一章 随机事件与概率基本概念随机试验E----指试验可在相同条件下重复举行，试验的结果具有多种可能性（每次试验有且仅有一个结果闪现，且事先知道试验可能闪现的一切结果，但不能预知每次试验确实切结果。
样本点ω ---随机试验E的每一具可能闪现的结果样本空间Ω----随机试验E的样本点的全体随机事件-----由样本空间中的若干个样本点组成的集合，即随机事件是样本空间的一具子集。
必然事件---每次试验中必然发生的事件。
不可能事件∅--每次试验中一定不发生的事件。
事件之间的关系包含A⊂B相等A=B对立事件，也称A的逆事件互斥事件AB=∅也称不相容事件A，B相互独立P(AB)=P(A)P(B)例1事件A，B互为对立事件等价于（ D ）A、A，B互不相容B、A，B相互独立C、A∪B＝ΩD、A，B构成对样本空间的一具剖分例2设P(A)=0，B为任一事件，则（C ）A、A=∅B、A⊂BC、A与B相互独立D、A与B互不相容事件之间的运算事件的交AB或A ∩B 例1设事件A、B满足A B¯=∅，由此推导不出(D)A、A⊂BB、A¯⊃B¯C、A B=BD、A B=B例2若事件B与A满足B – A=B，则一定有(B)A、A=∅B、AB=∅C、AB¯=∅D、B=A¯事件的并A∪B事件的差A-B 注意：A-B= A B= A-AB = (A∪B)-BA1,A2,…,An构成Ω的一具完备事件组(或分斥)−−指A1,A2,…,An两两互不相容，且∪i=1nAi=Ω运算法则交换律A∪B=B∪A A∩B=B∩A结合律(A∪B)∪C=A∪(B∪C) (A∩B)∩C=A∩(B∩C)分配律(A∪B)∩C=(AC)∪(BC) (A∩B)∪C=(A∪C)∩(B∪C) 对偶律A∪B=A∩B A∩B=A∪B文氏图事件与集合论的对应关系表记号概率论集合论Ω样本空间，必然事件全集∅不可能事件空集ω基本事件元素A 事件全集中的一具子集A A的对立事件A的补集A⊂B 事件A发生导致事件B发生A是B的子集A=B 事件A与事件B相等A与B相等A∪B 事件A与事件B至少有一具发生A与B的并集AB 事件A与事件B并且发生A与B的交集知识归纳整理A-B事件A 发生但事件B 不发生A 与B 的差集 AB=∅ 事件A 与事件B 互不相容（互斥） A 与B 没有相同的元素古典概型 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。
《概率统计》知识点归纳总结(含答案)
《概率统计》知识点归纳总结1.加法公式结合独立性)()()()()(B P A P B P A P B A P -+=+例如：7.0)(,6.0)(==B P A P88.07.0*6.07.06.0)()()()()(=-+=-+=+B P A P B P A P B A P2. 分布函数的性质P39(其中分布函数)(x F 不是连续函数,非严格意义的单调递增性)3.方差的性质，二项分布）（p n B X ,~,泊松分布）（λπ~Y 的方差2,3.0,4===λp n44.312*97.0*3.0*4*16916)3()4()34(D =+=+=+=-DY DX Y D X D Y X4. ),(~2nN X σμ),N(~X 2σμ正态总体，b]U[a,~X 均匀总体),N(~X 2σμ正态总体,n X D X E 2)(,)(σμ==b]U[a,~X 均匀总体,n a b X D b a X E 12)()(,2)(2-=+=5总体均值()E X 的无偏估计量(系数相加等于1)；P178:12(1)2121X 21X + ；5432151515151X 51X X X X ++++ 6加法公式结合独立性)()()()()(B P A P B P A P B A P -+=⋃减法公式结合独立性)()()()()()(B P A P A P AB P A P B A P -=-=-7.已知随机变量X 的分布律为记X 的分布函数为，则3F = 1 .8.平均值就是数学期望，P59:24; P117:11 9.置信区间10.假设检验中，犯第一类错误的概率就是显著性水平α犯第一类错误的概率，显著性水平α为 0.03，则在原假设 H 0成立的条件下，拒绝H 0的概率为___0.03________接受H 0的概率为______0.97_________ 11.A 和B 互斥（互不相容）,A 和B 对立事件，P9,性质v12.概率等于0的事件，不一定是不可能的事件13.离散型随机变量，联合分布能唯一确定边缘分布，反之不成立14随机变量P143:(3.8)，),1(~t 2n F15.显著性水平α是犯第I 类错误（弃真错误的概率）计算题： 16. 已知概率密度函数，利用概率密度函数求待定系数，分布函数，计算概率概率密度函数为⎩⎨⎧<≥=-0)(3x x Ae x f x 求{}01P X <<17.联合分布求边缘分布，判断独立性，判断是否相关，P7518.已知概率密度求方差（用方差的性质先化简），概率密度用P58:21(2),计算)13(XD19已知离散型随机变量的分布律求参数的最大似然估计值；P176:4(1),答案P6620全概率公式，贝叶斯公式的应用3. 已知一批产品中有95%是合格品，检查产品质量时，一个合格品被误判为次品的概率为0.02，一个次品被误判为合格品的概率是0.03.求（1）任意抽查一个产品，它被判为合格品的概率（2）一个经检查被判为合格的产品确实是合格品的概率．2、设A 表示合格品，A 表示次品，B 表示被检合格，则()0.95,()0.05,()1()0.98,()0.03P A P A P B A P B A P B A ===-== （1） 由全概率公式，得()=()()()()=0.950.98+0.050.03=0.9325P B P A P B A P A P B A +⨯⨯（2）由贝叶斯公式，得()()()()()()()P A P B A P A B P A P B A P A P B A =+=0.950.980.99840.950.980.050.03⨯=⨯+⨯3、某公司有甲、乙、丙三位秘书，让他们把公司文件的45%，40%，15% 进行归档，根据以往的经验，他们工作中出现错误的概率分别为0.01，0.02，0.05.现发现有一份文件归错档，试问该错误最有可能是谁犯的？解：设事件i A 表示“文件由第i 位秘书归档”()1,2,3i =，B 表示“文件归错档”. 依题意，()10.45P A =, ()20.4P A =, ()30.15P A =,()10.01P B A =, ()20.02P B A =,()30.05P B A =由全概率公式可知()()()()()()()112233P B P B A P A P B A P A P B A P A =++0.010.450.020.40.050.15=⨯+⨯+⨯0.02=()()()()1110.010.450.2250.02P B A P A P A B P B ⨯===()()()()2220.020.40.40.02P B A P A P A B P B ⨯===()()()()3330.050.150.3750.02P B A P A P A B P B ⨯===由此可见，这份文件由乙归错档的可能性最大.21. 正态分布计算概率；P59:28 答案P27。
概率统计讲义提纲1
概率统计讲义提纲第一章一、排列组合3.组合：注：0!=1.(1)(2)(1)r nA n n n n r =---+ !rr n n A C r =!()!!n n r r =-二、随机事件及其概率1、概率论是研究随机现象规律性的一门数学学科.2、随机现象是通过随机试验来研究的. 3．样本空间、样本点4、随机事件、基本事件、必然事件、不可能事件5、事件之间的关系及运算律含义：A 发生，则B 一定发生含义：A ,B 至少一个发生，or A 发生或B 发生 含义：A ,B 同时发生，or A 发生且B 发生A ,B 互不相容 (互斥)，含义：A ,B 不同时发生 A 的逆事件或对立事件，含义：A 发生，但B 不发生:,.A B A B A B A B ⋅==(4) 德摩根律 （对偶律）例1、用A 、B 、C 表示如下事件1）A 、B 、C 至少有一个发生 A B C2）A 、B 、C 恰有一个发生 3）A 、B 、C 至多有两个发生 ABC A B C =A B ⊂A B=A B ⋃A B⋂A A B ⋂=∅A A S A A ==∅ 且AB A AB AB -=-=ABC ABC A BC例2、一个工人生产了3个零件，以事件i A 表示他生产的第i 个零件是合格品，i =1,2,3，试用i A （i =1,2,3）表示下列事件：6.频数与频率：在相同的条件下，进行了 n 次试验：7. 概率的统计定义：大量重复同一试验时事件A 发生频率的稳定值。
8. 概率的公理化定义：:)(,,)(,.,满足下列条件如果集合函数的概率件称为事记为赋予一个实数的每一事件对于是它的样本空间是随机试验设⋅P A A P A E S E (1):,()0;对于每一个事件有A P A ≥非负性(2):,()1;S P S =对于必然事件有规范性12(3):,,,,,1,2,, 设是两两互不相容的事件,即对于则有i j A A i j A A i j ≠=∅= 可列可加性1212()()()P A A P A P A =++11()(B );只有第一个零件是合格品22()(B );三个零件中只有一个零件是合格品33(),(B );第一个是合格品但后两个零件中至少有一个次品();4(4)B 三个零件中最多有两个合格品55()(B ).三个零件都是次品11231();B A A A =21231231232();B A A A A A A A A A = 31233()();B A A A = 41234(),B A A A =4123;B A A A = 或51235(),B A A A =5123.B A A A = 或9. 概率的性质： 有限可加性特别，若AB =Φ（互不相容），则()()()P A B P A P B ⋃=+ （3） （减法公式） 特别若B A ⊂，则()()(),()P A BP A P B P B P A-=-≤且对三个事件， 例3、解：（1）（2） P(BA )P(B )P(A )=- （3）).()()()(,)()6(AB P B P A P B A P B A -+= 有对于任意两事件加法公式10()().P ∅=12(2),,,,n A A A 若是两两互不相容的事件则有).()()()(2121n n A P A P A P A A A P +++= ()()().P A B P AP AB -=-(5),()1().A A P A P A =-设是的对立事件则 (4),() 1.对于任一事件A P A ≤123()P A A A 123122313123()()()()()()().P A P A P A P A A P A A P A A P A A A =++---+113211238A,B ,P(B A ).()A B ;()A B;()P(AB ).⊂=设事件的概率分别为和求在下列三种情况下的值与互斥12P(BA )P(B ).==111236.=-=P(BA )P(B A )=-P(B )P(AB )=-113288.=-=概率统计讲义提纲第一章三、古典概型样本点有限（n 个）：等可能性：古典概率： ()=k P A n例1. 甲、乙两人连续赌四次，每次双方赢的机会均相同，求乙连续赢 4 次的概率？解：A ——乙连赢4次k=1所以 P (A )=1/16例2. 有100件同类型同批次的产品，按性能分成两类：甲40件，乙60件。
《概率论与数理统计》(公共)复习提纲
概率论与数理统计（公共课）复习提纲 注：方框标示的内容为重点。
第1章 随机事件及其概率1. 样本点与样本空间、事件的关系与运算；2. 事件的运算规律；(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 =(A ∩C )∪(B ∩C ), (A ∩B )∪C =(A ∪C )∩(B ∪C)3. 事件概率的定义及其性质、古典概型的概率计算；条件概率 P (B |A ) = P (AB ) / P (A )；乘法公式 P (AB ) = P (A )P (B |A ) 或 P (AB ) = P (B )P (A |B )全概率公式 P (B ) = P (A 1)P (B |A 1) + … + P (A n )P (B |A n ) + …n = 2的情形(样本空间被对立事件划分) )|()()|()()(A B P A P A B P A P B P += n = 3的情形 )|()()|()()|()()(332211A B P A P A B P A P A B P A P B P ++=贝叶斯公式(已知事件B 发生后，求其由A i 所引起的概率),...2,1,)|()()|()()()()|(===∑i A B P A P A B P A P B P B A P B A P jj j i i i i事件的独立性 P (AB ) = P (A )P (B )；9．有限事件的两两独立与相互独立；伯努利概型及其概率计算；随机变量及其分布与数字特征1. 常用离散型概率分布两点分布(0-1分布) P { X = x 1 } = p , P { X = x 2 } = 1 – p (0 < p < 1) E (X ) = p , D (X ) = p (1 – p )二项分布 X ~ b (n , p ) n k p p C k X P k n k k n ,...,1,0,)1(}{=-==-E (X ) = np , D (X ) = np (1 – p )泊松分布 X ~ P (λ) ,...2,1,0,!}{===-k e k k X P k λλE (X ) = D (X ) = λ2. 二项分布的泊松近似100,10,!)1(><=≈---n np e k p p C kk n k kn λλλ 3. 随机变量的分布函数(1) 定义：F (x ) = P { X ≤ x };(2) 性质：a. 单调非减；b. F (-∞) = 0、F (+∞) = 1；c. 右连续；4. 常用连续型概率分布均匀分布 X ~ U (a , b )密度函数：b x a a b x f <<-=,1)(，分布函数：⎪⎪⎩⎪⎪⎨⎧≥<≤--<=bx b x a ab a x a x x F ,1,,0)( 2)(a b X E -=， 12)()(2a b X D -= 指数分布 X ~ e(λ)密度函数：0,)(>=-x ex f x λλ，分布函数：⎩⎨⎧>-=-其它,00,1)(x e x F x λ λ1)(=X E ， 21)(λ=X D正态分布 X ~ N (μ, σ2) μ=)(X E ， 2)(σ=X D标准正态分布 X ~ N (0, 1)，E (X ) = 0, D (X ) = 1；5. 随机变量函数 Y = f ( X ) 的分布离散型：列出分布律；连续型：（1）用概率的方法求出函数 Y 的分布函数后，再求其密度函数；（2）如果函数 Y = f (X ) 满足严格单调，则可使用公式直接求 Y 的密度函数： 的反函数为其中)()(,|,)(|))(()(x f y y h y y h y h f y f X Y =<<'=βα6. 随机变量函数 Y = f ( X ) 的数学期望离散型：∑==ii i p x g X g E X E )()]([)(连续型：⎰+∞∞-==x x f x g X g E X E d )()()]([)( 7. 方差的计算D (X ) =E [ X – E (X ) ]2 = E (X 2) – [E (X )]28. 数学期望与方差的性质(E (X ), E (Y ), D (X ), D (Y )均存在)E (aX ± bY ) = aE (X ) ± bE (Y ) D (aX ± bY ) = a 2D (X ) + b 2D (Y )9. 中心极限定理定理3 设随机变量 X 1, X 2, …, X n , … 相互独立，服从同一分布，且 E (X i ) = μ, D (X i ) = σ2, ( i = 1, 2, …)，则)(lim 1x x n n X P n i i n Φ=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤-∑=∞→σμ或),(~2n n N X X n i i σμ ∑= 即n 个随机变量的和的极限分布是正态分布。
概率统计A复习提纲完整ppt
• 两个随机变量的简单函数的分布的计算； P86T22,36
（离散型：和、差、最大最小值；连续型：和）
• 随机变量的期望、方差、相关系数的计算； P110T2,6,7,9,22,29,32,35
• 总体参数的矩估计、最大似然估计、区间估计；P169T2,4(1),11,12,16
• 单一正态总体参数的假设检验；
答疑安排：周一至周五
--- 期末考试试题中，将会有一定数量的直接考查概念理解的题目。
可参考大作业中的部分客观题。
3
2. 领会、掌握如下基本结论或原理： • 随机事件的基本运算，概率的基本性质基本运算公式；
（包括古典求概公式）
• 随机变量分布的基本性质，五种常用的分布及其特点； • 二维随机变量的联合分布、边缘分布、条件分布三者的关系； • 两个独立的连续性随机变量的和的概率密度的计算公式； • 期望、方差及相关系数的基本性质，常用分布的数字特征值； • 一般总体的样本均值与方差的分布，正态总体的常用抽样分布，
单单一一正 正态态总总体体•参参随数数的的机假假设设变检检验验量；；的联合分布、条件分布、相互独立；边缘分布； •数学期望，方差，相关系数，矩； 二维随机变量的分布的基本性质的相关应用；
备择假设，显著性检验，两类易犯的错误，拒绝域，检验统计量；
历随年机考 变题量，随•机校简变园量网单的精分品随布课，程机分“样布概的率本论与分，数位理点统统；计计”量，样本矩，样本方差，抽样分布；
P24T2,3,6,14,19,30
两简个单随 随机机变样量本•的，估简统单计计函量数，量的样分本，布矩无的，计样偏算本；方估差，计抽样，分布有；效估计，置信区间，枢轴量；
二维随机变量的联合分布、边缘分布、条件分布三者的关系；
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《概率论与数理统计》总复习提纲第一块随机事件及其概率内容提要基本内容：随机事件与样本空间，事件的关系与运算，概率的概念和基本性质，古典概率，几何概率，条件概率，与条件概率有关的三个公式，事件的独立性，贝努里试验.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.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：随机试验的所有可能结果组成的集合称为的样本空间记为Ω；试验的每一个可能结果，即Ω中的元素，称为样本点，记为.（3）随机事件：在一定条件下，可能出现也可能不出现的事件称为随机事件，简称事件；也可表述为事件就是样本空间的子集，必然事件（记为）和不可能事件（记为）.2、事件的关系与运算（1）包含关系与相等：“事件发生必导致发生”，记为或；且.（2）互不相容性：；互为对立事件且.（3）独立性：（1）设为事件，若有，则称事件与相互独立. 等价于：若().（2）多个事件的独立：设是n个事件，如果对任意的，任意的，具有等式，称个事件相互独立．3、事件的运算（1）和事件（并）：“事件与至少有一个发生”，记为.（2）积事件（交）：“事件与同时发生”，记为或.（3）差事件、对立事件(余事件)：“事件发生而不发生”，记为称为与的差事件；称为的对立事件；易知：.4、事件的运算法则1) 交换律：，；2) 结合律：，；3) 分配律：，；4) 对偶(De Morgan)律：，，可推广5、概率的概念（1）概率的公理化定义：（2）频率的定义：事件在次重复试验中出现次，则比值称为事件在次重复试验中出现的频率，记为，即.（3）统计概率：称为事件的（统计）概率.在实际问题中，当很大时，取（4）古典概率：若试验的基本结果数为有限个，且每个事件发生的可能性相等，则（试验对应古典概型）事件发生的概率为：.（5）几何概率：若试验基本结果数无限，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），“在区域中随机地取一点落在区域中”这一事件发生的概率为：.（6）主观概率：人们根据经验对该事件发生的可能性所给出的个人信念.6、概率的基本性质（1）不可能事件概率零：＝0.（2）有限可加性：设是n个两两互不相容的事件，即＝，（），则有＝＋.（3）单调不减性：若事件，且.（4）互逆性：且.（5）加法公式：对任意两事件，有－；此性质可推广到任意个事件的情形.（6）可分性：对任意两事件，有，且7、条件概率与乘法公式（1）条件概率：设是两个事件，即，则称为事件发生的条件下事件发生的条件概率．（2）乘法公式：设且则称为事件的概率乘法公式.8、全概率公式与贝叶斯(Bayes)公式（1）全概率公式：设是的一个划分，且，，则对任何事件，有称为全概率公式.（2）贝叶斯(Bayes)公式：设是的一个划分，且，则对任何事件，有称为贝叶斯公式或逆概率公式.9、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．也叫做“成功—失败”试验,“成功”的概率常用表示，其中＝“成功”.（2）把重复独立地进行次，所得的试验称为重贝努里试验，记为．（3）把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．以上三种贝努里试验统称为贝努里概型．（4）中成功次的概率是：其中.疑难分析1、必然事件与不可能事件必然事件是在一定条件下必然发生的事件，不可能事件指的是在一定条件下必然不发生的事件.它们都不具有随机性，是确定性的现象，但为研究的方便，把它们看作特殊的随机事件.2、互逆事件与互斥（不相容）事件如果两个事件与必有一个事件发生，且至多有一个事件发生，则、为互逆事件；如果两个事件与不能同时发生，则、为互斥事件.因而，互逆必定互斥，互斥未必互逆.区别两者的关键是：当样本空间只有两个事件时，两事件才可能互逆，而互斥适用与多个事件的情形.作为互斥事件在一次试验中两者可以都不发生，而互逆事件必发生一个且只发生一个.3、两事件独立与两事件互斥两事件、独立，则与中任一个事件的发生与另一个事件的发生无关，这时；而两事件互斥，则其中任一个事件的发生必然导致另一个事件不发生，这两事件的发生是有影响的，这时.可以用图形作一直观解释.在图1.1左边的正方形中，图1.1，表示样本空间中两事件的独立关系，而在右边的正方形中，，表示样本空间中两事件的互斥关系.4、条件概率与积事件概率是在样本空间内，事件的概率，而是在试验增加了新条件发生后的缩减的样本空间中计算事件的概率.虽然、都发生，但两者是不同的，一般说来，当、同时发生时，常用，而在有包含关系或明确的主从关系时，用.如袋中有9个白球1个红球，作不放回抽样，每次任取一球，取2次，求：（1）第二次才取到白球的概率；（2）第一次取到的是白球的条件下，第二次取到白球的概率.问题（1）求的就是一个积事件概率的问题，而问题（2）求的就是一个条件概率的问题.5、全概率公式与贝叶斯(Bayes)公式当所求的事件概率为许多因素引发的某种结果，而该结果又不能简单地看作这诸多事件之和时，可考虑用全概率公式，在对样本空间进行划分时，一定要注意它必须满足的两个条件.贝叶斯公式用于试验结果已知，追查是何种原因（情况、条件）下引发的概率.第二块随机变量及其分布内容提要基本内容：随机变量，随机变量的分布的概念及其性质，离散型随机变量的概率分布，连续型随机变量的概率分布，常见随机变量的分布，随机变量函数的分布.1、随机变量设是随机试验的样本空间，如果对于试验的每一个可能结果，都有唯一的实数与之对应，则称为定义在上的随机变量，简记为.随机变量通常用大写字母等表示.2、离散型随机变量及其分布列如果随机变量只能取有限个或可列个可能值，则称为离散型随机变量.如果的一切可能值为，并且取的概率为，则称为离散型随机变量的概率函数（概率分布或分布律）.也称分布列，常记为其中.常见的离散型随机变量的分布有：（1）两点分布（0-1分布）：记为，分布列为或（2）二项分布：记为，概率函数（3）泊松分布，记为，概率函数泊松定理设是一常数，是任意正整数，设，则对于任一固定的非负整数，有.当很大且很小时，二项分布可以用泊松分布近似代替，即，其中（4）超几何分布：记为，概率函数，其中为正整数，且.当很大，且较小时，有（5）几何分布：记为，概率函数.3、分布函数及其性质分布函数的定义：设为随机变量，为任意实数，函数称为随机变量的分布函数.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）有界性；（2）单调性如果，则；（3）右连续，即；（4）极限性；（5）完美性.4、连续型随机变量及其分布分布如果对于随机变量的分布函数，存在非负函数，使对于任一实数，有，则称为连续型随机变量.函数称为的概率密度函数.概率密度函数具有以下性质：（1）；（2）；（3）；（4）；（5）如果在处连续，则.常用连续型随机变量的分布：（1）均匀分布：记为，概率密度为分布函数为（2）指数分布：记为，概率密度为分布函数为（3）正态分布：记为，概率密度为，相应的分布函数为当时，即时，称服从标准正态分布.这时分别用和表示的密度函数和分布函数，即具有性质：①.②一般正态分布的分布函数与标准正态分布的分布函数有关系：.5、随机变量函数的分布（1）离散型随机变量函数的分布设为离散型随机变量，其分布列为(表2-2)：表2-2则任为离散型随机变量，其分布列为(表2-3)：表2-3……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为离散型随机变量，概率密度为，则的概率密度有两种方法可求.1）定理法：若在的取值区间内有连续导数，且单调时，是连续型随机变量，其概率密度为.其中是的反函数.2）分布函数法：先求的分布函数然后求.疑难分析1、随机变量与普通函数随机变量是定义在随机试验的样本空间上，对试验的每一个可能结果，都有唯一的实数与之对应.从定义可知：普通函数的取值是按一定法则给定的，而随机变量的取值是由统计规律性给出的，具有随机性；又普通函数的定义域是一个区间，而随机变量的定义域是样本空间.2、分布函数的连续性定义左连续或右连续只是一种习惯.有的书籍定义分布函数左连续，但大多数书籍定义分布函数为右连续. 左连续与右连续的区别在于计算时，点的概率是否计算在内.对于连续型随机变量，由于，故定义左连续或右连续没有什么区别；对于离散型随机变量，由于，则定义左连续或右连续时值就不相同，这时，就要注意对定义左连续还是右连续.第三块多维随机变量及其分布内容提要基本内容：多维随机变量及其分布函数二维离散型随机变量的联合分布列，二维连续型随机变量的联合分布函数和联合密度函数，边际分布，随机变量的独立性和不相关性，常用多维随机变量，随机向量函数的分布.1、二维随机变量及其联合分布函数为n维(n元)随机变量或随机向量.联合分布函数的定义设随机变量,为随机向量的联合分布函数二维联合分布函数具有以下基本性质：（1）单调性是变量或的非减函数；（2）有界性；（3）极限性（3）连续性关于右连续，关于也右连续；（4）非负性对任意点，若，则.式表示随机点落在区域内的概率为：.2、二维离散型随机变量及其联合分布列如果二维随机变量所有可能取值是有限对或可列对，则称为二维离散型随机变量.设为二维离散型随机变量,它的所有可能取值为将或表3.1称为的联合分布列.表3.1…………联合分布列具有下列性质：（1）；（2）.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,使得二维随机变量的分布函数对任意实数有，则称是二维连续型随机变量，称为的联合密度函数（或概率密度函数）.联合密度函数具有下列性质：（1）非负性对一切实数，有；（2）规范性；（3）在任意平面域上，取值的概率；（4）如果在处连续，则.4、二维随机变量的边缘分布设为二维随机变量，则称分别为关于和关于的边缘（边际）分布函数.当为离散型随机变量，则称分别为关于和关于的边缘分布列.当为连续型随机变量，则称分别为关于和关于的边缘密度函数.5、二维随机变量的条件分布（了解）（1）离散型随机变量的条件分布设为二维离散型随机变量，其联合分布律和边缘分布列分别为，则当固定，且时，称为条件下随机变量的条件分布律.同理，有（2）连续型随机变量的条件分布设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：.则当时，在和的连续点处，在条件下，的条件概率密度函数为.同理，.6、随机变量的独立性设及分别是的联合分布函数及边缘分布函数.如果对任何实数有则称随机变量与相互独立.设为二维离散型随机变量，与相互独立的充要条件是.设为二维连续型随机变量，与相互独立的充要条件是对几乎一切实数，有.7、两个随机变量函数的分布设二维随机变量的联合概率密度函数为，是的函数，则的分布函数为.（1）的分布若为离散型随机变量，联合分布列为，则的概率函数为：或.若为连续型随机变量，概率密度函数为，则的概率函数为：.（2）的分布若为连续型随机变量，概率密度函数为，则的概率函数为：.8．最大值与最小值的分布则9．数理统计中常用的分布（1）正态分布：（2）：（3）：（4）：疑难分析1、事件表示事件与的积事件，为什么不一定等于？如同仅当事件相互独立时，才有一样，这里依乘法原理.只有事件与相互独立时，才有，因为.2、二维随机变量的联合分布、边缘分布及条件分布之间存在什么样的关系？由边缘分布与条件分布的定义与公式知，联合分布唯一确定边缘分布，因而也唯一确定条件分布.反之，边缘分布与条件分布都不能唯一确定联合分布.但由知，一个条件分布和它对应的边缘分布，能唯一确定联合分布.但是，如果相互独立，则，即.说明当独立时，边缘分布也唯一确定联合分布，从而条件分布也唯一确定联合分布.3、两个随机变量相互独立的概念与两个事件相互独立是否相同？为什么？两个随机变量相互独立，是指组成二维随机变量的两个分量中一个分量的取值不受另一个分量取值的影响，满足.而两个事件的独立性，是指一个事件的发生不受另一个事件发生的影响，故有.两者可以说不是一个问题.但是，组成二维随机变量的两个分量是同一试验的样本空间上的两个一维随机变量，而也是一个试验的样本空间的两个事件.因此，若把“”、“”看作两个事件，那么两者的意义近乎一致，从而独立性的定义几乎是相同的.第四块随机变量的数字特征内容提要基本内容：随机变量的数学期望和方差、标准差及其性质，随机变量函数的数学期望，原点矩和中心矩，协方差和相关系数及其性质.1、随机变量的数学期望设离散型随机变量的分布列为，如果级数绝对收敛，则称级数的和为随机变量的数学期望.设连续型随机变量的密度函数为，如果广义积分绝对收敛，则称此积分值为随机变量的数学期望.数学期望有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若是随机变量，则；对任意个随机变量，有；（4）若相互独立，则；对任意个相互独立的随机变量，有.2、随机变量函数的数学期望设离散型随机变量的分布律为，则的函数的数学期望为，式中级数绝对收敛.设连续型随机变量的密度函数为，则的函数的数学期望为，式中积分绝对收敛.3、随机变量的方差设是一个随机变量，则称为的方差.称为的标准差或均方差.计算方差也常用公式.方差具有如下性质：（1）设是常数，则；（2）设是常数，则；（3）若相互独立，则；对任意个相互独立的随机变量，有；（4）的充要条件是：存在常数，使.4、几种常见分布的数学期望与方差（1）；（2）；（3）；（4）；（5）；（6）；（7）；（8）.5、矩设是随机变量，则称为的阶原点矩.如果存在，则称为的阶中心矩.设是二维随机变量，则称为的阶混合原点矩；称为的阶混合中心矩.6、协方差与相关系数随机变量的协方差为.它是1+1阶混合中心矩，有计算公式：.随机变量的相关系数为.相关系数具有如下性质：（1）；（2）存在常数，使=1，即与以概率1线性相关；（3）若独立，则，即不相关.反之，不一定成立.（4）(Schwarz inequality) 设(X,Y)是二维随机变量,若X与Y的方差都存在,则疑难分析1、随机变量的数字特征在概率论中有什么意义？知道一个随机变量的分布函数，就掌握了这个随机变量的统计规律性.但求得一个随机变量的分布函数是不容易的，而且往往也没有这个必要.随机变量的数字特征则比较简单易求，也能满足我们研究分析具体问题的需要，所以在概率论中很多的应用，同时也刻画了随机变量的某些特征，有重要的实际意义.例如，数学期望反映了随机变量取值的平均值，表现为具体问题中的平均长度、平均时间、平均成绩、期望利润、期望成本等；方差反映了随机变量取值的波动程度；偏态系数、峰态系数则反映了随机变量取值的对称性和集中性.因此，在不同的问题上考察不同的数字特征，可以简单而切实地解决我们面临的实际问题.2、在数学期望定义中为什么要求级数和广义积分绝对收敛？首先，数学期望是一个有限值；其次，数学期望反映随机变量取值的平均值.因此，对级数和广义积分来说，绝对收敛保证了值的存在，且对级数来说，又与项的次序无关，从而更便于运算求值.而由于连续型随机变量可以离散化，从而广义积分与无穷级数有同样的意义.要求级数和广义积分绝对收敛是为了保证数学期望的存在与求出.3、相关系数反映了随机变量和之间的什么关系？相关系数是用随机变量和的协方差和标准差来定义的，它反映了随机变量和之间的相关程度.当时，称与依概率1线性相关；当时，称与不相关；当时，又分为强相关与弱相关.4、两个随机变量与相互独立和不相关是一种什么样的关系？（1）若、相互独立，则、不相关.因为、独立，则，故，从而，所以、不相关.（2）若、不相关，则、不一定独立.如：因为，，知、不相关.但，,,知、不独立.（3）若、相关，则、一定不独立.可由反证法说明.（4）若、不相关，则、不一定不相关.因为、不独立，，但若时，可以有，从而可以有、不相关.但是，也有特殊情况，如服从二维正态分布时，、不相关与、独立是等价的.第五块大数定律和中心极限定理内容提要基本内容：切比雪夫（Chebyshev）不等式，切比雪夫大数定律，伯努里（Bernoulli）大数定律，辛钦（Khinchine）大数定律，棣莫弗-拉普拉斯（De Moivre-Laplace）定理，列维-林维德伯格(Levy-Lindberg)定理.1、切贝雪夫不等式设随机变量的数学期望，方差，则对任意正数，有不等式或成立.2、大数定律（1）切贝雪夫大数定律:设是相互独立的随机变量序列，数学期望和方差都存在，且，则对任意给定的，有.（2）贝努利大数定律:设是次重复独立试验中事件发生的次数，是事件在一次试验中发生的概率，则对于任意给定的，有.贝努利大数定理给出了当很大时，发生的频率依概率收敛于的概率，证明了频率的稳定性.(3)辛钦大数定律：设相互独立,服从同一分布的随机变量序列,且(),则对任意给定的，有3、中心极限定律（1）林德贝格-勒维中心极限定理:设是独立同分布的随机变量序列，有有限的数学期望和方差，，.则对任意实数，随机变量的分布函数满足.（2）李雅普诺夫定理:设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：,.记,若存在正数，，使得当时，有, 则随机变量的分布函数对于任意的，满足.当很大时,.（3）德莫佛—拉普拉斯定理:设随机变量服从参数为的二项分布，则对于任意的，恒有.疑难分析1、依概率收敛的意义是什么？依概率收敛即依概率1收敛.随机变量序列依概率收敛于，说明对于任给的，当很大时，事件“”的概率接近于1.但正因为是概率，所以不排除小概率事件“”发生.依概率收敛是不确定现象中关于收敛的一种说法.2、大数定律在概率论中有何意义？大数定律给出了在试验次数很大时频率和平均值的稳定性.从理论上肯定了用算术平均值代替均值，用频率代替概率的合理性，它既验证了概率论中一些假设的合理性，又为数理统计中用样本推断总体提供了理论依据.所以说，大数定律是概率论中最重要的基本定律.3、中心极限定理有何实际意义？许多随机变量本身并不属于正态分布，但它们的极限分布是正态分布.中心极限定理阐明了在什么条件下，原来不属于正态分布的一些随机变量其总和分布渐进地服从正态分布.为我们利用正态分布来解决这类随机变量的问题提供了理论依据.4、大数定律与中心极限定理有何异同？相同点：都是通过极限理论来研究概率问题，研究对象都是随机变量序列，解决的都是概率论中的基本问题，因而在概率论中有重要意义.不同点：大数定律研究当时，概率或平均值的极限，而中心极限定理则研究随机变量总和的分布的极限.。