《概率统计》公式符号汇总表及复习策略2版
(完整word)概率统计公式大全(复习重点),推荐文档
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。
属于A而不属于B的部分所构成的事件,称为A与B的差,记为A-B,也可表示为A-AB或者BA,它表示A发生而B不发生的事件。
概率论与数理统计公式
概率论与数理统计公式概率论是一门研究随机现象规律的数学学科,是现代数学的基础之一、而数理统计则是利用概率论的工具和方法,分析和处理统计数据,从而得出推断、估计、决策等信息的科学。
在概率论与数理统计的学习过程中,掌握一些重要的公式是非常关键的。
下面是一些概率论与数理统计中常用的公式:1.概率公式:-加法公式:P(A∪B)=P(A)+P(B)-P(A∩B)-乘法公式:P(A∩B)=P(A)*P(B,A)-条件概率公式:P(A,B)=P(A∩B)/P(B)2.期望与方差公式:-期望:E(X)=∑(x*P(X=x))- 方差:Var(X) = E((X-μ)^2) = ∑((x-μ)^2 * P(X=x))3.常用概率分布及其特征:-二项分布:P(X=k)=C(n,k)*p^k*(1-p)^(n-k)-泊松分布:P(X=k)=(λ^k*e^(-λ))/k!-正态分布:f(x)=(1/(σ*√(2π)))*e^(-((x-μ)^2)/(2*σ^2))4.样本与总体统计量公式:-样本均值:x̄=(∑x)/n-样本方差:s^2=(∑(x-x̄)^2)/(n-1)-样本标准差:s=√(s^2)5.参数估计公式:-点估计:-总体均值估计:μ的点估计为x̄-总体方差估计:σ^2的点估计为s^2-区间估计:-总体均值的置信区间:x̄±Z*(σ/√n)-总体比例的置信区间:p±Z*√((p*(1-p))/n)6.假设检验公式:-均值检验:-单样本均值检验:t=(x̄-μ0)/(s/√n)-双样本均值检验:t=(x̄1-x̄2)/√((s1^2/n1)+(s2^2/n2))-比例检验:-单样本比例检验:z=(p-p0)/√((p0*(1-p0))/n)-双样本比例检验:z=(p1-p2)/√((p*(1-p))*((1/n1)+(1/n2)))以上是概率论与数理统计中一些常用的公式,这些公式为解决问题提供了有力的工具和方法。
概率与统计学的主要公式及解题技巧
一、基本概率公式及分布1、概率常用公式:P(A+B)=P(A)+P(B)-P(AB);P(A-B)=P(A)-P(AB);如A 、B 独立,则P(AB)=P(A)P(B);P(A )=1-P(A);B 发生的前提下A 发生的概率==条件概率:P(A|B)=P(AB)P(B);或记:P(AB)=P(A|B)*P(B);2、随机变量分布律、分布函数、概率密度分布律:离散型X 的取值是x k (k=1,2,3...),事件X=x k 的概率为:P{X=x k }=P k ,k=1,2,3...;---既X 的分布律;X X1X2....xn PkP1P2...pnX 的分布律也可以是上面的表格形式,二者都可以。
分布函数:F(x)=P{X ≤x},-∞ t ∞;是概率的累积!P(x1<X<x2)=F(x2)-F(x1);P{X>a}=1-P{X<a}离散型rv X;F(x)=P{X ≤x}=x k tp k ;(把X<x 的概率累加)连续型rvX ;F(x)=−∞xf x dx ,f(x)称密度函数;既分布函数F(X)是密度函数f(x)和X 轴上的(-∞,x)围成的面积!性质:F(∞)=1;F(−∞)=0;二、常用概率分布:①离散:二项分布:事件发生的概率为p,重复实验n次,发生k 次的概率(如打靶、投篮等),记为B(n,p)P{X=k}=n k p k(1−p)n−k,k=0,1,2,...n;E(X)=np,D(X)=np(1-p);②离散:泊松分布:X~Π(λ)P{X=k}=λk e−λk!,k=0,1,2,...;E(X)=λ,D(X)=λ;③连续型:均匀分布:X在(a,b)上均匀分布,X~U(a,b),则:密度函数:f(x)=1b−a,a t0,其它=0,x x−a b−a1,x≥b,a t分布函数F(x)=−∞x f x dx④连续型:指数分布,参数为θ,f(x)=1θe−xθ,0 t0,其它F(x)=1−e−xθ0,x 0;⑤连续型:正态分布:X~N(μ,σ2),most importment!密度函数f(x),表达式不用记!一定要记住对称轴x=µ,E(X)=µ,方差D(X)=σ2;当µ=0,σ2=1时,N(0,1)称标准正态,图形为:分布函数F(x)为密度函数f(x)从(-∞,x)围成的面积。
概率论与数理统计公式汇总
1 n
n i 1
X
k i
,
k
1,2
(5)样本 k
阶中心距: Bk
Mk
1 n
n
(Xi
i 1
X )k ,k
2,3
3、三大抽样分布
(1) 2 分布:设随机变量 X1, X 2 X n 相互独立,且都服从标准正态分布 N (0,1) ,
则随机变量
2
X
2 1
X
2 2
k
(
x1
,
x2
,
,
xn
)
4.估计量的评价标准
无偏性 设 (x1, x2,L , xn) 为未知参数 的估计量。若 E( )= ,
估
则称 为 的无偏估计量。
计
量
设 1 1(x1, x,2 ,L , xn) 和 2 2 (x1, x,2 ,L , xn) 是 未 知 参
7、协方差和相关系数的性质
(1) Cov( X , X ) D( X ) Cov( X ,Y ) Cov(Y , X )
(2) Cov( X1 X 2 ,Y ) Cov( X1,Y ) Cov( X 2 ,Y )
Cov(aX c,bY d ) abCov( X ,Y )
P(A∪B)=P(A)+P(B)-P(AB) 当 P(AB)=0 时,P(A∪B)=P(A)+P(B) P(A-B)=P(A)-P(AB), B A 时 P(A-B)=P(A)-P(B)
条件概率公式 P(B A) P( AB) P( A)
概率论与数理统计完整公式以及各知识点梳理
的次数是随机变量,设为 X ,则 X 可能取值为 0,1,2,, n 。
P( X
k)
Pn(k )
C
k n
p k q ,
其中
则称随机变量 X 服从参数为 n , p 的二项分布。记为
X ~ B(n, p) 。
当 n 1时, P( X k) p k q1k , k 0.1,这就是(0-1)分
1567014781.doc
概率论与数理统计完整版公式
第 1 章 随机事件及其概率
(1)排列 组合公式
Pmn
m! (m n)!
从 m 个人中挑出 n 个人进行排列的可能数。
Cmn
m! n!(m n)!
从 m 个人中挑出 n 个人进行组合的可能数。
加法原理(两种方法均能完成此事):m+n
(2)加法 和乘法原 理
5° P(X x) F(x) F(x 0) 。
对于离散型随机变量, F(x) pk ; xk x
x
对于连续型随机变量, F (x) f (x)dx 。
0-1 分布
P(X=1)=p, P(X=0)=q
二项分布
(5)八大 分布
在 n 重贝努里试验中,设事件 A 发生的概率为 p 。事件 A 发生
1° 0 F(x) 1, x ;
(4)分布 函数
2° F(x) 是单调不减的函数,即 x1 x2 时,有 F(x1) F (x2) ;
3° F() lim F(x) 0, F() lim F(x) 1;
x
x
4° F(x 0) F(x) ,即 F(x) 是右连续的;
概率论与数理统计核心公式汇总
概率论与数理统计核心公式汇总本文将介绍概率论与数理统计中的核心公式,这些公式在统计学和数据分析中起到至关重要的作用,帮助我们理解和处理各种随机现象和数据集。
通过掌握这些公式,我们可以更好地进行数据分析、推断和预测。
概率论核心公式1. 事件的概率计算公式事件的概率定义为:$P(A)=\\frac{n(A)}{n(S)}$,其中P(A)表示事件A发生的概率,n(A)表示事件A发生的次数,n(S)表示样本空间S中的总次数。
2. 条件概率公式条件概率的计算公式为:$P(A|B)=\\frac{P(A \\cap B)}{P(B)}$,表示事件B发生的条件下事件A发生的概率。
3. 贝叶斯定理贝叶斯定理表示为:$P(A|B)=\\frac{P(B|A)P(A)}{P(B)}$,用于在给定相关事件的条件下计算其余事件的概率。
数理统计核心公式1. 样本均值和总体均值的关系样本均值$\\bar{X}=\\frac{\\sum_{i=1}^{n}X_i}{n}$,总体均值$\\mu=\\frac{\\sum_{i=1}^{N}X_i}{N}$。
当样本容量足够大时,样本均值接近于总体均值。
2. 样本方差和总体方差的关系样本方差$s^2=\\frac{\\sum_{i=1}^{n}(X_i-\\bar{X})^2}{n-1}$,总体方差$\\sigma^2=\\frac{\\sum_{i=1}^{N}(X_i-\\mu)^2}{N}$。
样本方差用于估计总体方差。
3. 中心极限定理中心极限定理表明,样本容量足够大时,样本均值的分布近似服从正态分布,不论总体分布是什么形式。
总结概率论与数理统计中的核心公式为我们提供了处理和分析数据的重要工具。
通过合理运用这些公式,我们可以更准确地理解数据背后的规律并做出有效的决策。
希望本文所介绍的核心公式对您有所帮助。
概率 符号 公式
概率符号公式
概率论中常用的符号和公式包括:
事件符号:通常用大写字母A, B, C等表示事件。
概率符号:用P(A)表示事件A的概率。
并集符号:用∪表示事件的并集,即两个或多个事件至少发生一个。
交集符号:用∩表示事件的交集,即两个或多个事件同时发生。
差集符号:用-表示事件的差集,即事件A发生但事件B不发生。
互斥事件:如果两个事件不能同时发生,则它们是互斥的。
此时,P(A ∪ B) = P(A) + P(B)。
独立事件:如果两个事件的发生与否互不影响,则它们是独立的。
此时,P(A ∩ B) = P(A) × P(B)。
条件概率:P(A|B)表示在事件B发生的条件下,事件A发生的概率。
计算公式为P(A|B) = P(A ∩ B) / P(B)。
贝叶斯公式:P(A|B) = P(B|A) × P(A) / P(B),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。
概率统计实用公式整理专为研究者和实践者准备的指南
概率统计实用公式整理专为研究者和实践者准备的指南概率统计是数学中一门重要的学科,作为一种应用广泛的工具,被广泛应用于各个领域的研究和实践中。
在进行概率统计的计算和分析过程中,掌握一些实用的公式非常重要。
本文将整理一些常用的概率统计公式,旨在为广大研究者和实践者提供一个便捷的指南。
一、基本概率公式在概率统计的计算中,一些基本的概率公式是必不可少的。
下面是几个常用的基本概率公式:1. 乘法定理:P(A∩B) = P(A) × P(B|A)2. 加法定理:P(A∪B) = P(A) + P(B) − P(A∩B)3. 条件概率公式:P(A|B) = P(A∩B) / P(B)4. 全概率公式:P(B) = ∑[i=1, n] P(Ai) × P(B|Ai)二、离散分布公式在离散概率分布中,一些常见的分布公式可以用来描述随机变量的特征。
以下是几个常用的离散分布公式:1. 二项分布公式:P(X=k) = C(n,k) × p^k × (1-p)^(n-k)2. 泊松分布公式:P(X=k) = (e^(-λ) × λ^k) / k!3. 几何分布公式:P(X=k) = (1-p)^(k-1) × p三、连续分布公式连续概率分布描述的是在某一范围内随机变量取值的概率。
以下是几个常用的连续分布公式:1. 正态分布公式:f(x) = (1 / (σ * √(2π))) * e^(-(x-μ)^2 / (2σ^2))2. 指数分布公式:f(x) = λ * e^(-λx)3. 均匀分布公式:f(x) = 1 / (b-a),其中a ≤ x ≤ b四、描述统计公式描述统计是对数据进行整理和总结的过程,以下是一些常用的描述统计公式:1. 均值公式:μ = (x1 + x2 + ... + xn) / n2. 方差公式:σ^2 = [(x1-μ)^2 + (x2-μ)^2 + ... + (xn-μ)^2] / n3. 标准差公式:σ = √(σ^2)五、假设检验公式假设检验是概率统计中用来推断总体特征的方法。
概率论与统计学公式总结【已整理 可直接打印】
概率论与统计学公式总结【已整理可直接打印】1. 概率公式概率 P(A) = n(A) / n(S),其中 n(A) 表示事件 A 发生的次数,n(S) 表示样本空间中所有可能事件发生的次数。
2. 条件概率公式事件 B 在事件 A 已经发生的条件下发生的概率,表示为P(B|A),计算公式为P(B|A) = P(A∩B) / P(A),其中P(A∩B) 表示事件 A 和事件 B 同时发生的概率。
3. 独立事件公式如果事件 A 和事件 B 相互独立,则事件 A 发生与否不会对事件 B 发生的概率产生影响,表示为P(A∩B) = P(A) * P(B)。
4. 期望值公式离散型随机变量 X 的期望值E(X) = ΣxP(X=x),其中 x 表示可能的取值,P(X=x) 表示 X 取值为 x 的概率。
5. 方差公式离散型随机变量 X 的方差Var(X) = Σ(x-E(X))^2 * P(X=x),其中 x 表示可能的取值,E(X) 表示随机变量 X 的期望值。
6. 正态分布公式正态分布的概率密度函数为f(x) = (1 / (σ * √(2π))) * exp(-(x-µ)^2 / (2σ^2)),其中 µ表示均值,σ 表示标准差。
7. 中心极限定理对于一个总体中的任意样本,样本均值的分布接近正态分布,当样本容量足够大时,均值的分布越接近正态分布。
8. 置信区间公式无偏样本的均值x的置信水平为 1-α 的置信区间为 [x - Z * (σ/√n), x + Z * (σ/√n)],其中x表示样本均值,Z 表示标准正态分布的分位数,σ 表示总体标准差,n 表示样本容量。
9. 假设检验公式在给定总体参数假设的条件下,进行样本均值的假设检验,计算统计量的值,与临界值进行比较,判断是否拒绝原假设。
10. 线性回归公式通过最小二乘法确定线性回归方程,表示为y = β₀ + β₁x₁ + β₂x₂ + ... + βₙxₙ,其中 y 表示因变量,x₁, x₂, ..., xₙ 表示自变量,β₀, β₁, β₂, ..., βₙ 表示回归系数。
概率统计公式大全复习重点
概率统计公式大全复习重点Company number:【0089WT-8898YT-W8CCB-BUUT-202108】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,为不可能事件。
不可能事件()的概率为零,而概率为零的事件不一定是不可能事件;同理,必然事件(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。
概率统计公式大全
概率统计公式大全概率统计是研究随机现象及其规律性的一门学科,其核心就是用数学方法来描述和分析随机现象。
在概率统计的理论体系中,有很多重要的公式和定理,下面对一些常用的公式进行介绍。
1.概率公式:(1)加法规则:P(A∪B)=P(A)+P(B)-P(A∩B),其中A和B为事件,P(A)和P(B)分别是事件A和事件B发生的概率,P(A∩B)表示事件A和事件B同时发生的概率。
(2)乘法规则:P(A∩B)=P(A)×P(B,A),其中P(A∩B)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,P(B,A)表示在事件A发生的条件下事件B发生的概率。
2.条件概率公式:(1)贝叶斯定理:P(A,B)=P(B,A)×P(A)/P(B),其中P(A,B)表示在事件B发生的条件下事件A发生的概率,P(B,A)表示在事件A发生的条件下事件B发生的概率,P(A)和P(B)分别是事件A和事件B发生的概率。
(2)全概率公式:P(B)=ΣP(Ai)×P(B,Ai),其中B是一个事件,Ai是样本空间的一个划分,即Ai是互不相容且并集为样本空间的一组事件。
3.期望公式:(1) 离散型随机变量的期望:E(X) = ΣxiP(X=xi),其中X是一个离散型随机变量,xi是X的取值,P(X=xi)是X取值为xi的概率。
(2) 连续型随机变量的期望:E(X) = ∫xf(x)dx,其中X是一个连续型随机变量,f(x)是X的概率密度函数。
4.方差公式:(1) 离散型随机变量的方差:Var(X) = Σ(xi-E(X))^2P(X=xi),其中Var(X)表示随机变量X的方差,xi是X的取值,E(X)是X的期望,P(X=xi)是X取值为xi的概率。
(2) 连续型随机变量的方差:Var(X) = ∫(x-E(X))^2f(x)dx,其中Var(X)表示随机变量X的方差,E(X)是X的期望,f(x)是X的概率密度函数。
概率统计公式大全
概率统计公式大全概率统计是一门研究事件发生的可能性及其规律性的学科。
它以概率论为基础,通过概率模型和统计方法对随机现象进行建模、分析和预测。
在概率统计中,有很多重要的公式和定理,下面将简单介绍几个常用的公式。
1.加法原理加法原理是计算多个事件并集概率的基本方法,它表述为:如果A和B是两个事件,那么它们的并集事件的概率可以表示为P(A∪B)=P(A)+P(B)-P(A∩B)。
2.乘法原理乘法原理是计算多个事件交集概率的基本方法,它表述为:如果A和B是两个事件,那么它们的交集事件的概率可以表示为P(A∩B)=P(A)*P(B,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。
3.条件概率条件概率是指在其中一事件已经发生的条件下,另一事件发生的概率。
条件概率可以表示为P(A,B)=P(A∩B)/P(B),其中P(B)不为0。
4.全概率公式全概率公式是计算事件的概率的重要方法,它表述为:如果B1、B2、..、Bn是一组互不相容的事件,且它们的并集构成了样本空间S,那么对于任意事件A,可以表示为P(A)=P(A,B1)*P(B1)+P(A,B2)*P(B2)+...+P(A,Bn)*P(Bn)。
5.贝叶斯定理贝叶斯定理是利用条件概率和全概率公式来计算事件的概率的重要方法,它表述为:如果B1、B2、..、Bn是一组互不相容的事件,且它们的并集构成了样本空间S,那么对于任意事件A,可以表示为P(Bi,A)=P(A,Bi)*P(Bi)/(P(A,B1)*P(B1)+P(A,B2)*P(B2)+...+P(A,Bn)*P(Bn))。
6.期望值期望值是度量随机变量平均取值的重要统计量,它可以表示为E(X)=∑x*P(X=x),其中x为随机变量X的取值,P(X=x)为X取值为x的概率。
7.方差方差是衡量随机变量取值的波动性的统计量,它可以表示为Var(X)= E((X - E(X))^2),其中E(X)为随机变量X的期望值。
概率论与数理统计完整公式以及各知识点梳理
设 为样本空间, A 为事件,对每一个事件 A 都有一个实数 P(A),若满 足下列三个条件: 1° 0≤P(A)≤1, 2° P(Ω ) =1 3° 对于两两互不相容的事件 A1 , A 2 ,…有
P Ai P( Ai ) i 1 i 1
常称为可列(完全)可加性。 则称 P(A)为事件 A 的概率。 1° 1 , 2 n , 2° P( 1 ) P( 2 ) P( n )
X x1, x 2,, xk , | P( X xk ) p1, p 2,, pk , 。
显然分布律应满足下列条件: (1) pk 0 , k 1,2, , (2) k 1
p
k
1
。
设 F ( x) 是随机变量 X 的分布函数,若存在非负函数 f ( x) ,对任意实数 x ,有 (2)连续 型随机变 量的分布 密度
F ( ) lim F ( x) 0 ,
x
F ( ) lim F ( x) 1 ;
x
F ( x 0) F ( x) ,即 F ( x) 是右连续的; P( X x) F ( x) F ( x 0) 。
xk x
x
对于离散型随机变量, F ( x)
P ( AB) 为事件 A 发生条件下,事 P ( A)
件 B 发生的条件概率,记为 P( B / A)
P ( AB) 。 P ( A)
(13)乘法 公式
条件概率是概率的一种,所有概率的性质都适合于条件概率。 例如 P(Ω /B)=1 P( B /A)=1-P(B/A) 乘法公式: P( AB) P( A) P( B / A) 更一般地,对事件 A1,A2,…An,若 P(A1A2…An-1)>0,则有
《概率论与数理统计》完整公式以及知识点归纳
x
x
4° F(x 0) F(x) ,即 F(x) 是右连续的;
5° P(X x) F(x) F(x 0) 。
对于离散型随机变量, F(x) pk ; xk x
x
对于连续型随机变量, F (x) f (x)dx 。
0-1 分布
P(X=1)=p, P(X=0)=q
二项分布
(5)八大 分布
常称为可列(完全)可加性。
则称 P(A)为事件 A 的概率。
(8)古典 概型
1° 1, 2 n ,
2°
P(1 )
P( 2
)
P( n
)
1 n
。
设任一事件 A ,它是由1, 2 m 组成的,则有
P(A)=(1 ) (2 ) (m ) = P(1 ) P(2 ) P(m )
m n
则
P(Bi / A)
P(Bi )P( A / Bi )
n
,i=1,2,…n。
P(Bj )P(A/ Bj )
j 1
此公式即为贝叶斯公式。
P(Bi ) ,( i 1,2 ,…,n ),通常叫先验概率。P(Bi / A) ,( i 1 ,2 ,…,
第 3 页 共 27 页
(17)伯努 利概型
n ),通常称为后验概率。贝叶斯公式反映了“因果”的概率规律,并作出了
n
A Bi
2°
i1 ,
则有
P(A) P(B1)P(A | B1) P(B2)P(A | B2) P(Bn)P(A | Bn) 。
设事件 B1, B2 ,…, Bn 及 A 满足
1° B1, B2 ,…, Bn 两两互不相容, P(Bi) >0, i 1,2,…, n ,
《概率统计》公式符号汇总表及复习策略
《概率统计》公式、符号汇总表及各章要点及复习策略 (共4页) 第一章均独立。
与与与此时独立与B A B A B A B P A P AB P B A B P AB P B A P ,,);()()( )()()( (1)⋅=⇔=)()()()( )()()()()( )3()(1)( )()( A B )()()( )()()()()( )()()()( )2(11A P B P B A P A B P B P B A P B P B A P A P A P A P B P A P AB P A P B A P A P A B P B P B A P AB P AB P B P A P B A P i i i n n ⋅=⋅++⋅=-=-⊆-=-⋅=⋅=-+=第二、三章 一维随机变量及分布:X , i P , )(x f X , )(x F X二维随机变量及分布:),(Y X , ij P , ),(y x f , ),(y x F*注意分布的非负性、规范性(1)边缘分布:如:∑=j ij i p P ,⎰+∞∞-=dy y x f x f X ),()((2)独立关系:J I IJ P P P Y X =⇔独立与 或)()()(y f x f y x f Y X =,),,(11n X X 与),,(21n Y Y 独立),,(11n X X f ⇒与),,(21n Y Y g 独立(3)随机变量函数的分布(离散型用点点对应法、连续型用分布函数法)一维问题:已知X 的分布以及)(X g Y =,求Y 的分布二维问题:已知),(Y X 的分布,求Y X Z +=、{}Y X M ,m ax =、{}Y X N ,m in =的分布-*⎰⎰+∞∞-+∞∞--=-=dy y y z f dx x z x f z f Z ),(),()(M 、N 的分布--------离散型用点点对应法、连续型用分布函数法第四章 (1)期望定义:离散:∑=i i i p x X E )( 连续:⎰⎰⎰+∞∞-+∞∞-+∞∞-==dxdy y x xf dx x xf X E ),()()( 方差定义:)()(]))([()(222X E X E X E X E X D -=-=离散:∑-=i i i p X E x X D 2))(()( 连续:⎰+∞∞--=dx x f X E x X D X )())(()(2协方差定义:)()()())]())(([(),(Y E X E XY E Y E Y X E X E V X COV -=--=相关系数定义:)()(),(Y D X D Y X COV XY =ρK 阶原点矩定义:)( K k X E ∆μ K 阶中心矩定义:]))([( K k X E X E -∆σ(2)性质:C C E =)( ;)()(X CE CX E = ;)()()(Y E X E Y X E ±=±;)()( )(Y E X E Y X XY E 独立与 0)(=C D ;)()(2X D C CX D = ;)()( 2)(Y D X D Y X Y X COV Y D X D Y X D +±+=±独立与),()()()(),()()(,Y bdD Y X COV bc ad X acD dY cX bY aX COV +++=++)( 1≤XY ρ ; {}11=+=⇔=b aX Y p XY ρX 与Y 独立 0=⇒XY ρ 即X 与Y 线性无关,但反之不然 。
概率统计公式大全(精编文档).doc
布
泊松分布是二项分布的极限分布(np=λ,n
→∞)。
即 P( )
超几何 分布
P( X
k)
CMk
•
C nk N M
,
k
0,1,2, l
CNn
l min(M , n)
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)。
P(X k) qk1 p, k 1,2,3, ,其中 p≥0,q=1-p。
x
F (x) f (x)dx ,
(2) 则称 X 为连续型随机变量。 f (x) 称为 X 的概率密度函数
连续型 或密度函数,简称概率密度。
随机变
密度函数具有下面 4 个性质:
量的分 1° f (x) 0 ,
布密度 2°
f (x)dx 1
,
3°
P( x1
X
x2)
x2
f
(x)dx
,
x1
4° 若f (x)在点x处连续,则有 F ' (x) f (x) 。
为 A 。它表示 A 不发生的事件。互斥未必对立。
②运算:
结合率:A(BC)=(AB)C A∪(B∪C)=(A∪B)∪C
分配率:(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)
∪(BC)
德摩根率: i1 Ai i1 Ai
AB AB,AB AB
(7)
设 为样本空间, A 为事件,对每一个事件 A 都有
而概率为 1 的事件也不一定是必然事件。
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): A B
如果同时有 A B,B A ,则称事件 A 与事件 B 等价,
- 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》公式、符号汇总表及各章要点及复习策略 (共4页)第一章均独立。
与与与此时独立与B A B A B A B P A P AB P B A B P AB P B A P ,,);()()( )()()( (1)⋅=⇔=)()()()( )()()()()( )3()(1)( )()( A B )()()( )()()()()( )()()()( )2(11A P B P B A P A B P B P B A P B P B A P A P A P A P B P A P AB P A P B A P A P A B P B P B A P AB P AB P B P A P B A P i i i n n ⋅=⋅++⋅=-=-⊆-=-⋅=⋅=-+=ΛY第二、三章一维随机变量及分布:X , i P , )(x f X , )(x F X 二维随机变量及分布:),(Y X , ij P , ),(y x f , ),(y x F *注意分布的非负性、规范性 (1)边缘分布:如:∑=jij i p P ,⎰+∞∞-=dy y x f x f X ),()((2)独立关系:J I IJ P P P Y X =⇔独立与 或)()()(y f x f y x f Y X =,),,(11n X X Λ与),,(21n Y Y Λ独立),,(11n X X f Λ⇒与),,(21n Y Y g Λ独立(3)随机变量函数的分布(离散型用点点对应法、连续型用分布函数法) 一维问题:已知X 的分布以及)(X g Y =,求Y 的分布二维问题:已知),(Y X 的分布,求Y X Z +=、{}Y X M ,m ax =、{}Y X N ,m in =的分布- ⎰⎰+∞∞-+∞∞--=-=dy y y z f dx x z x f z f Z ),(),()(M 、N 的分布--------离散型用点点对应法、连续型用分布函数法 第四章(1)期望定义:离散:∑=iii px X E )(连续:⎰⎰⎰+∞∞-+∞∞-+∞∞-==dxdy y x xf dx x xf X E ),()()(方差定义:)()(]))([()(222X E X E X E X E X D -=-=离散:∑-=ii ip X E xX D 2))(()(连续:⎰+∞∞--=dx x f X E x X D X )())(()(2协方差定义:)()()())]())(([(),(Y E X E XY E Y E Y X E X E V X COV -=--= 相关系数定义:)()(),(Y D X D Y X COV XY =ρK 阶原点矩定义:)( K k X E ∆μ K 阶中心矩定义:]))([( K k X E X E -∆σ (2)性质:C C E =)( ;)()(X CE CX E = ;)()()(Y E X E Y X E ±=±;)()( )(Y E X E Y X XY E 独立与 0)(=CD ;)()(2X D C CX D = ;)()( 2)(Y D X D Y X Y X COV Y D X D Y X D +±+=±独立与),()()()(),()()(,Y bdD Y X COV bc ad X acD dY cX bY aX COV +++=++)(1≤XY ρ ; {}11=+=⇔=b aX Y p XY ρX 与Y 独立 0=⇒XY ρ 即X 与Y 线性无关,但反之不然 。
⎰∑+∞∞-==dxx f x g X g E p x g X g E ii i )()())(( ; )())((⎰⎰∑∑+∞∞-+∞∞-==dxdy y x f y x g Y X g E p y x g Y X g E jiij j i ),(),()),(( ; ),()),((第五章(1)设μ=)(X E ,2)(σ=X D ,则:{}221εσεμ-≥≤-X p ,亦即:{}22εσεμ≤≥-X p(2)设n X X ,,1Λ独立同分布则)(n X −→−P)()()(i n X E X E = ; nn A −→−P)(A p (3)若X ~),(p n B 则:当n 足够大时npqnp X - 近似服从 )1,0(N ;(4) 设n X X ,,1Λ独立同分布,并设μ=)(i X E ,2)(σ=i X D则:当n 足够大时 nX n σμ-)( 近似服从 )1,0(N第六章(1)设n X X ,,1Λ是来自总体X 的样本,μ=)(X E ,2)(σ=X D 样本均值:∑==ni i n X n X 1)(1 ,μ=)()(n X E ,nX D n 2)()(σ= 样本方差:][11)(1112)(212)(2∑∑==--=--=n i n i n i n i X n X n X X n S ,22)(σ=S E)(n X −→−P μ ,2B −→−P 2σ ,2S −→−P 2σ 样本K 阶原点矩∑==n i k i k X n A 11−→−P总体K 阶原点矩)( k k X E =μ(2)2212n X X ++=Λχ (i X 是来自)1,0(N 的简单样本)nY X t =(X ~)1,0(N ,Y ~)(2n χ,X 与Y 独立)21//n Y n X F =(X ~)(12n χ,Y ~)(22n χ,X 与Y 独立) (3)设n X X ,,1Λ是来自),(2σμN 的简单样本则 :n X n σμ-)( ~ )1,0(N ,nS X n μ-)(~ )1(-n t ,22)1(σS n -~)1(2-n χ,)(n X 与2S 独立 第七章参数估计的问题:),(θx F X 的形式为已知,θ未知待估 参数θ的置信度为1—α的置信区间概念参数估计方法:(1)矩估计(2)最大似然估计似然函数:离散:{}{}n x X P x X P L ===Λ1)(θ连续:)()()(1n X X x f x f L Λ=θ(3)单正态总体μ、2σ的区间估计(见课本P 137页表7—1)点估计评选标准:无偏性,有效性,相合性 。
( )(n X 、2S 分别是μ、2σ的无偏、相合估计量 ) 第八章参数假设检验的问题:),(θx F X 的形式为已知,θ未知待检 假设检验的 I 类(弃真)错误 、∏类(取伪)错误的概念 显著性水平为α的显著性检验概念单正态总体μ、2σ显著性检验方法:(见课本P 151页表8—2,P 154页表8—3) *七个常用分布(见课本P 82页表4—1 补充超几何分布) 正态分布),(2σμN 的性质: (1)σμ-X ~ )1,0(N , b aX +~),(22σμa b a N + ,3σ原则(2)i X ~ ),(2i i N σμ,i X 之间相互独立, 则:ini i Xc ∑=1~ ),(2121ini iin i ic c N σμ∑∑==第一章~ 第八章题型总结(一)计算或应用题1.概率计算题(如:练习册P3—二2,期中练习一)概率应用题(如:练习册P8—三1、2,期中练习二、三)2. 一、二维联合、边缘分布,独立性一维分布(如:练习册P18—三2、3、4、5、6 )已知联合求边缘(如:练习册P26—二2、3, 期中练习四,六,十)已知边缘求联合(如:练习册P25—二1,期中练习九)3. 期望、方差、协方差、相关系数(如:练习册P31—二1,练习册P34—三2、3, 期中练习五)4.中心极限定理(如:练习册第五章练习二, 期中练习八)5.统计学三大分布(如:练习册第五章练习一、二,P46—三1、2)6.矩估计、似然估计、区间估计(如:练习册P54—二1、2、3, P45—二1、3、4, )7.点估计评选标准(如:练习册第七章练习三,P54—4)8.参数假设检验(如:练习册P57—二1、2、3,P55—二1、2、3 )(二)证明题(如:练习册P10—五, P35—四,P40—三,P44—二3 ,P46—四,P47—二1,期中练习十一,综合练习中的证明题)(三)概念题认真复习《概率统计》公式、符号汇总表多做练习册的选择题、填空题《概率统计》期中练习 (共5页)))/((),(),(:,3.0)(2.0)(B A A p B A p B A p B A B p A p ⋃⋃-==相互独立。
试求、事件,一。
设。
求该产品的不合格率序的不合格率为,第三道工率为,第二道工序的不合格道工序的不合格率为才是合格品,如果第一道工序都合格的产品情形相互独立,而且三三道工序,它们的工作二。
某产品生产要经过%2 %1%5.0恰有一只新球的概率。
是新球,第一次取出的)已知第二次取出的全(球的概率。
)第二次取出的全是新试求:(只球。
机取出处。
第二次比赛时再随只球,用后放回原随机取出个新球。
第一次比赛时个乒乓球,其中有三。
一个盒子装有2 1 2 246)的分布律如下:,四。
设随机变量(Y X的分布)的独立性;(、)判断的值;()(试求:已知:),min(32,1 32)1/1( Y X Z Y X b a Y X p ====)(,)2( , 0,02),(Y X X XY y x y x e y x f Y X ++-⎩⎨⎧>>=ρρ求:其余)的概率密度为:,五。
设({}Y X p Y X N Y N X 32),3,1(~),2,1(~22>-独立。
求:与六。
设的密度函数,求,(),(相互独立,,七。
设Y X Z a U Y e X Y X +=)0~~θ万台的概率是多少?使用的电话台数不超过)在单位时间内,同时(台数是多少?使用的最大可能的电话)在单位时间内,同时问:(。
内使用电话的概率为万人,每人在单位时间八。
某城市有18.362 1 12.0300?至少应预备多少根钻头的把握使钻头够用,问进行,要求有思考:为保证工程顺利需用两根钻头的概率。
只需一根钻头的概率;米的井。
求:现要打一口深度为以米为单位)服从止所钻透的地层厚度,(钻头直到磨损报废为九。
设钻头的寿命%99*)2()1(2000 )1000(e X不相关却不独立,与试验证:其它)的密度为:,十。
设(Y X 010 ,1),(⎩⎨⎧><≤=x x y y x f Y X时成立。
等号当且仅当证明:均存在。
,是常数,是随机变量,十一。
设)(},){()( )()(22X E c c X E X D X E X E c X =-≤十二。
第23页第21题十三。
第90页第4题 , 问题改为:求进货量m ,使平均利润E (Q )最大。