概率论与数理统计整理(一二章)
概率论与数理统计知识点总结!-知识归纳整理
《概率论与数理统计》 第一章随机事件及其概率§1.1 随机事件一、给出事件描述，要求用运算关系符表示事件： 二、给出事件运算关系符，要求判断其正确性： §1.2 概率古典概型公式：P （A ）=所含样本点数所含样本点数ΩA 实用中经常采用“罗列组合”的想法计算补例1：将n 个球随机地放到n 个盒中去，问每个盒子恰有1个球的概率是多少？解：设A ：“每个盒子恰有1个球”。
求：P(A)=？Ω所含样本点数：n n n n n =⋅⋅⋅...Α所含样本点数：!1...)2()1(n n n n =⋅⋅-⋅-⋅n n n A P !)(=∴补例2：将3封信随机地放入4个信箱中，问信箱中信的封数的最大数分别为1、2、3的概率各是多少？解：设A i ：“信箱中信的最大封数为i”。
(i =1,2,3)求：P(A i )=？Ω所含样本点数：6444443==⋅⋅A 1所含样本点数：24234=⋅⋅836424)(1==∴A PA 2所含样本点数：363423=⋅⋅C1696436)(2==∴A PA 3所含样本点数：4433=⋅C161644)(3==∴A P注：由概率定义得出的几个性质：知识归纳整理1、0<P （A ）<12、P(Ω)=1，P(φ) =0 §1.3 概率的加法法则定理：设A 、B 是互不相容事件（AB=φ），则： P （A ∪B ）=P （A ）+P （B ）推论1：设A 1、 A 2、…、 A n 互不相容，则 P(A 1+A 2+...+ A n )= P(A 1) + P(A 2) +…+ P(A n )推论2：设A 1、 A 2、…、 A n 构成完备事件组，则 P(A 1+A 2+...+ A n )=1推论3： P （A ）=1－P （A ）推论4：若B ⊃A ，则P(B －A)= P(B)－P(A) 推论5（广义加法公式）：对任意两个事件A 与B ，有P(A ∪B)=P(A)+P(B)－P(A B) 补充——对偶律：nnAA A A A A ⋂⋂⋂=⋃⋃⋃ (2)121nnAA A A A A ⋃⋃⋃=⋂⋂⋂ (2)121§1.4 条件概率与乘法法则条件概率公式：P(A/B)=)()(B P AB P （P(B)≠0）P(B/A)= )()(A P AB P （P(A)≠0）∴P （AB ）=P （A /B ）P （B ）= P （B / A ）P （A ）有时须与P （A+B ）=P （A ）+P （B ）－P （AB ）中的P （AB ）联系解题。
概率论与数理统计基础知识和公式整理
第1章随机事件与概率A B=不可能同时发生，称事件A与事件互不相容或者互斥。
基本事件是互不相容的。
=且B互为逆事件，或对A BΦ，则(P B-A{ωω21,P) (2=ω1()(|)n i i P A P A B ==∑对全概率公式可以利用课堂讲解过的概率树来描述和分析。
设事件B 1,B 2,…,B n 及1(|))(|i n j j P A B P P A B ==∑此公式即为贝叶斯公式。
1=i 2n第二章随机变量及其分布第三章多维随机变量及其分布的联合分布函数。
通过全平面上的区域来形}1z-)]n第四章随机变量的数字特征第五章大数定律和中心极限定理1（数理统计部分的知识都是从样本和样本统计量出发来分析总体的属性，例如：分析已知分布中的未知参数等）第六章数理统计的基本概念与抽样分布总体有相同分布的随机变量；观察之后，样本就是nk=2,3,.()},max{n n X X =常用统计量的基本性质~X N 221)~S χ-(X-第七章 参数估计,)mA θ=),,2∧m θ 即为参数n12,,,,)(;,)m i m P X θθθθ=∏=∂法的流程。
第八章 假设检验假设检验的基本步骤如下：1. 根据实际问题,提出原假设0H 及备择假设1H ；（可确定是单侧还是双侧假设检验）2. 依据实际条件构造检验统计量；（检验统计量不含任何未知参数且分布已知）3.对于给定显著性水平α，确定检验统计量的拒绝域；（拒绝域要与0H 为真时检验统计量的趋势相反）4.将样本值或者样本统计量的值代入检验统计量的表达式计算实际值，判断是否落入拒绝域，若落入拒绝域，则否定0H ，否则接受0H 。
概率论与数理统计(完整版)
例3. 某接待站在某一周曾接待过12次来访, 且都是在周二 和周四来访. 问是否可以推断接待时间是有规定的?
注
实际推断原理:“小概率事件在一次试 验中实际上是不可能发生的”.
18
二、几何定义:
定义若对于一随机试验 ,每个样本点出现是等可能的 ,
样本空间所含的样本点个数为无穷多个 ,且具有非 零的 ,有限的几何度量 ,即 0m(),则称这一随机 试验是一几何概型的 .
(一) 样本空间:
定义 随机试验E的所有可能结果组成的集合称为 E的样 本空间, 记为S. 样本空间的元素称为样本点，用表示.
样本空间的分类:
1.离散样本空间:样本点为有限个或可列个. 例 E1,E2等. 2.无穷样本空间:样本点在区间或区域内取值. 例 灯泡的寿命{t|t≥0}.
5
(二) 随机事件
A 2,A 2 A 3, A 1A 2, A 1 A 2, A 1A 2A 3, A 1A 2 A 2A 3 A 1A 3.
14
§3. 概率的概念 一. 古典定义：
等可能概型的两个特点:
(1) 样本空间中的元素只有有限个;
(2) 试验中每个基本事件发生的可能性相同.
例如:掷一颗骰子,观察出现的点数.
概率论与数理统计
第一章 概率论的基本概念 前言
1. 确定性现象和不确定性现象. 2. 随机现象: 在个别试验中其结果呈现出不确定性, 在 大量重复试验中其结果又具有统计规律性. 3. 概率与数理统计的广泛应用.
2
§1.随机试验
我们将对自然现象的一次观察或进行一次科学试验 称为试验。
举例:
E1: 抛一枚硬币，观察正(H)反(T) 面 的情 况. E2: 将一枚硬币抛三次,观察正反面出现的情况.
概率论与数理统计复习汇总
第二章：随机变量及其相关内容
基本概念：随机变量、分布律、概率密度、分布函数 随机变量：设随机试验的样本空间为 S = {e}, X = X (e) 是定义在样本空间 S 上的
实值单值函数，称 X = X (e) 为随机变量. ( 样本点到数的对应法则) 随机变量的分类：离散型随机变量和连续型随机变量(基于 r.v. 的取值类型) 离散型随机变量 取值为有限个或者无限可列个的随机变量 分布律 若 r.v. X 的取值为 x1, x2 , , xn , 对应概率值为 p1, p2 , , pn , ，即
(1) 任取一件产品为次品的概率是多少？ (2) 已知取得的产品为次品，求此次品来自甲厂生产的概率是多少？ 2. 人们为了了解一支股票未来一定时期内价格的变化，往往会去分析影响股票 价格的基本因素，比如利率的变化. 现假设人们经分析评估知利率下降的概率为 60%，利率不变的概率为 40%.根据经验，人们估计，在利率下调的情况下，该
一个划分.或者 B1, B2 , , Bn 为一个完备事件组.
全概率公式：设设 S 为随机试验 E 的样本空间， B1, B2, , Bn 为一个完备事件组，
则有 P( A) = P(B1)P( A B1) + P(B2 )P( A B2 ) + + P(Bn )P( A Bn )
Bi 称为原因， A 称为结果；全概率公式由原因找结果； 贝叶斯公式： 由结果找造成的原因
运算规律：德摩根律 AB = A ∪ B; A ∪ B = AB
加法原理： n1 + n2 + + nm (分类)，乘法原理： n1 ⋅ n2 ⋅ ⋅ nm (分步)
概率论与数理统计知识点总结(免费超详细版)
《概率论与数理统计》第一章概率论的基本概念§2．样本空间、随机事件1．事件间的关系 A B 则称事件 B 包含事件 A ，指事件 A 发生必然导致事件 B 发生A B {x x A或x B} 称为事件 A 与事件 B 的和事件，指当且仅当 A ，B 中至少有一个发生时，事件 A B 发生A B {x x A且x B} 称为事件 A 与事件 B 的积事件，指当A，B 同时发生时，事件A B 发生A—B {x x A且x B} 称为事件A 与事件 B 的差事件，指当且仅当 A 发生、B 不发生时，事件 A — B 发生A B ，则称事件 A 与B 是互不相容的，或互斥的，指事件 A 与事件 B 不能同时发生，基本事件是两两互不相容的A B S A B ，则称事件 A 与事件 B 互为逆事件，又称事件 A 与事件 B 互为且对立事件2．运算规则交换律 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）(A B) ( A C)A (B C)(A B)( A C)—徳摩根律 A B A B A B A B§3．频率与概率定义在相同的条件下，进行了n 次试验，在这n 次试验中，事件 A 发生的次数n称为事件AA 发生的频数，比值n nA 称为事件 A 发生的频率概率：设E是随机试验，S 是它的样本空间，对于E 的每一事件A赋予一个实数，记为P（A），称为事件的概率1．概率P( A)满足下列条件：（1）非负性：对于每一个事件 A 0 P( A) 1（2）规范性：对于必然事件S P (S) 11（3）可列可加性：设A1, A2 , ,A是两两互不相容的事件，有nn nP A k ) P( A) ( （n可kk 1 k 1以取）2．概率的一些重要性质：（i ）P( ) 0（ii ）若A1, A2 , ,A是两两互不相容的事件，则有n Pn n( （n可以取）A k ) P( A )kk 1 k 1（iii ）设A，B 是两个事件若 A B ，则P(B A) P( B) P( A) ，P( B) P(A) （iv）对于任意事件A，P(A) 1（v）P( A) 1 P(A) （逆事件的概率）（vi）对于任意事件A，B 有P(A B) P( A) P( B) P( A B)§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件 A 包含k 个基本事件，即{e i } {e } {e }A ，里1 i i k] 2，k是，中某个不同的数，则有i1 i 2, ，i k 1,2 nP( A)j k1P { eij}knA包含的基本事件数S中基本事件的总数§5．条件概率（1）定义：设A,B 是两个事件，且P( A) 0 ，称P( A B)P(B | A) 为事件 A 发生的条P(A)件下事件 B 发生的条件概率（2）条件概率符合概率定义中的三个条件。
概率论与数理统计笔记(重要公式)
r = A 中样本点数 / Ω 中样本点总数 n
= A 所包含的基本事件数 / 基本事件总数 条件概率:
对偶律： A B = A B , P ( AB ) 设 A, B 是两个事件， 且 P(B)>0， 称 P(A|B)= 为 贝叶斯公式: P( B) 在事件 B 发生条件下事件 A 发生的条件概率。显然， 当 P(A)>0 时，P(B|A)=
二项分布 X ~ B(n, p)： 指数分布 X ~ E(λ) 若随机变量 X 只取两个可能值 0, 1, …, n, 而 X 的分布律为 e x x 0 若随机变量 X 的概率密度为 f ( x) k k nk pk =P {X= xk }= Cn p q , k=0, 1, 2, …, n, x0 0
设 X 为离散型随机变量， 可能取值为 x1, x2, …, xk, … 且 P 概率密度的性质： (1) f(x)≥0 {X= xk }= pk, k=1, 2, …, 则称{pk}为 X 的分布律 表格形式: f ( x)dx =1 (2) X x1, x2, …, xk, … b P p1, p2, …, pk, … (3) P{a<X≤b}= F(b)-F(a)= f ( x)dx , a≤b a {pk}性质： (4) 设 x 为 f(x)的连续点，则 F’(x)存在，且 （1） pk≥0, k=1, 2, … F’(x)= f(x) （2） pk =1 均匀分布 X ~ U (a, b) k 1 若随机变量 X 的概率密度为 在求离散型随机变量的分布律时，首先要找出其所有可能 1 , a≤x≤b 的取值，然后再求出每个值相应的概率 ba f(x) = 在实际应用中，有时还要求“X 满足某一条件”这样事件的 概率， 求法就是把满足条件的 xk 所对应的概率 pk 相加可得 0, 其他 则称 X 服从区间[a,b]上的均匀分布，其分布函数为 其分布函数 F(x) = pk xk x 0, x≤a 0-1 分布： xa F(x) = , a<x<b 若随机变量 X 只取两个可能值 0, 1，且 ba P {X=1}=p, P{X=0}=q 1, x≥b 其中 0<p<1, q=1-p, 则称 X 服从 0-1 分布. X 的分布律为 设 X ~ U (a, b), a≤c<d≤b，即[a,b] [c,d]，则 X 0 1 d c P{c≤X≤d}= P q p ba
(完整版)自考概率论与数理统计复习资料要点总结
i《概率论与数理统计》复习提要(1) 0 P(A) 1 ( 2)P( ) 1(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B 1, B 2, B n 为完备事件组，P(B i )0，则有n(3)全概率公式： P(A) P(B i )P(A| B i )i 1(4)Bayes 公式： P(B k | A)P(Bk)P(A|B k)P(B i )P(A|BJi 17.事件的独立性：A, B 独立 P( AB) P(A)P(B)(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，P(X x i ) p i 满足(1) p i 0 , (2) p i =11.事件的关系 AB A B AB A B AAB2.运算规则(1)A B BA ABBA(2) (AB) CA (BC)(AB)C A(BC)(3) (AB)C (AC) (BC) (AB) C (A C)(B(4) AB ABABAB第一章随机事件与概率3•概率P(A)满足的三条公理及性质: C)(4) P() 0 (5) P(A) 1 P(A)(6) P(A B) P(A) P(AB) ，若 A B , 则P(BA) 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)n(3)对互不相容的事件 A l , A 2, , A n ，有P( A k )k 1k 1(n 可以取)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P(A k )(3)对任意D R, P(X D) p:X i D2.连续随机变量：具有概率密度函数f (x)，满足(1) f (x) 0, f(x)dx 1 ；b(2) P(a X b) f (x)dx ； ( 3)对任意a R，P(X a) 0a4.分布函数F(x) P(X x)，具有以下性质(1)F( ) 0, F( ) 1 ; (2)单调非降；(3)右连续；(4)P(a X b) F(b) F(a)，特别P(X a) 1 F(a)；(5)对离散随机变量，F(x) P i ；i:为x(6)对连续随机变量，F(x) x'f(t)dt为连续函数，且在f (x)连续点上，F (x) f (x)5.正态分布的概率计算以(x)记标准正态分布N (0,1)的分布函数，则有(1)(0) 0.5 ; (2)(2 x x) 1 (x) ； (3)若X ~ N(,)，则F(x) ((4)以u记标准正态分布N(0,1)的上侧分位数，则P(X u ) 1 (u )6.随机变量的函数Y g(X)(1)离散时，求Y的值，将相同的概率相加；(2)X连续，g(x)在X的取值范围内严格单调，且有一阶连续导数，则f Y(y) f x(g 1(y)) |(g 1(y))' |单调，先求分布函数，再求导。
概率论与数理统计02-第1章知识小结_28
P(Bi )P( A / Bi)
5. 21
i0
休息，休息一下！
P( A)
5. 全概率公式
n
P ( A ) P ( B i ) P ( A | Bi )
i1
6. Bayes公式
(B1,, Bn是 的 一 个 划 分 ）
P(Bk A)
P(Bk )P( A | Bk )
n
， k 1, 2 , , n
P(Bi )P( A | Bi )
i1
知识小结
（四） 两种概型
用完后放回；第二次比赛时再从中任取3个.
(1) 求第二次取到的球都是新球的概率. (2) 已知第二次取到的球都是新球，求第一次取到的球也都是新球的概率.
解：A”第二次取到的都是新球.”Bi”第一次取到 i 个新球.”
则 B0, B1, B2, B3 是完备事件组.”且
Ci C3i P(Bi ) 9C33 ,
12
C3 P( A / Bi) C93i , i 0,1,2,3.
12
典型例题分析
(1) 由全概率公式
3
3
P(A) P(Bi )P( A / Bi)
i0
i0
Ci C3i 93
C93i
441 0.146
C3 12
C3 12
3025
(2) 由贝叶斯公式
P(B3/ A)
P(B3)P( A / B3)
第一章 随机事件的概率
知识小结
知识小结
（一） 三种运算（加减乘）
运算的作用：提供了复杂事件的表示斱法.
1. 和运算 A B={ / A或 B } 2. 差运算 A B={ / A且 B } 3. 乘积运算 AB={ / A且 B }
概率论与数理统计期末复习重要知识点及公式整理
概率论与数理统计期末复习重要知识点及公式整理2010-2011学年第一学期期末复习资料概率论与数理统计期末复习重要知识点第二章知识点：1.离散型随机变量：设X是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X为一个离散随机变量。
2.常用离散型分布：（1）两点分布（0-1分布）：若一个随机变量XP{X x1}p,P{X x2}1p只有两个可能取值，且其分布为(0p1)，则称X服从x1,x2处参数为p的两点分布。
两点分布的概率分布：两点分布的期望：（2）二项分布：P{X x1}p,P{X x2}1p(0p1) E(X)p；两点分布的方差：D(X)p(1p)若一个随机变量X的概率分布由式给出，则称X服从参数为n,p的二项分布。
记为X~b(n,p)(或B(n,p)).两点分布的概率分布：二项分布的期望：（3）泊松分布：P{x k}Cnp(1p)kkn kkkn k,k0,1,...,n. P{x k}Cnp(1p),k0,1,...,n. E(X)np；二项分布的方差：D(X)np(1p)kP{X k} e若一个随机变量X的概率分布为数为的泊松分布，记为X~P () k!,0,k0,1,2,...，则称X服从参P{X k} e泊松分布的概率分布：泊松分布的期望：4.连续型随机变量：kk!,0,k0,1,2,... E(X)；泊松分布的方差：D(X)如果对随机变量X的分布函数F(x)，存在非负可积函数F(x)P{X x}f(x)，使得对于任意实数x，有xf(t)dt，则称X为连续型随机变量，称f(x)为X的概率密度函数，简称为概率密度函数。
2010-2011学年第一学期期末复习资料5.常用的连续型分布：（1）均匀分布：1,若连续型随机变量X的概率密度为f(x)b a 0,a x b其它，则称X在区间（a,b）上服从均匀分布，记为X~U(a,b)1,均匀分布的概率密度：f(x)b a0,a b2a xb 其它均匀分布的期望：（2）指数分布：E(X)；均匀分布的方差：D(X)(b a)122e xf(x)0若连续型随机变量X的概率密度为x00，则称X服从参数为的指数分布，记为X~e ()x0e xf(x)0指数分布的概率密度：指数分布的期望：（3）正态分布：E(X)1；指数分布的方差：D(X)2f(x)(x)222x若连续型随机变量X的概率密度为则称X服从参数为和22的正态分布，记为X~N(,)(x)222f(x)正态分布的概率密度：正态分布的期望：E(X)xD(X)x22；正态分布的方差：（4）标准正态分布：0,21(x)，2(x)xet22标准正态分布表的使用：（1）x0(x)1(x)2010-2011学年第一学期期末复习资料X~N(0,1)P{a x b}P{a x b}P{a x b}P{a x b}(b)(a)X~N(,),Y2（2）X（3）P{a X b}P{a~N(0,1),F(x)P{X x}P{X故b}(b)(a)x(x) Y2Y定理1：设X~N(,),则X~N(0,1)6.随机变量的分布函数：设X是一个随机变量，称分布函数的重要性质：0F(x) 1P{x1X x2}P{X x2}P{X x1}F(x2)F(x1)x1x2F(x1)F(x2)F()1,F()0F(x)P{X x}为X的分布函数。
(完整版)概率论与数理统计知识点总结
p k q nk
其中 q 1 p,0 p 1, k 0,1,2,, n ，
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) pk q1k ， k 0.1，这就是（0—1）分布，
所以（0-1）分布是二项分布的特例。
泊 松 设随机变量 X 的分布律为
1
(完整版)概率论与数理统计知识点总结
A—B,也可表示为 A—AB 或者 AB ，它表示 A 发生而 B 不发生的事
件.
A、B 同时发生：A B,或者 AB。A B=Ø ，则表示 A 与 B 不可能 同时发生，称事件 A 与事件 B 互不相容或者互斥。基本事件是
互不相容的.
—A 称为事件 A 的逆事件,或称 A 的对立事件，记为 A .它表 示 A 不发生的事件。互斥未必对立。
P(A）= (1) (2 ) (m ) = P(1) P(2 ) P(m )
m n
A所包含的基本事件数 基本事件总数
（6）几 若随机试验的结果为无限不可数并且每个结果出现的可能性均
1
(完整版)概率论与数理统计知识点总结
何概型 匀，同时样本空间中的每一个基本事件可以使用一个有界区域 来描述，则称此随机试验为几何概型。对任一事件 A，
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；
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 .
概型 用 p 表示每次试验 A 发生的概率，则 A 发生的概率为1 p q ，用
概率论与数理统计总复习知识点归纳
例1 设甲、乙、丙三 人的命中率分别为0.3，
P(Ai)—— 先验概率
0.2，0.1。现三人独立地 向目标各射击一次，结果
A1
A2 ........ An
有两次命中目标，试求丙
P(B/Ai)
P(Ai /B ) 后验概率
没有命中目标的概率。
B P(B )
解 记A、B、C分别为甲、乙、丙命中目标，D 为
P(ABC ) P(D )
0.30.20.90.587 0.092
法二 用Bayes公式：
0.1
0.9
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 0.3*0.8+0.7*0.2
C
0.3*0.2
于是有
D
P (C /D )
第二、三章 随机变量及其分布
1.常用分布 B(n,p)，P( )，U[a,b]，E( )，N(, 2 )；
二维均匀、二维正态
2.联合分布和边缘分布
pi• pij,fX(x)f(x,y)dy
j
3.概率的计算 (一维或二维C.R.V.：一重或二重积分)
4.随机变量函数的分布 作图、定限再计算、验证
5 随机变量的独立性
•正态分布的线性组合性质(含正态分布可加性)
若Xi ~ N( i，i 2), i=1,2,...n, 相互独立，则对任
何实数a1, a2, …, an, 有
n
n
n
a X 1 b~ N (a? 1 b,,a 2? 12 ),
aiXi ~N(
a?i i ,,
?a i2
① 分布函数法(C.R.V.)：
《概率论与数理统计》1-123(频率与概率)
某一事件发生
它包含的一个样本点出现
三、事件间的关系及其运算
试验E S(样本空间) 事件A 必然事件 S 基本事件
不可能事件
A(子集) 样本点
1.事件的关系
① 包含、相等关系 A发生必然导致B发生
AB
称事件A包含于B或B包含A.
文氏图(Venn图)
A与B相等 ，记为A=B
例1: 产品有长度、直径、外观三个质量指标，
②(有﹏放﹏回﹏选﹏取﹏)从n个不同元素中有放回地抽取r个，依 次排成一列，称为可重复排列，排列数记
例 将三封信投入4个信箱，问在下列情形下各有几种 投法？ ⑴ 每个信箱至多允许投入一封信。 ⑵ 每个信箱允许投入的信的数量不受限制。 解：⑴ 无重复排列:
⑵ 可重复排列:
Ⅳ. 组合 从n个元素中每次取出r个元素，构成一组，称为从n个 元素里每次取出r个元素的组合。 组合数为 或 几个常用性质：
两两互不相容。
证明 由三公理中的可列可加性，令
则由性质1可得 所以下式成立
如果
则
①
≤
②
，0≤
≤1
(加法公式) 推广：
P11
例1 (天气问题) 某人外出旅游两天，据天气预报知： 第一天下雨的概率为0.6，第二天下雨的概率为0.3， 两天都下雨的概率为0.1 试求下列事件的概率： (1) 第一天下雨，第二天不下雨; (2) 第一天不下雨，第二天下雨; (3) 至少有一天下雨; (4) 两天都不下雨; (5) 至少有一天不下雨
解：设A、B分别表示第一、二天下雨 则 (1) (2) (3) (4) (5)
例2 (订报问题) 在某城市中，共发行三种报纸A，B，
C，订购A，B，C的用户占用分别为45%，35%，30%，
概率论与数理统计第1-3章复习资料
其中λ = n P 例2：在例1的试验中，求： （1）A=“点数和为奇数的概率”； （2）B=“点数不同的概率” 例3：某产品40件，其中有次品3件。现从其中任取3件， 求下列事件的概率： （1）A=“3件中恰有2件次品”；（111/9880） （2）B=“ 3件中至少有1件次品”（633/2964）
xi R , i 1 , , n , n 元函数
F ( x1 ,, xn ) P( X 1 x1 ,, X n xn ) ( 是 X 1 ,, X n ) 的分布函数。
（1）’
注：r, v 取值的规律称 r, v 的分布，分布函数是描 述 r, v 的概分布的主要方法之一。 （二）分布函数的性质： 一维：1、有界性：0 F ( X ) 1
m 4、由公式 P( A) 进行计算 n
（二）几何概型 所求概率为： P（A）=[A所包含的区域度量] / [样本空间的度量] （三）条件概率及其全概率公式 1、条件概率：若P(B) ＞0，则
P( A B) P( AB) P( B)
2、全概率公式 如果B1,…,Bn为一完备事件组，即满足： （1） B1,…,Bn两两不相容i=1, …,n；
例4：一盒装有10只晶体管，其中有4只次品，6只正品，随 机地抽取 1只测试，直到4只次品晶体管都找到。求最后 一只次品晶体管在下列情况发现的概率： （1）A=“在第 5 次测试发现”。（2/105） （2）B=“在第10次测试发现”。（2/5） 例5：将编号1，2，3的三本书任意地排列在书架上，求事件 A=“至少有一本书自左到右的排列顺序号与它的编号相同” 的概率。 例6：五个乒乓球，其中三个旧球，二个新球，每次取一个， 共取两次，以有放回和无放回两种方式求下列事件的概率： （1）A=“两次都取到新球”； （2）B=“第一次取到新球，第二次取到旧球”； （3）C=“至少有一次取到新球”。
《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。
(完整版)概率论与数理统计复习提纲
三、最大似然估计法
1. 直观想法：在试验中，事件A的概率P(A)最大, 则A出现的可能性就大；如果事件A出现了，我们认为事件A的概率最大.
2. 定义 设总体X的概率函数或密度函数为 （或 ），其中参数 未知，则X的样本 的联
(1) 设总体X的概率密度函数为f(x), 则样本的联合密度函数为
(2)设总体X的概率函数为 , 则样本的联合概率函数为
二、统计量
1. 定义
不含总体分布中任何未知参数的样本函数 称为统计量, 是 的观测值.
注：（1）统计量 是随机变量； （2）统计量 不含总体分布中任何未知参数；
（3）统计量的分布称为抽样分布.
3.样本：从总体X中，随机地抽取n个个体 ,称为总体X的容量为n的样本。
注：⑴ 样本 是一个n维的随机变量；⑵ 本书中提到的样本都是指简单随机样本，其满足2个特性：
① 代表性： 中每一个与总体X有相同的分布.② 独立性： 是相互独立的随机变量.
4.样本 的联合分布
设总体X的分布函数为F(x)，则样本 的联合分布函数为
都有确定的实值P(A)，满足下列性质：
(1)非负性： (2)规范性：
(3)有限可加性(概率加法公式)：对于k个互不相容事件 ，有 .
则称P(A)为随机事件A的概率.
2．概率的性质
① ②
③若 ，则
④
注：性质的逆命题不一定成立的.如若 则 。（×）若 ，则 。（×）
三、古典概型的概率计算
古典概型：若随机试验满足两个条件：①只有有限个样本点,
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：
概率论和数理统计知识点总结(超详细版)
《概率论与数理统计》第一章 概率论的基本概念§2．样本空间、随机事件1．事件间的关系 B A ⊂则称事件B 包含事件A ，指事件A 发生必然导致事件B 发生 B }x x x { ∈∈=⋃或A B A 称为事件A 与事件B 的和事件，指当且仅当A ，B 中至少有一个发生时，事件B A ⋃发生B }x x x { ∈∈=⋂且A B A 称为事件A 与事件B 的积事件，指当A ，B 同时发生时，事件B A ⋂发生B }x x x { ∉∈=且—A B A 称为事件A 与事件B 的差事件，指当且仅当A 发生、B 不发生时，事件B A —发生φ=⋂B A ，则称事件A 与B 是互不相容的，或互斥的，指事件A 与事件B 不能同时发生，基本事件是两两互不相容的且S =⋃B A φ=⋂B A ，则称事件A 与事件B 互为逆事件，又称事件A 与事件B 互为对立事件2．运算规则 交换律A B B A A B B A ⋂=⋂⋃=⋃结合律)()( )()(C B A C B A C B A C B A ⋂=⋂⋃⋃=⋃⋃ 分配律 )()B (C A A C B A ⋃⋂⋃=⋂⋃）（ ))(()( C A B A C B A ⋂⋂=⋃⋂ 徳摩根律B A B A A B A ⋃=⋂⋂=⋃ B —§3．频率与概率定义 在相同的条件下，进行了n 次试验，在这n 次试验中，事件A 发生的次数A n 称为事件A 发生的频数，比值n n A 称为事件A 发生的频率概率：设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率 1．概率)(A P 满足下列条件：（1）非负性：对于每一个事件A 1)(0≤≤A P （2）规性：对于必然事件S 1)S (=P（3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===nk kn k kA P A P 11)()( （n 可以取∞）2．概率的一些重要性质： （i ） 0)(=φP（ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===nk kn k kA P A P 11)()(（n 可以取∞）（iii ）设A ，B 是两个事件若B A ⊂，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P（v ）)(1)(A P A P -= （逆事件的概率）（vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=⋃§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同 若事件A包含k个基本事件，即}{}{}{2]1k i i i e e e A =，里个不同的数，则有中某，是，，k k n 2,1i i i ,21 ()中基本事件的总数包含的基本事件数S }{)(1j A n k e P A P kj i ===∑= §5．条件概率（1） 定义：设A,B 是两个事件，且0)(>A P ，称)()()|(A P AB P A B P =为事件A 发生的条件下事件B 发生的条件概率（2） 条件概率符合概率定义中的三个条件1。
概率论与数理统计整理(一二章)
一、随机事件和概率考试内容：随机事件(可能发生可能不发生的事情)与样本空间(包括所有的样本点) 事件的关系(包含相等和积差互斥对立)与运算(交换分配结合德摸根对差事件文氏图) 完全事件组(所有基本事件的集合) 概率的概念概率的基本性质(非负性规范性可列可加性) 古典型概率几何型概率条件概率概率的基本公式事件的独立性独立重复试验考试要求：1．了解样本空间(基本事件空间)的概念，理解随机事件的概念，掌握事件的关系与运算．2．理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率(弄清几何意义)，掌握概率的加法公式(PAUB=PA+PB--PAB)、减法公式(P(A--B)=PA--PAB)、乘法公式(PAB=PA*PB|A)、全概率公式(关键是对S进行正确的划分)，以及贝叶斯公式．3．理解事件的独立性(PAB=PA*PB)的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法．整理重点：1. 随机事件：可能发生也可能给不发生的事件。
0<概率<1。
2. 样本空间：实验中的结果的每一个可能发生的事件叫做实验的样本点，实验的所有样本点构成的集合叫做样本空间，大写字母S表示。
3. 事件的关系：（1）包含：事件A发生必然导致事件B发生，称事件B包含事件A。
（2）相等：事件A包含事件B且事件B包含事件A。
（3）和：事件的并，记为A∪B。
（4）差：A-B称为A与B的差，A发生而B不发生，A-B=A-AB。
（5）积：事件的交，事件A与B都发生，记为AB或A∩B。
（6）互斥：事件A与事件B不能同时发生，AB=空集。
（7）对立：A∪B=S。
4. 集合的运算：（1）交换律：A∪B=B∪A AB=BA (2结合律：（A∪B）∪C=A∪(B∪C)(AB)C=A（B C）(3)分配率：A (B∪C)=AB∪AC A∪(BC)=(A∪B)(A∪C) (4)德*摩根定律5. 完全事件组：如果n个事件中至少有一个事件一定发生，则称这n个事件构成完全事件组（特别地：互不相容的完全事件组）。
《概率论与数理统计》第一章知识点
第一章随机事件及概率1.1随机事件1.1.1随机试验一、人在实际生活中会遇到两类现象：1.确定性现象：在一定条件下实现与之其结果。
2.随机现象（偶然现象）：在一定条件下事先无法预知其结果的现象。
二、随机试验满足条件：1.实验可以在相同条件写可以重复进行；（可重复性）2.事先的所有可能结果是事先明确可知的；（可观察性）3.每次实验之前不能确定哪一个结果一定会出现。
（不确定性）1.1.2样本空间1.样本点：每次随机试验E 的每一个可能的结果，称为随机试验的一个样本点，用w 表示。
2.样本空间：随机试验E 的所有样本点组成的集合成为试验E 的样本空间。
1.1.3随机事件1.随机事件：一随机事件中可能发生也可能不发生的事件称为试验的随机事件。
2.基本事件：试验的每一可能的结果称为基本事件。
一个样本点w 组成的单点集{w}就是随机试验的基本事件。
3.必然事件：每次实验中必然发生的事件称为必然事件。
用Ω表示。
样本空间是必然事件。
4.不可能事件：每次试验中不可能发生的事件称为不可能事件，用空集符号表示。
1.1.4事件之间的关系和运算1.事件的包含及相等“如果事件A 发生必然导致事件B 发生”，则称事件B 包含事件A ，也称事件A 是B 的子事件，记作A B B A ⊃⊂或。
2.事件的和（并⋃）“事件A 与B 中至少有一个事件发生”，这样的事件称为事件A 与B 的和事件，记作B A 。
3.事件的积（交⋂）“事件A 与B 同时发生”，这样的事件称作事件A 与B 的积（或交）事件，记作AB B A 或 。
4.事件的差“事件A 发生而事件B 不发生”，这样的事件称为事件A 与B 的差事件，记作A-B 。
5.事件互不相容（互斥事件）“事件A 与事件B 不能同时发生”，也就是说，AB 是一个不可能事件，即=AB 空集，即此时称事件A 与事件B 是互不相容的（或互斥的）6.对立事件“若A 是一个事件，令A A -Ω=,称A 是A 的对立事件，或称为事件A 的逆事件”事件A 与事件A 满足关系：=A A 空集，Ω=A A 对立事件一定是互斥事件；互斥事件不一定是对立事件。
考研数学(三)概率论与数理统计第一章复习重点总结
2018考研数学（三）：概率论与数理统计第一章复习重点总结一、第一章随机事件与概率1.重点：概率的定义与性质，条件概率与概率的乘法公式，事件之间的关系与运算，全概率公式与贝叶斯公式。
2.难点：随机事件的概率，乘法公式、全概率公式、Bayes公式以及对贝努利概型的事件的概率的计算。
3.常考题型事件、概率与独立性是本章给出的概率论中最基本、最重要的三个概念。
事件关系及其运算是本章的重点和难点，概率计算是本章的重点。
注意事件与概率之间的关系。
本章主要考查随机事件的关系和运算，概率的性质、条件概率和五大公式，注意事件的独立性。
近几年单独考查本章的试题相对较少，但是大多数考题中将本章的内容作为基本知识点来考查。
相当一部分考生对本章中的古典概型感到困难。
大纲只要求对古典概率和几何概率会计算一般难度的题型就可以。
考生不必可以去做这方面的难题，因为古典型概率和几何型概率毕竟不是重点。
应该将本章重点中的有关基本概念、基本理论和基本方法彻底理解和熟练掌握。
【评注】本题是典型的根据全概率公式及条件概率的解题的题型，这类题型一直都是考查的重点。
三、注意事项与线性代数一样，概率也比高数容易，花同样的时间复习概率也更为划算。
但与线代一样，概率也常常被忽视，有时甚至被忽略。
一般的数学考研参考书是按高数、线代、概率的顺序安排的，概率被放在最后，复习完高数和线代以后有可能时间所剩无多；而且因为前两部分分别占60%和20的分值，复习完以后多少会有点满足心理；这些因素都可能影响到概率的复习。
概率这门课如果有难点就应该是“记忆量大”。
在高数部分，公式、定理和性质虽然有很多，但其中相当大一部分都比较简单，还有很多可以借助理解来记忆；在线代部分，需要记忆的公式定理少，而需要通过推导相互联系来理解记忆的多，所以记忆量也不构成难点；但是在概率中，由大量的概念、公式、性质和定理需要记清楚，而且若靠推导来记这些点的话，不但难度大耗时多而且没有更多的用处（因为概率部分考试时对公式定理的内在推导过程及联系并没有什么要求，一般不会在更深的层次上出题）。
- 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)。
一、随机事件和概率
考试内容：随机事件(可能发生可能不发生的事情)与样本空间(包括所有的样本点) 事件的关系(包含相等和积差互斥对立)与运算(交换分配结合德摸根对差事件文氏图) 完全事件组(所有基本事件的集合) 概率的概念概率的基本性质(非负性规范性可列可加性) 古典型概率几何型概率条件概率概率的基本公式事件的独立性独立重复试验
考试要求：1．了解样本空间(基本事件空间)的概念，理解随机事件的概念，掌握事件的关系与运算．2．理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率(弄清几何意义)，掌握概率的加法公式(PAUB=PA+PB--PAB)、减法公式(P(A--B)=PA--PAB)、乘法公式(PAB=PA*PB|A)、全概率公式(关键是对S进行正确的划分)，以及贝叶斯公式．3．理解事件的独立性(PAB=PA*PB)的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法．整理重点：
1. 随机事件：可能发生也可能给不发生的事件。
0<概率<1。
2. 样本空间：实验中的结果的每一个可能发生的事件叫做实验的样本点，实验的所有样本点构成
的集合叫做样本空间，大写字母S表示。
3. 事件的关系：（1）包含：事件A发生必然导致事件B发生，称事件B包含事件A。
（2）相等：
事件A包含事件B且事件B包含事件A。
（3）和：事件的并，记为A∪B。
（4）差：A-B称为A
与B的差，A发生而B不发生，A-B=A-AB。
（5）积：事件的交，事件A与B都发生，记为AB
或A∩B。
（6）互斥：事件A与事件B不能同时发生，AB=空集。
（7）对立：A∪B=S。
4. 集合的运算：（1）交换律：A∪B=B∪A AB=BA (2结合律：（A∪B）∪C=A∪(B∪C)
(AB)C=A（B C）(3)分配率：A (B∪C)=AB∪AC A∪(BC)=(A∪B)(A∪C) (4)德*摩根定律
5. 完全事件组：如果n个事件中至少有一个事件一定发生，则称这n个事件构成完全事件组（特
别地：互不相容的完全事件组）。
6. 概率的概念：用来表示随机事件发生的可能性大小的数，称为随机事件的概率。
7. 概率的基本性质：（1）非负性：任意随机事件的是介于0和1之间的，0《P(A)《1。
（2）规范
性：P（S）=1。
（3）可列可加性：基本事件两两不相容。
8.古典型概率：如果E是一个等可能概型，且它的样本空间S只有有限个样本点，则称E为古典
概型。
等可能概型。
）P（A）=M/N
M为随机事件A中所含有的基本事件数，N为基本事件的总数。
9. 几何型概率：假设试验的基本事件有无穷多个，但可以用某些几何特征来表示总和，设为D，
并且其中一部分，即随机事件A所包含的基本事件数也可以用同样的几何特征来表示，设为d，则随机事件的概率为P（A）=d/D。
10. 条件概率：在基本事件B已经发生的情况下。
基本事件A发生的概率。
P(A|B)=P(AB)/P(B)（B
中A发生的情况只有AB部分）。
11.概率的基本性质：（1）两个互不相容事件的并的概率，等于着两个事件概率的和，即
P(A+B)=P(A)+P(B)。
（2）有限个互不相容的并的概率，等于这些事件概率的和，即P（∑A）
=∑P(A)。
→对立事件的概率的和等于1。
（3）任意两个事件的并的概率等于这两个事件的
概率的和减去这两个事件的交的概率，即P(A∪B)=P(A)+P(B)-P(AB)。
→对于任意三个事件
A,B,C,有P(A∪B∪C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)-P(ABC)。
（4）设事件B的概率
P(B)>0，则在事件B已发生的情况下，事件A的条件概率等于事件AB的概率除以事件B的概
率所得的商，即P(A|B)=P(AB)/P(B)。
→有限个事件的交的概率等于这些事件的概率的乘积，
其中每一事件的概率是在它前面的一切事件都已经发生的条件下的条件概率，即
P(A1A2A3…Ai)=P(A1)P(A1|A2)P(A2|A1A2)…P(Ai|A1A2A3Ai-1) 。
12. 全概率公式与贝叶斯公式：（1）若基本事件两两不相容，且B1∪B2∪B3∪…. ∪Bn=S,则称
B1，B2，B3，….,Bn为S的一个划分。
（2）设事件A当且仅当互不相容的基本事件中至少有一
个发生时才可能发生，已知基本事件概率P(Bi)和事件A在Bi已发生条件下的条件概率P(A|Bi)，则P(A)= ∑P(Bi)P(A|Bi)。
→设B1，B2，…,Bn是样本空间S的一个划分，A为任一事件，则
P(A)= ∑P(Bi)P(A|Bi)。
（3）全概率公式中，概率B(Bi)为假定已知的，他们常是以往的经验总
结，称为先验概率；在已知事件A发生条件下，求出事件Bi发生的概率P(Bi|A)称为后验概率。
（4）设B1，B2，….Bi为S的一个划分，则P(Bi|A)=P(BiA)/P(A)=P(A|Bi)P(Bi)/ ∑P(A|Bi)P(Bi) 。
13. 事件的独立性：事件A是否发生对于事件B是否发生没有影响，则说A与B是独立的，
P(AB)=P(A)P(B)。
→设A1，A2，…An是n事件，如果1<<k1<<k2<<….<<ks<n的s个数有
P(Ak1Ak2…..Aks)=P(Ak1)P(Ak2)….P(Aks)，则称A1，A2，…,An是相互独立的。
14. 独立重复试验：----------
二、随机变量及其概率分布
考试内容：随机变量(事件结果数量化)及其概率分布(取某一个随机变量的概率) 随机变量的分布函数的概念(F(x)=P{X<=x})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密度常见随机变量的概率分布随机变量函数的概率分布
考试要求：1．理解随机变量及其概率分市的概念．理解分布函数F（x）=P{X＜=x}（-∞<x<+∞）的概念及性质．会计算与随机变量有关的事件的概率．2．理解离散型随机变量及其概率分布的概念，掌握0－l分布、二项分布、超几何分布、泊松（Poisson）分布及其应用． 3. 了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布。
4．理解连续型随机变量及其概率密度的概念，掌握均匀分布、正态分布N(μ，σ2)、指数分布及其应用，其中参数为λ（λ>0）的指数分布的密度函数为
5．会求随机变量函数的分布(离散型连续型(注意单调性)：公式法分布函数法)．
整理重点：
1. 随机变量：设随机试验E的样本空间为S，如果对每个样本点e，都有唯一的实数值X（e）与之对应，则称X（e）为S上的随机变量，简记为X。
→随机变量的取值是有限个或可列无穷多个，离散型随机变量；随机变量的取值不能一一列举，非离散型随机变量（连续型随机变量）。
2. 概率分布（分布律）：设离散型随机变量X所有可能取的值为x k,. X取x k 的概率为p k，即P（X= x k ）= p k ,此等式为离散型随机变量X的概率分布。
3. 几种常见的离散型随机变量的分布律：（1）（0—1）分布或两点分布或伯努利分布：P{X=k}=p k(1-p)1-k,k=0,1 (0<p<1) (2) 二项分布X~B(n,p)P{X=K}=C k n p k q n-k,k=0,1,…,n。
→用二项分布计算比较麻烦时，引用→（3）泊松分布X~P(λ)P{X=k}=λk e-λ/k! λ>0，k=0,1,…,n 。
（4）超几何分布X~H(n, M, N)P{X=K}=C M n C N-M n-k/C N n, k=0,1,…,l .n<=N, l=min{M, n}。
4. 随机变量的分布函数：（1）设X为一随机变量，x是任意实数，称F(x)=P(X<=x) 为X的分布函数。
→X取值与（x1,x2】的概率是P{x1<X<x2}=F(x2)-F(x1) (2) 一般的，若离散型随机变量的分布律为p k=P{X=x k} ,k=1,2,… 则F(x)=∑p k。
（3）分布函数的性质：0《X《1，-∞<x<+∞;F(x)单调不减；F（x）右连续。
5. 连续型随机变量及其概率密度函数：设随机变量X的分布函数为F（x）=∫-∞x f(t)dt ，则称X为连续型随机变量，称f（t）为X的概率密度函数。
→特别的对于任意一个确定的a，有连续型随机变量的概率为0。
6. 几种常见的离散型随机变量：（1）均匀分布X ~U【a , b】：f（x）=1/(b-a) a<<x<<b (2)指数分布X~E(λ):f(x)= λe-λx x>0
(3) 正态分布：！！！！！！！！
7. 会求随机变量函数的分布(离散型连续型(注意单调性)：公式法分布函数法)。