自考概率论与数理统计知识点汇总复习资料要点总结
高等教育自学考试 概率论与数理统计期末自学 复习重要知识点
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X 只有两个可能取值，且其分布为12{},{}1(01)P X x p P X x p p ====-<<，则称X 服从12,x x 处参数为p 的两点分布。
两点分布的概率分布：12{},{}1(01)P X x p P X x pp ====-<<两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =-（2）二项分布：若一个随机变量X 的概率分布由式{}(1),0,1,...,.k kn k n P x k C p p k n -==-=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：{}(1),0,1,...,.k k n kn P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =-（3）泊松分布：若一个随机变量X 的概率分布为{},0,0,1,2,...!kP X k ek k λλλ-==>=，则称X 服从参数为λ的泊松分布，记为X~P (λ)泊松分布的概率分布：{},0,0,1,2,...!kP X k ek k λλλ-==>=泊松分布的期望：()E X λ=；泊松分布的方差：()D X λ=4.连续型随机变量：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 ，使得对于任意实数x ，有(){}()xF x P X x f 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。
5.常用的连续型分布： （1）均匀分布：若连续型随机变量X 的概率密度为⎪⎩⎪⎨⎧<<-=其它,0,1)(bx a a b x f ，则称X 在区间（a,b ）上服从均匀分布，记为X~U(a,b)均匀分布的概率密度：⎪⎩⎪⎨⎧<<-=其它,0,1)(b x a a b x f 均匀分布的期望：()2a bE X +=；均匀分布的方差：2()()12b a D X -= （2）指数分布：若连续型随机变量X 的概率密度为00()0xe xf x λλλ-⎧>>=⎨⎩，则称X 服从参数为λ的指数分布，记为X~e (λ)指数分布的概率密度：00()0xe xf x λλλ-⎧>>=⎨⎩指数分布的期望：1()E X λ=；指数分布的方差：21()D X λ=（3）正态分布：若连续型随机变量X的概率密度为22()2()x f x x μσ--=-∞<<+∞则称X 服从参数为μ和2σ的正态分布，记为X~N(μ,2σ)正态分布的概率密度：22()2()x f x x μσ--=-∞<<+∞正态分布的期望：()E X μ=；正态分布的方差：2()D X σ=（4）标准正态分布：20,1μσ==，2222()()x t xx x e dtϕφ---∞=标准正态分布表的使用： （1）()1()x x x φφ<=--（2）~(0,1){}{}{}{}()()X N P a x b P a x b P a x b P a x b b a φφ<≤=≤≤=≤<=<<=-（3）2~(,),~(0,1),X X N Y N μμσσ-=故(){}{}()X x x F x P X x P μμμφσσσ---=≤=≤={}{}()()a b b a P a X b P Y μμμμφφσσσσ----<≤=≤≤=-定理1： 设X~N(μ,2σ),则~(0,1)X Y N μσ-=6.随机变量的分布函数： 设X 是一个随机变量，称(){}F x P X x =≤为X 的分布函数。
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。
高等教育自学考试概率论与数理统计(经管类04183)复习资料
概率论与数理统计(经管类04183)第一章 随机事件与概率复习要点：一、事件的关系和运算 1.常用表示公式A ，B ，C .至少发生一个；都发生；都不发生；恰好发生一个；至多发生一个. 2.互不相容与对立 3.差的不同表示法 4.特殊关系事件间的运算(1),B A ⊂则.,,,不相容与B A ,A B B A B B A A AB ⊂=-=+=Φ (2)A ，B 互不相容，则.,,,,B A B A B A B A B A AB ⊂=+=-=-=ΩΦ 5.对偶律 画图.二、概率的性质 1.基本性质 2.推论(1)有限可加性 (2))(1)(A P A P -=；(3))()()(,A P B P A B P B A -=-⊂；(4))()()()(AB P B P A P B A P -+=+， )()()(AB P A P B A P -=-，)()()()()()()()(ABC P BC P AC P AB P C P B P A P C B A P +---++=++ 三、古典概型注意：1.上下一致；2.不重复，不遗漏；3. 事件复杂时考虑对立事件. 四、条件概率 1.条件概率)()()|(A P AB P A B P =2.乘法公式)()()()(),|()()(AB |C P A |B P A P ABC P A B P A P AB P == 3.全概率公式和贝叶斯公式n A A ,,1 —原因，在先，B —结果，在后.时间上的先后，逻辑上的先后.五、事件的独立性 1.定义 2.等价条件 3.n 个事件 4.性质(1)B ,A B A,B A B A ；；；,,独立性等价；(2)n A A ,,1 相互独立.其中一部分必相互独立；若干个换成对立事件仍相互独立；分成几组，各组的运算结果间相互独立.5.利用独立性计算概率),(()()()()(1)(B A)P P B P A P B P A P B A P -+=-=+)()()(B P A P B A P =- )()1)(11n n A P A P(A A P -=++最终化为事件乘积的概率. 6.n 重贝努利试验概率的计算：1.推算题 独立性→条件概率→互不相容→包含→一般2.文字题 独立性→全、逆概公式→条件概率→古典概型第二章 随机变量及其概率分布复习要点： 一、分布函数 1.定义 2.性质3.计算概率二、离散型随机变量 1.概率分布 2.性质求概率分布：(1)先找X 的取值；(2)求X 取每个值的概率(可少求一个). 3.求概率利用概率的可加性. 4.分布函数三、连续型随机变量 1.密度 2.性质求密度中的参数. 3.求概率 4.分布函数 (1)求参数(2)与密度的关系 四、重要分布 1.0—1分布 2.二项分布 3.泊松分布 4.均匀分布6.正态分布对称性，概率的计算.五、随机变量函数的分布1.离散型Y=g(X).先找Y的取值，再利用X的分布律和可加性计算Y的分布概率.2.连续型了解分布函数法第三章多维随机变量及其概率分布复习要点：一、多维随机变量及其分布函数二、离散型随机变量1.概率分布2.性质求概率分布：(1)先找X、Y的取值，得(X，Y)的取值(交叉)；(2)求(X，Y)取每个值的概率(可少求一个).3.求概率利用概率的可加性.三、连续型随机变量1.密度2.性质求密度中的参数.3.求概率四、边际分布与独立性1.离散型表上作业.2.连续型注意逆问题：由独立性及边际分布找联合分布.五、重要分布1.二维均匀分布知道何时两分量独立.2.二维正态分布知道边际分布.五、两个随机变量的函数的分布1.离散型Z=X+Y，Z=XY.先找Z的取值，再利用(X，Y)的分布律和可加性计算Z的分布概率.2.两个独立连续型随机变量之和的分布了解卷积公式独立的正态分布的线性组合仍为正态分布.第四章随机变量的数字特征复习要点：1.单个随机变量(1)离散型 (2)连续型n nn p x X E ∑=)( ⎰+∞∞-=xf(x)dx X E )(n nn p x g X g E )()]([∑= ⎰+∞∞-=dx x f x g X g E )()()]([n nnp x X E ∑=22)( ⎰+∞∞-=dx x f x X E )()(222.两个随机变量 (1)离散型ij ij i j p y x g Y X,g E ),()]([∑∑= ij ijij p yx XY E ∑∑=)(∙∑∑∑==i ii ijii jpx p x X E )(j j jij ij jp yp y E(Y ∙∑∑∑==)(2)连续型dy dx y x f y x g Y X,g E ⎰⎰+∞∞-+∞∞-=),(),()]([ dy dx y x f y x XY E ⎰⎰+∞∞-+∞∞-=),()(==⎰⎰+∞∞-+∞∞-dxdy y x xf X E ),()(⎰+∞∞-dx x xf X )( ==⎰⎰+∞∞-+∞∞-dxdy y x f y Y E ),()(⎰+∞∞-dy y f y Y )(建议：用边际分布求各分量的期望及其函数的期望. 3.性质 二、方差 1.定义2.等价公式3.性质随机变量的标准化.三、重要分布的期望、方差 四、协方差 1.定义Cov (X ，Y )=E [X -E (X )]E [Y -E (Y )]),(2)()()(Y X Cov Y D X D Y X D ++=+),(2)()()(Y X abCov Y D b X D a bY aX D 22++=+2.等价公式Cov (X ，Y )=E (XY )-E (X )E (Y )3.性质 五、相关系数 1.定义2.性质3.不相关独立⇒E (XY )=E (X )E (Y )⇔⇔+=±)()()(Y D X D Y X D Cov (X ，Y )=0⇔不相关二维正态分布的特殊性.第五章 大数定律与中心极限定理复习要点：一、切贝雪夫不等式二、大数定律 知道结论.三、中心极限定理1.独立同分布序列的中心极限定理).,(~2n1i i n n N X σμ∑=)()(21σμΦn n a a X P ni i -≈≤∑=2.棣—拉中心极限定理X ~B (n ，p ).X ~N (np ，np (1-p )).).)1(()(p np np a a X P --≈≤Φ第六章 统计量及其抽样分布复习要点：一、概念 1.总体与样本 2.统计量定义；样本均值、样本方差、样本标准差、样本矩(了解). 二、几种统计量的分布 1.2χ分布(1)构造；(2)可加性；(3)分位数. 2.t 分布(1)构造；(2)对称性；(3)分位数. 3.F 分布(1)构造；(2)倒数；(3)分位数. 三、正态总体的抽样分布 单正态总体第七章 参数估计本章重点： 一、点估计 1.矩估计一个参数θ.(1))(θμg EX ==；(2) )ˆ(ˆθμg =；(3)解出θˆ. 2.极大似然估计一个参数θ.(1));(θ∏==n1i i x p L ；(2) lnL ；(3)0d dlnL=θ；(4)解出θˆ. 3.评判标准(1)无偏性.2σμ与的无偏估计；(2)有效性；(3)相合性. 二、区间估计1.概念2.单个正态总体的置信区间第八章 假设检验复习要点： 一、概念 1.基本概念2.步骤3.两类错误二、单个正态总体的假设检验 1.已知方差，检验均值 (u ) (1)双边；(2)单边.2.未知方差，检验均值 (t ) (1)双边；(2)单边.3.未知均值，检验方差 (χ2) (1)双边；(2)单边.三、两个正态总体的假设检验 1.已知方差，检验均值 (u ) (1)双边；(2)单边.2.未知方差但相等，检验均值 (t ) (1)双边；(2)单边.3.未知均值，检验方差 (F ) (1)双边；(2)单边.四、大样本下任意总体的参数检验第九章 回归分析复习要点：回归系数和回归常数的估计公式，了解F 检验.。
自考04183概率论与数理统计(经管类)总结2-数理统计部分
高等教育自学考试辅导《概率论与数理统计（经管类）》第二部分数理统计部分专题一统计量及抽样的分布I.考点分析近几年试题的考点分布和分数分布II.内容总结一、总体与样本1.总体：所考察对象的全体称为总体；组成总体的每个基本元素称为个体。
2.样本：从总体中随机抽取n个个体x1,x2…,x n称为总体的一个样本，个数n称为样本容量。
3.简单随机样本如果总体X的样本x1,x2…,x n满足：（1）x1与X有相同分布，i＝1，2，…，n；（2）x1,x2…,x n相互独立，则称该样本为简单随机样本，简称样本。
得到简单随机样本的方法称为简单随机抽样方法。
4.样本的分布（1）联合分布函数：设总体X的分布函数为F（x），x1,x2…,x n为该总体的一个样本，则联合分布函数为二、统计量及其分布1.统计量、抽样分布：设x1,x2…,x n为取自某总体的样本，若样本函数T=T（x1,x2…,x n）不含任何未知参数，则称T为统计量；统计量的分布称为抽样分布。
2.样本的数字特征及其抽样分布：设x1,x2…,x n为取自某总体X的样本，（2）样本均值的性质：①若称样本的数据与样本均值的差为偏差，则样本偏差之和为零，即②偏差平方和最小，即对任意常数C，函数时取得最小值. （5）样本矩（7）正态分布的抽样分布A.应用于小样本的三种统计量的分布的为自由度为n的X2分布的α分位点.求法：反查X 2分布表.III.典型例题[答疑编号918020101]答案：D[答疑编号918020102]答案：[答疑编号918020103]答案：B[答疑编号918020104]答案：1[答疑编号918020105]答案：B[答疑编号918020106]故填20.[答疑编号918020107]解析：[答疑编号918020108]答案：解析：本题考核正态分布的叠加原理和x2－分布的概念。
根据课本P82，例题3－28的结果，若X～N（0，1），Y～N（0,1）,且X与Y相互独立，则X＋Y～N（0＋0，1＋1）＝N（0，2）。
概率论与数理统计知识点总结免费超详细版
概率论与数理统计知识点总结免费超详细版概率论与数理统计是一门研究随机现象数量规律的学科，它在众多领域都有着广泛的应用，如统计学、物理学、工程学、经济学等。
以下是对概率论与数理统计知识点的超详细总结。
一、随机事件与概率（一）随机事件随机事件是指在一定条件下，可能出现也可能不出现的事件。
随机事件通常用大写字母 A、B、C 等来表示。
（二）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，通常用Ω表示。
（三）事件的关系与运算1、包含关系：若事件 A 发生必然导致事件 B 发生，则称事件 B 包含事件 A，记作 A⊂B。
2、相等关系：若 A⊂B 且 B⊂A，则称事件 A 与事件 B 相等，记作A ＝ B。
3、并事件：事件 A 与事件 B 至少有一个发生的事件称为 A 与 B的并事件，记作 A∪B。
4、交事件：事件 A 与事件 B 同时发生的事件称为 A 与 B 的交事件，记作A∩B 或 AB。
5、互斥事件：若事件 A 与事件 B 不能同时发生，则称 A 与 B 为互斥事件，即 AB ＝∅。
6、对立事件：若事件 A 与事件 B 满足 A∪B ＝Ω 且 AB ＝∅，则称 A 与 B 为对立事件，记作 B ＝A。
（四）概率的定义与性质1、概率的古典定义：若随机试验的样本空间Ω只包含有限个基本事件，且每个基本事件发生的可能性相等，则事件 A 的概率为 P(A) ＝n(A) ／n(Ω) ，其中 n(A) 为事件 A 包含的基本事件个数，n(Ω) 为样本空间Ω包含的基本事件个数。
2、概率的统计定义：在大量重复试验中，事件 A 发生的频率稳定在某个常数 p 附近，则称 p 为事件 A 的概率，即 P(A) ＝ p 。
3、概率的公理化定义：设随机试验的样本空间为Ω，对于Ω中的每一个事件 A，都赋予一个实数 P(A)，如果满足以下三个条件：（1）非负性：0 ≤ P(A) ≤ 1 ；（2）规范性：P(Ω) ＝ 1 ；（3）可列可加性：对于两两互斥的事件 A1，A2，，有P(A1∪A2∪）＝ P(A1) ＋ P(A2) ＋，则称 P(A) 为事件 A 的概率。
(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。
概率论与数理统计各章重点知识整理
概率论与数理统计各章重点知识整理 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,当P(A)>0, P(B i )>0时,.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) .2.三个事件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()()()()kki i 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 k k 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)(x x 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 e x 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(z α)=1-α , z 1- α= -z α. 四.随机变量X 的函数Y= g (X)的分布 1.离散型随机变量的函数若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)=⎰⎰∞-∞-y xdudv 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)(=⎰∞∞-dy y 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 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),}{},{jji j j i p p y Y P y Y x X P ∙=====,}{},{∙=====i j i i j i p p x X P y Y x X P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 2 D(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 pn p (1- p)3.X~ π(λ) λ λ4.X~ U(a,b) (a+b)/2 (b-a) 2/125.X 服从参数为θ的指数分布 θ θ26.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 X X 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∑-==ni k i k X X n B 1)(1( k=1,2,…)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 n1X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2 Y S 22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 ,…,X n 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∧∧∧k θθθ,,,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. 二.区间估计1.求参数θ的置信水平为1-α的双侧置信区间的步骤(1)寻找样本函数W=W(X 1 ,X 2 ,…,X n ,θ),其中只有一个待估参数θ未知,且其分布完全确定. (2)利用双侧α分位点找出W 的区间(a,b),使P{a<W <b}=1-α.(3)由不等式a<W<b 解出θθθ<<则区间(θθ,)为所求. 2.单个正态总体待估参数 其它参数 W 及其分布 置信区间μ σ2已知nX σμ-~N (0,1) (2/ασz n X ±) μ σ2未知 nS X μ-~ t (n-1) )1((2/-±n t n S X α σ2 μ未知 22)1(σS n -~ χ2(n-1) ))1()1(,)1()1((22/1222/2-----n Sn n S n ααχχ 3.两个正态总体 (1)均值差μ 1-μ 2其它参数 W 及其分布 置信区间已知2221,σσ22212121)(n n Y X σσμμ+--- ~ N(0,1) )(2221212n n z Y X σσα+±-未知22221σσσ== 212111)(n n S Y X w+---μμ～t(n 1+n 2-2) )11)2((21212n n S n n t Y X w +-+±-α其中S w 等符号的意义见第六章二. 3 (2)③.(2) μ 1,μ 2未知, W=22212221σσS S ~ F(n 1-1,n 2-1),方差比σ12/σ22的置信区间为))1,1(1,)1,1(1(212/12221212/2221----⋅-n n F S S n n F S S αα注意:对于单侧置信区间,只需将以上所列的双侧置信区间中的上(下)限中的下标α/2改为α,另外的下(上)限取为-∞ (∞)即可.。
(完整版)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 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）规范性：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。
自考4183概率论与数理统计(经管系)大纲
概率论与数理统计（经管系）自考大纲代码4183第一章随机事件与概率(一）考核的知识点1．随机事件的关系及其运算2．概率的定义与性质3．古典概型4．条件概率、乘法公式、全概率公式、贝叶斯公式5．事件的独立性、贝努利概型(二)自学要求本章总的要求是：掌握随机事件之间的关系及其运算；理解概率的定义，掌握概率的基本性质，会用这些性质进行概率的基本计算；理解古典概型的定义，会计算简单的古典概型问题；理解条件概率的概念，会用乘法公式、全概率公式和贝叶斯公式进行概率计算；理解事件独立性的概念，会用事件独立性进行概率计算．重点：随机事件的关系与运算，概率的概念、性质；条件概率，事件独立性的概念，乘法公式、全概率公式，贝叶斯公式。
难点：古典概型的概率计算，全概率公式，贝叶斯公式，事件独立性的概念．（三）考核要求1随机事件的关系与运算1.1随机事件的概念及表示，要求达到“识记”层次1.2事件的包含与相等、和事件、积事件、互不相容、对立事件的概念1.3和事件、积事件、对立事件的基本运算规律，要求达到简单应用层次2率的定义与性质2.1频率的定义，要求达到“领会”层次2.2概率的定义，要求要求达到“领会”层次2.3概率的性质，要求达到“简单应用”层次3古典概型3.1古典概型的定义，要求达到“领会”层次3.2简单古典概型的概率运算，要求达到“简单应用”层次4条件概率4．1条件概率的概念，要求达到“领会”层次4．2乘法公式．会用乘法公式进行有关概率的计算，要求达到“简单应用’’层次4.3 全概率公式与贝叶斯公式，会用这两个公式进行计算，要求达到“综合应用’’层次5事件的独立性5.1 事件独立性的概念，要求达到“领会”层次5.2用事件的独立性计算概率，要求达到“简单应用”层次5.3 贝努利概型，要求达到“简单应用”层次第二章随机变量及其概率分布（一）考核的知识点1.随机变量的概念2.分布函数的概念和性质3.离散型随机变量及其分布律4.连续型随机变量概率密度函数5．随机变量函数的分布（二）自学要求本章总的要求是：理解随机变量及其分布函数的概念；理解离散型随机变量及其分布律的概念；掌握较简单的离散型随机变量的分布律的计算；掌握两点分布、二项分布与泊松分布；掌握连续型随机变量及其概率密度函数的概念、性质及有关计算；掌握均匀分布、指数分布及计算；熟练掌握正态分布及其计算；了解随机变量函数的概念，会求简单随机变量函数的概率分布．重点：随机变量的分布律与概率密度函数的概念、性质和计算，随机变量函数的分布，几种常用分布．难点：随机变量的分布律、概率密度函数，随机变量的函数的分布律、分布函数、概率密度函数．（三）考核要求1．随机变量的概念随机变量的概念及其分类，要求达到“识记”层次2．离散型随机变量的分布律2.1 离散型随机变量的概念，要求达到“识记’’层次2.2求较简单的离散型随机变量的概率分布律，要求达到“简单应用’’层次2.3两点分布，二项分布、泊松分布、要求达到“简单应用’’层次3.随机变量的分布函数3.1随机变量分布函数的定义、性质，要求达到“领会”层次3.2求简单离散型随机变量的分布函数，要求达到。
(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
概率论与数理统计自考历年真题考点归纳
概率论与数理统计自考历年真题考点归纳
概率论
(一)随机事件和概率
1.样本空间、事件的关系和运算
2.概率的基本概念一概率的基本性质一古典概型、几何概型
3•条件概率-乘法公式-全概率公式-贝叶斯公式事件的独立性-独立重复试验、贝努利
概型
(二)随机变量及其概率分布
1.离散型随机变量分布及其性质
2•离散型常见分布
(1)0-1分布；(2)二项分布B(n^) ;(3)泊松分布PQ).
3.连续型随机变量分布密度及其性质
4.连续型常见分布
(1)均匀分布17|>#上(2)正态分布NJG卄(3》指
I
数分布E(A),
5.简单随机变量函数的分布
(三)二维随机变量及其概率分布
1．二维离散型随机变量分布及其性质
2．二维连续型随机变量分布函数及其性质
3．概率密度和边缘概率密度一随机变量的独立性两个独立随机变量简单函数的分布(四)随机变量的数字特征
1．数学期望-- 常见分布的期望
2．方差- 常见分布的方差
3．协方差、相关系数
(五)大数定律与中心极限定理
1．大数定律-- 切比雪夫不等式
2．大数定律、贝努利大数定律
3．中心极限定理
(1) 独立同分布的中心极限定理：(2) 棣莫佛一拉普拉斯定理。
概率论与数理统计总复习知识点归纳
1 dy 2
同理 E(X2 )=1/6, E(XY )=1/12. 从而DX=E(X2 )- (EX )2=1/18 由对称性有 E(Y )= E(X )=1/3, DY= DX = 1/18. 于是 Cov (X, Y) = E(XY )- E(X) E(Y ) = 1/12-(1/3)2 = -1/36
P( D) P( ABC AB C A BC) P( ABC ) P( AB C) P( A BC)
0.3 0.2 0.9 0.3 0.8 0.1 0.7 0.2 0.1 =0.092 P(C D) P( ABC ) 0.3 0.2 0.9 0.587 P(C / D) 0.092 P( D ) P( D)
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,
0.1 C 0.3*0.8+0.7*0.2
0.9
C
0.3*0.2 D
P( D / C ) 0.3* 0.2.
于是有
P(C ) P( D / C ) P(C / D) P(C ) P( D / C ) P(C ) P( D / C ) 0.9 * 0.3 * 0.2 0.1* (0.3 * 0.8 0.7 * 0.2) 0.9 * 0.3 * 0.2
例5 设C.R.V.(X, Y)在三角形区域G: 0≤x ≤1, 0≤y ≤1-x上 服从均匀分布，求Cov (X, Y)和ρXY.
解
1 / S 2 , ( x, y ) G SG dx f ( x, y ) 0 0 ( x, y ) G 0 , 1 1 x 1 EX xf ( x, y )dxdy dx 2 xdy 0 0 3 R2
概率论与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）规范性：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 knk 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。
全国自学考试04183概率论与数理统计(经管类)-考试复习速记宝典
概率论与数理统计（经管类）（04183适用全国）速记宝典命题来源：围绕学科的基本概念、原理、特点、内容。
答题攻略：（1）不能像名词解释那样简单，也不能像论述题那样长篇大论，但需要加以简要扩展。
（2）答案内容要简明、概括、准确，即得分的关键内容一定要写清楚。
（3）答案表述要有层次性，列出要点，分点分条作答，不要写成一段；（4）如果对于考题内容完全不知道，利用选择题找灵感，找到相近的内容，联系起来进行作答。
如果没有，随意发挥，不放弃。
考点1：随机事件。
在随机试验中，产生的各种结果叫做随机事件（random Events），简称事件（Events）．随机事件通常用大写英文字母A、B、C等表示．如观察马路交叉口可能遇上的各种颜色交通灯，这是随机试验，而“遇上红灯”则是一个随机事件。
例：投掷一个骰子，观察其朝上的点数。
A＝｛朝上的点数为2｝B＝｛朝上的点数为偶数点｝都是随机事件。
必然事件Certainty Events必然事件——样本空间Ω本身也是事件,它包含了所有可能的试验结果，因此不论在哪一次试验它都发生，称为必然事件。
也将它记为Ω。
如：“抛掷一颗骰子，出现的点数不大于6”不可能事件Impossible Event不可能事件——不包含任何样本点的事件,记为φ,每次试验必定不发生的事件.如：“抛掷一颗骰子，出现的点数大于6”考点2：古典概型。
设某随机试验具有如下特征：（1）试验的可能结果只有有限个；（2）各个可能结果出现是等可能的。
则称此试验为古典（等可能）概型。
古典概型中概率的计算：n=进行试验的样本点总数ΩK=所考察的事件A含的样本点数P（A）=k/n=A的样本点数/样本点总数P（A）具有如下性质：（1）0≤P（A）≤1；（2）P（Ω）＝1；P（φ）=0（3）AB＝φ，则P（A∪B）＝P（A）＋P（B）考点3：乘法公式。
若抽取是不放回地,求以上三问？设A、B∈Ω，P（A）>0,则P（AB）＝P（A）P（B|A）.（1）式（1）就称为事件A、B的概率乘法公式。
概率论与数理统计知识点总结
概率论与数理统计知识点总结1. 概率论基础- 随机事件：一个事件是随机的，如果它可能发生也可能不发生。
- 样本空间：所有可能事件发生的集合。
- 事件的概率：事件发生的可能性的度量，满足0≤P(A)≤1。
- 条件概率：在另一个事件发生的条件下，一个事件发生的概率。
- 贝叶斯定理：描述了随机事件A和B的条件概率和边缘概率之间的关系。
- 独立事件：两个事件A和B是独立的，如果P(A∩B) = P(A)P(B)。
- 互斥事件：两个事件A和B是互斥的，如果它们不能同时发生，即P(A∩B) = 0。
2. 随机变量及其分布- 随机变量：将随机事件映射到实数的函数。
- 离散随机变量：取值为有限或可数无限的随机变量。
- 连续随机变量：可以在某个区间内取任意值的随机变量。
- 概率分布函数：描述随机变量取值的概率。
- 概率密度函数：连续随机变量的概率分布函数的导数。
- 累积分布函数：随机变量取小于或等于某个值的概率。
- 期望值：随机变量的长期平均值。
- 方差：衡量随机变量取值的离散程度。
3. 多维随机变量及其分布- 联合分布：描述两个或多个随机变量同时取特定值的概率。
- 边缘分布：通过联合分布求得的单个随机变量的分布。
- 条件分布：给定一个随机变量的值时，另一个随机变量的分布。
- 协方差：衡量两个随机变量之间的线性关系。
- 相关系数：协方差标准化后的值，表示变量间的线性相关程度。
4. 大数定律和中心极限定理- 大数定律：随着试验次数的增加，样本均值以概率1收敛于总体均值。
- 中心极限定理：独立同分布的随机变量之和，在适当的标准化后，其分布趋近于正态分布。
5. 数理统计基础- 样本：从总体中抽取的一部分个体。
- 总体：研究对象的全体。
- 参数估计：用样本统计量来估计总体参数。
- 点估计：给出总体参数的一个具体估计值。
- 区间估计：给出一个包含总体参数可能值的区间。
- 假设检验：对总体分布的某些假设进行检验。
- 显著性水平：拒绝正确假设的最大概率。
(完整版)概率论与数理统计知识点总结
第1章随机事件及其概率在第二步某事件发生条件下第一步某事件的概率，就用贝叶斯公式我们作了 n 次试验，且满足每次试验只有两种可能结果， A 发生或A 不发生；n次试验是重复进行的，即 A 发生的概率每次均一样；每次试验是独立的，即每次试验 A 发生与否与其他次试验 A 发 生与否是互不影响的。
这种试验称为伯努利概型，或称为 n 重伯努利试验。
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Pn (k ) 表示n 重伯努利试验中A 出现k (0 k n)次的概率，P n (k) C ：P k q nkk 0,1,2, ,n5第二章随机变量及其分布(1)设离散型随机变量X 的可能取值为X k (k=1,2,…)且取各个值的概率， 即事件(X=X k )的概率为P(X=x k )=p k , k=1,2,…， 则称上式为离散型随机变量 X 的概率分布或分布律。
有时也用分 布列的形式给出： X | x 1,x 2, , x k ,P(X x k ) p 1, p 2,, p k ,。
显然分布律应满足下列条件：p k 1(1 )宀 0 , k1,2,, ( 2 ) k1(14)伯努利 概型散 随变 的 布(2 ) 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XF(x) f (x)dx则称X 为连续型随机变量。
f (X )称为X 的概率密度函数或密度函数， 简称概率密度。
密度函数具有下面4个性质：分布仁 f(x) 03、P(X i X X 2) F(X 2)F(X J f (x)dxX i4、P(x=a)=O,a为常数，连续型随机变量取个别值的概率为 0连 型 机 量 续 随变 的 密度2、f(x)dx 1。
第三章二维随机变量及其分布如果二维随机向量 （X , Y ）的所有可能取值为至多可 列个有序对（x,y ），则称 为离散型随机量。
设=（X ，Y ）的所有可能取值为（人『）（门1,2,），且事 件｛= （X i ,y j ）｝的概率为 p ij,,称P ｛（X,Y ） （X i ,y j ）｝ P j （i,j 1,2,）为=（X ，Y ）的分布律或称为 X 和Y 的联合分布律。
自考04183概率论与数理统计经管类总结2数理统计部份
高等教育自学考试辅导《概率论与数理统计（经管类）》第二部份数理统计部份专题一统计量及抽样的散布近几年试题的考点散布和分数散布最高分数分布最低分数分布平均分数分布样本的分布 2 1样本矩 2 1合计4/100 0/100 2/100一、整体与样本：所考察对象的全部称为整体；组成整体的每一个大体元素称为个体。
：从整体中随机抽取n个个体x1,x2…,x n称为整体的一个样本，个数n称为样本容量。
若是整体X的样本x1,x2…,x n知足：（1）x1与X有相同散布，i＝1，2，…，n；（2）x1,x2…,x n彼此独立，那么称该样本为简单随机样本，简称样本。
取得简单随机样本的方式称为简单随机抽样方式。
（1）联合散布函数：设整体X的散布函数为F（x），x1,x2…,x n为该整体的一个样本，那么联合散布函数为二、统计量及其散布1.统计量、抽样散布：设x1,x2…,x n为取自某整体的样本，假设样本函数T=T（x1,x2…,x n）不含任何未知参数，那么称T为统计量；统计量的散布称为抽样散布。
：设x1,x2…,x n为取自某整体X的样本，（2）样本均值的性质：①若称样本的数据与样本均值的差为偏差，则样本偏差之和为零，即②偏差平方和最小，即对任意常数C，函数时取得最小值.（5）样本矩（7）正态分布的抽样分布A.应用于小样本的三种统计量的分布的为自由度为n的X2散布的α分位点.求法：反查X 2散布表.[答疑编号1]答案：D[答疑编号2]答案：[答疑编号3]答案：B [答疑编号4]答案：1 [答疑编号5]答案：B [答疑编号6]解析：故填20. [答疑编号7]答案：n解析：[答疑编号8]答案：解析：此题考核正态散布的叠加原理和x2－散布的概念。
根据课本P82，例题3－28的结果，若X～N（0，1），Y～N（0,1）,且X与Y彼此独立，那么X＋Y～N（0＋0，1＋1）＝N（0，2）。
此题，已知X1、X2、X3、X4为来自整体X～N（0，1）的样本，因此X1、X2、X3、X4彼此独立且服从同散布N（0，1），那么X1+X2～N（0，2），X3+X4～N（0，2）；从而，,那么以下选项中正确的选项是（）[答疑编号9]答案：A解析：本题考察课本p140，4.一些重要结论。
【自考】《概率论与数理统计》复习重点
第一章随机变量及其变量分布§2.1离散型随机变量（一）随机变量引例一：掷骰子。
可能结果为Ω={1,2,3,4,5,6}.我们可以引入变量X,使X=1，表示点数为1；x=2表示点数为2；…，X=6，表示点数为6。
引例二，掷硬币，可能结果为Ω={正，反}.我们可以引入变量X，使X=0，表示正面，X=1表示反面。
引例三，在灯泡使用寿命的试验中，我们引入变量X，使a<X<b，表示灯泡使用寿命在a（小时）与b（小时）之间。
例如，1000≤X≤2000表示灯泡寿命在1000小时与2000小时之间。
0<X<4000表示灯泡寿命在4000小时以内的事件。
定义1：若变量X取某些值表示随机事件。
就说变量X是随机变量。
习惯用英文大写字母X,Y,Z表示随机变量。
例如，引例一、二、三中的X都是随机变量。
（二）离散型随机变量及其分布律定义2 若随机变量X只取有限多个值或可列的无限多个（分散的）值，就说X是离散型随机变量。
例如，本节中的引例一、引例二的X是离散型随机变量。
定义3 若随机变量X可能取值为且有（k=1,2,…,n,…）或有其中，第一行表示X的取值，第二行表示X取相应值的概率。
就说公式（k=1,2,…,n,…）或表格是离散型随机变量x的（概率）分布律，记作分布律有下列性质（1）；（2）由于事件互不相容。
而且是X全部可能取值。
所以反之，若一数列具有以上两条性质，则它必可以作为某随机变量的分布律。
例1 设离散型随机变量X的分布律为求常数c。
解由分布律的性质知1=0.2+c+0.5,解得c=0.3.例2 掷一枚质地均匀的骰子，记X为出现的点数，求X的分布律。
解X的全部可能取值为1,2,3,4,5,6,且则X的分布律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的取值，然后再求出每个值相应的概率。
例3 袋子中有5个同样大小的球，编号为1，2.，3，4，5。
从中同时取出3个球，记X为取出的球的最大编号，求X的分布率。
- 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》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 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∑===n
k k n
k k A P A P 1
1
)()( （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： ∑==n
i i i B A P B P A P 1)|()()(
（4） Bayes 公式： ∑==
n
i i
i
k 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）∑i
i p =1
（3）对任意R D ⊂，∑∈=
∈D
x i i
i p
D 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）⎰=≤≤b a
dx x f b X a P )()(；（3）对任意R a ∈，0)(==a X P
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 -=>； （5）对离散随机变量，∑≤=
x x i i
i p
x F :)(；
（6）对连续随机变量，⎰∞
-=x
dt 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)(
)(σ
μ
-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。
第三章 随机向量
1．二维离散随机向量，联合分布列ij j i p y Y x X P ===),(，边缘分布列⋅==i i p x X P )(，j
j p y Y P ⋅==)(有
（1）0≥ij p ；（2）∑=ij
ij p 1；（3）∑=⋅j
ij i p p ，∑=⋅i
ij j p p
2．二维连续随机向量，联合密度),(y x f ，边缘密度)( ),(y f x f Y X ，有 （1）0),(≥y x f ；（2）⎰
⎰+∞∞-+∞∞
-=1),(y x f ；（3）⎰⎰=∈G
dxdy y x f G Y X P ),()),((；
（4）⎰+∞∞
-=dy y x f x f X ),()(，⎰
+∞∞
-=dx y x f y f Y ),()(
3．二维均匀分布⎪⎩
⎪
⎨⎧∈=其它 0, ),( ,)(1
),(G y x G m y x f ，其中)(G m 为G 的面积
4．二维正态分布),,,,(~) ,(2
2
2121ρσσμμN Y X ，其密度函数（牢记五个参数的含义）⎪⎭
⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-+-------=
2
2222121212
1222
1)())((2)()1(21ex p 121),(σμσσμμρσμρρσπσy y x x y x f 且
),(~ ),,(~2
22211σμσμN Y N X ；
5．二维随机向量的分布函数 ),(),(y Y x X P y x F ≤≤=有 （1）关于y x ,单调非降；（2）关于y x ,右连续； （3）0),(),(),(=-∞-∞=-∞=-∞F y F x F ；
（4）1),(=+∞+∞F ，)(),(x F x F X =+∞，)(),(y F y F Y =+∞；
（5）),(),(),(),() ,(111221222121y x F y x F y x F y x F y Y y x X x P +--=≤<≤<；
（6）对二维连续随机向量，y x y x F y x f ∂∂∂=),(),(2
6．随机变量的独立性 Y X ,独立)()(),(y F x F y x F Y X =⇔ （1） 离散时 Y X ,独立j i ij p p p ⋅⋅=⇔
（2） 连续时 Y X ,独立)()(),(y f x f y x f Y X =⇔
（3） 二维正态分布Y X ,独立0=⇔ρ，且),(~22
2121σσμμ+++N Y X 7．随机变量的函数分布
（1） 和的分布 Y X Z +=的密度⎰⎰+∞
∞-+∞
∞--=-=dx x z x f dy y y z f z f Z ),(),()(
（2） 最大最小分布
第四章 随机变量的数字特征
1．期望
(1) 离散时 ∑=i
i i p x X E )(，∑=i
i i p x g X g E )())(( ；
(2) 连续时⎰+∞∞
-=dx x xf X E )()(，⎰+∞
∞
-=dx x f x g X g E )()())((；
(3) 二维时∑=j
i ij j i p y x g Y X g E ,),()),((，dy dx y x f y x g Y X g E ⎰
⎰
+∞∞-+∞
∞
-=),(),()),((
(4)C C E =)(；（5）)()(X CE CX E =； （6）)()()(Y E X E Y X E +=+； （7）Y X ,独立时，)()()(Y E X E XY E = 2．方差
（1）方差222)()())(()(EX X E X E X E X D -=-=，标准差)()(X D X =σ； （2）)()( ,0)(X D C X D C D =+=； （3）)()(2X D C CX D =；
（4）Y X ,独立时，)()()(Y D X D Y X D +=+ 3．协方差
（1）)()()())]())(([(),(Y E X E XY E Y E Y X E X E Y X Cov -=--=； （2）),(),( ),,(),(Y X abCov bY aX Cov X Y Cov Y X Cov ==； （3）),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+；
（4）0),(=Y X Cov 时，称Y X ,不相关，独立⇒不相关，反之不成立，但正态时等价； （5）),(2)()()(Y X Cov Y D X D Y X D ++=+ 4．相关系数 )
()()
,(Y X Y X Cov XY σσρ=
；有1||≤XY ρ，1)( ,,1||=+=∃⇔=b aX Y P b a XY ρ
5．k 阶原点矩)(k k X E =ν，k 阶中心矩k k X E X E ))((-=μ。