概率论与数理统计各章节
概率论与数理统计目录
概率论与数理统计目录一、随机事件及其概率1.1 随机事件的基本概念定义与分类事件的运算1.2 概率的定义与性质概率的公理化定义概率的基本性质1.3 古典概型与几何概型古典概型的计算几何概型的计算1.4 条件概率与独立性条件概率事件的独立性1.5 全概率公式与贝叶斯公式全概率公式贝叶斯公式及其应用二、随机变量及其分布2.1 随机变量的概念随机变量的定义随机变量的分类2.2 离散型随机变量及其分布常见的离散型分布分布律与分布函数2.3 连续型随机变量及其分布常见的连续型分布概率密度函数与分布函数2.4 随机变量函数的分布离散型随机变量函数的分布连续型随机变量函数的分布三、多维随机变量及其分布3.1 多维随机变量的概念联合分布函数边缘分布3.2 多维离散型随机变量联合分布律边缘分布律3.3 多维连续型随机变量联合概率密度函数边缘概率密度函数3.4 条件分布离散型条件分布连续型条件分布3.5 随机变量的独立性独立性的定义独立性的判定与性质四、数字特征4.1 数学期望数学期望的定义与性质数学期望的计算4.2 方差方差的定义与性质方差的计算4.3 协方差与相关系数协方差的定义与性质相关系数的定义与性质4.4 矩与协矩阵矩的定义与计算协矩阵的定义与计算五、大数定律与中心极限定理5.1 大数定律切比雪夫大数定律伯努利大数定律5.2 中心极限定理林德贝格-莱维中心极限定理德莫佛尔-拉普拉斯中心极限定理六、数理统计的基本概念6.1 总体与样本总体的定义与性质样本的定义与性质6.2 统计量与抽样分布统计量的定义与性质常见的抽样分布七、参数估计与假设检验7.1 参数估计点估计区间估计7.2 假设检验假设检验的基本概念单侧检验与双侧检验正态总体的假设检验八、回归分析与方差分析8.1 回归分析一元线性回归多元线性回归回归模型的检验与预测8.2 方差分析单因素方差分析双因素方差分析方差分析的应用。
概率论与数理统计前三章
概率论与数理统计知识点第一章随机事件及其概率1.1 随机事件1.2 概率1.3 条件概率与全概公式1.4 事件的独立性与伯努利概型第二章随机变量及其分布2.1 随机变量与分布函数2.2 离散型随机变量及其分布2.3 连续型随机变量及其分布2.4 二维随机变量2.5 随机变量函数的分布第三章随机变量的数字特征3.1 数学期望3.2 方差3.3 几种常见分布的数学期望与方差3.4 随机变量矩、协方差与相关系数第四章大数定律与中心极限定理4.1 切比雪夫不等式4.2 大数定律4.3 中心极限定理第五章抽样分布5.1 总体与样本5.2 样本函数与样本分布函数5.3 抽样分布第六章参数估计6.1 点估计6.2 估计量的评价标准6.3 区间估计6.4 正态总体均值与方差的区间估计6.5 非正态总体参数的区间估计第七章假设检验7.1 假设检验的基本概念7.2 单个正态总体参数的假设检验7.3 两个正态总体参数的假设检验7.4非正态总体参数的假设检验7.5 总体分布的假设检验第八章方差分析8.1 问题的提出8.2 单因素试验方差分析8.3 单因素方差分析举例第九章回归分析9.1 问题的提出9.2 一元正态线性回归9.3 一元非线性回归简介9.4 多元线性回归9.5 多元回归应用举例第一章 随机事件及其概率知识要点及重要例题一、知识要点。
① 重要公式（1） A+A =Ω（2） A +B ̅̅̅̅̅̅̅̅=A ∙B ̅ A ∙B ̅̅̅̅̅̅=A +B̅ (德摩根定理) （3） P(A+B)=p(A)+P(B)-P(AB) （加法公式） （4） P(A-B)=P(A)-P(AB) （减法公式） （5） P(AB)=P(A)P(B|A)或P(AB)=P(A|B)P(B) （乘法公式） （6） P (B )=∑P (A i )P (B|A i )n i=0 (全概率公式) 由因求果（7） P(A j |B)=P(A j )P(B|A j )∑P (A i )ni=1P(B|A i )(叶贝斯公式) 由果索因② 概率定义（1） 统计定义：频率稳定在一个数附近，这个数称为事件的概率；（2） 古典定义：要求样本空间只有有限个基本事件，每个基本事件出现的可能性相等，则事件Ａ所含基本事件个数与样本空间所含基本事件个数的比称为事件的古典概率；（3） 几何概率：样本空间中的元素有无穷多个，每个元素出现的可能性相等，则可以将样本空间看成一个几何图形，事件Ａ看成这个图形的子集，它的概率通过子集图形的大小与样本空间图形的大小的比来计算；（4） 公理化定义：满足三条公理的任何从样本空间的子集集合到［０，１］的映射③ 随机事件（1） 事件的三种运算：并∪（和）、交∩（积）、差；注意差Ａ－Ｂ可以表示成Ａ与Ｂ的逆的积。
概率论与数理统计
一、事件的频率与概率
次数， µ n ( A ) : 事件 A 在 n 次可重复试验中出现的 次数，
称为 A 在 n 次试验中出现的频数
频率—— f n ( A) = 频率
µ n ( A)
n
.
频率有如下性质： 频率有如下性质：
1. 非负性：对任何事件 A，有 0 ≤ f n ( A) ≤ 1 非负性：
掷一骰子， 如： A =“掷一骰子，点数小于 4”， B =“掷一骰子，点数小于 5”， 掷一骰子， 则A ⊂ B.
显然对任何事件 A，有 Φ ⊂ A ⊂ Ω⊂ A，则称事件 A与事件 B相等，记作 A = B .
2.事件的和（并） 事件的和（
两个事件 A, B 中至少有一个发生 (属于A或属于 B的样本点 构成的集合 )，称为事件 A 与 B 的和(并 ), 记作 A + B 或 A ∪ B .
显然， 显然，事件 A 与 A 可以构成一个完备事件 组
类似地，称可列个事件 A1 , A2 , L , An， 构成一个 L 类似地， 完备事件组， 完备事件组，如果满足 ：
(1)
( 2)
Ai A j = Φ
(i ≠ j )
∑A
i
i
=Ω
律 事件运算满足下列运算 ：
(1) 交换律 A + B = B + A AB = BA
设袋中有红, 黄各一球, 例: 设袋中有红,白,黄各一球,有放回抽取三 取出球后仍把球放回原袋中),每次取一球, ),每次取一球 次(取出球后仍把球放回原袋中),每次取一球,试 说明下列各组事件是否相容?若不相容, 说明下列各组事件是否相容?若不相容,说明是否 对立? 对立? 三次抽取, 三次抽取, (1) A=“三次抽取,颜色全不同”,B=“三次抽取, = 三次抽取 颜色全不同” = 三次抽取 相容 颜色不全同” 颜色不全同” (2) A=“三次抽取,颜色全同”,B=“三次抽取, 三次抽取, 三次抽取, = 三次抽取 颜色全同” = 三次抽取 颜色不全同” 颜色不全同” 不相容， 不相容，对立 三次抽取, 三次抽取, (3) A=“三次抽取,无红色球”,B=“三次抽取, = 三次抽取 无红色球” = 三次抽取 无黄色球” 无黄色球” 相容 三次抽取, (4) A=“三次抽取,无红色球也无黄色”, = 三次抽取 无红色球也无黄色” B=“三次抽取, 无白色球” 不相容，不对立 三次抽取, = 三次抽取 无白色球” 不相容，
概率论与数理统计各章重点知识整理.pptx
件的概率相等,即 P(e1)=P(e2)=…= 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.
P(A)=0 .
(2)有限可加性 对于 n 个两两互不相容的事件 A1,A2,…,An , P(A1∪A2∪…∪An)=P(A1)+P(A2)+…+P(An) (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) .
y
fX
hyhy
0
y
其它
其中h(y)是 g(x)的反函数 , = min (g (-),g ()) = max (g (-),g ()) .
如果 f (x)在有限区间[a,b]以外等于零,则 = min (g (a),g (b)) = max (g (a),g (b)) .
第三章 二维随机变量及其概率分布
n PB
PA
i
B
i
.
i 1
六.事件的独立性
2
学海无 涯
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.
概率论与数理统计1~6章总结
A (BC) (A B)(A C)
摩根律 AB A B A B A B
2.随机事件的概率 ①概率和频率 概率的定义：若对随机试验 E 所对应的样本空间 中的每一事件 A，均赋予一实数 P(A)， 集合函数 P(A)满足条件：
(1) P(A) ≥0；
(2) P()＝1；
(3) 可列可加性：设 A1，A2，…, 是一列两两互不相容的事件，即 AiAj＝，(ij), i , j＝1, 2, …,
离散型随机变量 随机变量 非离散型奇异型连（续混型合型）
2.离散型随机变量
若随机变量 X 取值 x1, x2, …, xn, … 且取这些值的概率依次为 p1, p2, …, pn, …, 则称 X 为离散型 随机变量，而称
n!
n1!....nm !
eg: 30 名学生中有 3 名运动员，将这 30 名学生平均分成 3 组，求： （1）每组有一名运动员的概率； （2）3 名运动员集中在一个组的概率。 解:设 A:每组有一名运动员;B: 3 名运动员集中在一组
N (S)
C C C 10 10 10 30 20 10
Hale Waihona Puke 10!成互斥事件（互不相容事件）：事件 A 与事件 B 互斥——AB=Φ；事件 A 与事件 B 不能同时发
生，两个事件没有公共的样本点
对立事件：事件 A 不发生，由所有不属于 A 的样本点组成，记作 A or Ac
差事件：差事件 A-B 发生 ——事件 A 发生且事件 B 不发生；由属于事件 A 但不属于事件 B
P(A)具有如下性质 (1) 0 P(A) 1； (2) P()＝1； P( )=0 (3) AB＝，则 P( A B )＝ P(A) ＋P(B) 抽球问题 设盒中有 N 个球，其中有 M 个白球，现从中任抽 n 个球，则这 n 个球中恰有 k 个白球的概 率是
概率论与数理统计课程电子版教材
第六章 数理统计的基本概念第一节 基本概念1、概念网络图正态总体下的四大分布统计量样本函数样本个体总体数理统计的基本概念→⎪⎪⎪⎭⎪⎪⎪⎬⎫⎪⎪⎪⎩⎪⎪⎪⎨⎧ 2、重要公式和结论例6．1：从正态总体)6,4.3(2N 中抽取容量为n 的样本，如果要求其样本均值位于区间（1.4, 5.4）内的概率不小于0.95，问样本容量n 至少应取多大？第二节 重点考核点统计量的分布第三节 常见题型1、统计量的性质例6．2：设),,,(721X X X 取自总体)5.0,0(~2N X ，则=⎪⎭⎫⎝⎛>∑=7124i i X P。
例6．3：设总体X 服从正态分布),(21σμN ,总体Y 服从正态分布),(22σμN ,1,,21n X X X 和 2,,21n Y Y Y 分别是来自总体X 和Y 的简单随机样本, 则=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-+-+-∑∑==2)()(21212121n n Y Y X X E n j j n i i .2、统计量的分布例6．4：设),,,(21n X X X 是来自正态总体),(2σμN 的简单随机样本，X 是样本均值，记,)(111221∑=--=ni i X X n S,)(11222∑=-=ni i X X n S,)(111223∑=--=ni i X n S μ,)(11224∑=-=ni i X n S μ则服从自由度为n-1的t 分布的随机变量是 （A ）.1/1--=n S X t μ（B ）.1/2--=n S X t μ（C ）./3nS X t μ-=（D ）./4nS X t μ-=[ ]例6．5：设总体X ～N （0，12），从总体中取一个容量为6的样本),,,(621X X X ，设26542321)()(X X X X X X Y +++++=，试确定常数C ，使随机变量CY 服从2χ分布。
第四节 历年真题数学一：1（98，4分） 从正态总体)6,4.3(2N 中抽取容量为n 的样本，如果要求其样本均值位于区间（1.4, 5.4）内的概率不小于0.95，问样本容量n 至少应取多大？ [附表]：dt eZ t Z2221)(-∞-⎰=Φπ990.0975.0950.0900.0)(33.296.1645.128.1Z Z Φ2（01，7分） 设总体)0)(,(~2>σσμN X ，从该总体中抽取简单随机样本)2(,,,221≥n X X X n ，其样本的均值∑==ni i X n X 21,21求统计量∑=+-+=ni i n i X X X Y 12)2(的数学期望E （Y ）。
概率论与数理统计第四章
)
(
)
(
)
,
(
Y
D
X
Dபைடு நூலகம்
Y
X
Cov
xy
=
r
=4[E(WV)]2-4E(W2)×E(V2)≤0
01
得到[E(WV)]2≤E(W2)×E(V2). →(8)式得到证明.
02
设W=X-E(X),V=Y-E(Y),那么
03
其判别式
由(9)式知, |ρ xy|=1 等价于 [E(WV)]2=E(W2)E(V2). 即 g(t)= E[tW-V)2] =t2E(W2)-2tE(WV)+E(V2) =0 (10) 由于 E[X-E(X)]=E(x)-E(X) =0, E[Y-E(Y)]=E(Y)-E(Y) =0.故 E(tW-V)=tE(W)-E(V)=tE[X-E(X)]-E[Y-E(Y)]=0 所以 D(tW-V)=E{[tW-V-E(tW-V)]2}=E[(tW-V)2]=0 (11) 由于数学期望为0,方差也为0,即(11)式成立的充分必要条件是 P{tW-V=0}=1
随机变量X的数学期望是随机变量的平均数.它是将随机变量 x及它所取的数和相应频率的乘积和.
=
(1)
)
2
3
(
)
(
-
=
ò
µ
µ
-
dx
x
x
E
j
x
可见均匀分布的数学期望为区间的中值.
例2 计算在区间[a,b]上服从均匀分布的随机变量 的数学期望
泊松分布的数学期望和方差都等于参数λ.
其他
02
f(x)=
01
（4-6）
03
（4）指数分布
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.。
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)
概率论与数理统计习题答案1-19章
0
1
2 ……
……
…… ……
3、 已知一批产品共20个，其中有４个次品． （１）不放回抽样．抽取６个产品，求样品中次品数的概率分布； （２）放回抽样．抽取６个产品，求样品中次品数的概率分布． 解：（1）设表示“取出的样本中的次品数”，则服从超几何分布，即的 概率函数为 从而的概率分布为
格品” （1）
（2）
四、猎人在距离100米处射击一动物，击中的概率为0.6；如果 第一次未击中，则进行第二次射击，但由于动物逃跑而使距离 变为150米；如果第二次又未击中，则进行第三次射击，这时 距离变为200米．假定击中的概率与距离成反比，求猎人三次 之内击中动物的概率． 解：设表示“第次击中”，则由题设，有，得，从
0
1
2
3
（1）的分布律为 1
（2）的分布律为
0
1
1
0
即
0
1
五、设随机变量的概率密度为 求随机变量函数的概率密度．
解：因为 所以随机变量函数的概率密度为 ，即 ．
８ 二维随机变量的联合分布与边缘分布
一、把一颗均匀的骰子随机地掷两次．设随机变量表示第一次出现的点 数，随机变量表示
两次出现点数的最大值，求二维随机变量的联合概率分布及的边缘 概率分布． 解：二维随机变量的联合概率分布为
．
三、三个人独立地去破译一个密码，他们能译出的概率分别 为、、，求能将此密码
译出的概率． 解：设表示“甲能译出”；表示“乙能译出”；表示“丙能译出”， 则
设表示“此密码能被译出”，则，从而有
． （另解），从而有
四、甲、乙、丙三人同时对飞机进行射击，三人的命中概率分 别为．飞机被一
(完整版)《概率论与数理统计》讲义
第一章 随机事件和概率 第一节 基本概念1、排列组合初步（1）排列组合公式)!(!n m m P n m -= 从m 个人中挑出n 个人进行排列的可能数。
)!(!!n m n m C n m -=从m 个人中挑出n 个人进行组合的可能数。
例1．1：方程xx x C C C 76510711=-的解是 A ． 4 B ． 3 C ． 2 D ． 1例1．2：有5个队伍参加了甲A 联赛，两两之间进行循环赛两场，试问总共的场次是多少？(2)加法原理（两种方法均能完成此事）：m+n某件事由两种方法来完成，第一种方法可由m 种方法完成，第二种方法可由n 种方法来完成，则这件事可由m+n 种方法来完成。
(3)乘法原理（两个步骤分别不能完成这件事）：m ×n某件事由两个步骤来完成，第一个步骤可由m 种方法完成，第二个步骤可由n 种方法来完成，则这件事可由m ×n 种方法来完成。
例1．3：从5位男同学和4位女同学中选出4位参加一个座谈会，要求与会成员中既有男同学又有女同学，有几种不同的选法？例1．4：6张同排连号的电影票，分给3名男生和3名女生，如欲男女相间而坐，则不同的分法数为多少？例1．5：用五种不同的颜色涂在右图中四个区域里，每一区域涂上一种颜色，且相邻区域的颜色必须不同，则共有不同的涂法A．120种B．140种 C．160种D．180种(4)一些常见排列①特殊排列②相邻③彼此隔开④顺序一定和不可分辨例1．6：晚会上有5个不同的唱歌节目和3个不同的舞蹈节目，问：分别按以下要求各可排出几种不同的节目单？①3个舞蹈节目排在一起；②3个舞蹈节目彼此隔开；③3个舞蹈节目先后顺序一定。
例1．7：4幅大小不同的画，要求两幅最大的排在一起，问有多少种排法？例1．8：5辆车排成1排，1辆黄色，1辆蓝色，3辆红色，且3辆红车不可分辨，问有多少种排法？①重复排列和非重复排列（有序）例1．9：5封不同的信，有6个信箱可供投递，共有多少种投信的方法？②对立事件例1．10：七人并坐，甲不坐首位，乙不坐末位，有几种不同的坐法？例1．11：15人中取5人，有3个不能都取，有多少种取法？例1．12：有4对人，组成一个3人小组，不能从任意一对中取2个，问有多少种可能性？③ 顺序问题例1．13：3白球，2黑球，先后取2球，放回，2白的种数？（有序） 例1．14：3白球，2黑球，先后取2球，不放回，2白的种数？（有序） 例1．15：3白球，2黑球，任取2球，2白的种数？（无序）2、随机试验、随机事件及其运算（1）随机试验和随机事件如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。
概率论与数理统计课件(完整版)
1. 计算相互独立的积事件的概率： 若已知n个事件A1, A2, …, An相互独立，则 P(A1A2…An)=P(A1)P(A2)…P(An)
系统一:先串联后并联
A1
B1
A2
B2
A3
B3
A4
B4
*
例3. 100件乐器,验收方案是从中任 取3件测试(相互独立的), 3件测试后都认为音色纯则接收这批 乐器,测试情况如下: 经测试认为音色纯 认为音色不纯 乐器音色纯 0.99 0.01 乐器音色不纯 0.05 0.95
*
1. 公式法：
当A＝S时, P(B｜S)=P(B), 条件概率化为无条件概率, 因此无条件概率可看成条件概率.
注
计算条件概率有两种方法:
*
2.缩减样本空间法：
在A发生的前提下, 确定B的缩减样本空间, 并在其中计算B发生的概率, 从而得到P(B|A). 例2. 在1, 2, 3, 4, 5这5个数码中, 每次取一个数码, 取后不放回, 连取两次, 求在第1次取到偶数的条件下, 第2次取到奇数的概率.
*
随机试验: (1) 可在相同的条件下重复试验; (2) 每次试验的结果不止一个,且能事先明确所有可能的结果; (3) 一次试验前不能确定会出现哪个结果.
*
2. 样本空间与随机事件
样本空间的分类:
离散样本空间:样本点为有限个或可列个. 例 E1,E2等. 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}.
空集φ不包含任何样本点, 它在每次试验中都不发生，称为不可能事件。
概率论与数理统计ppt课件
称这种试验为等可能概型(或古典概型)。
*
例1：一袋中有8个球，其中3个为红球，5个为黄球，设摸到每一球的可能性相等，从袋中不放回摸两球， 记A={恰是一红一黄}，求P(A)． 解：
（注：当L>m或L<0时，记 ）
例2：有N件产品，其中D件是次品，从中不放 回的取n件， 记Ak＝{恰有k件次品}，求P(Ak)． 解：
*
第四章 随机变量的数字特征 4.1 数学期望 4.2 方差 4.3 协方差及相关系数 4.4 矩、协方差矩阵 第五章 大数定律和中心极限定理 5.1 大数定律 5.2 中心极限定理 第六章 数理统计的基本概念 6.1 总体和样本 6.2 常用的分布
*
第七章 参数估计 7.1 参数的点估计 7.2 估计量的评选标准 7.3 区间估计 第八章 假设检验 8.1 假设检验 8.2 正态总体均值的假设检验 8.3 正态总体方差的假设检验 8.4 置信区间与假设检验之间的关系 8.5 样本容量的选取 8.6 分布拟合检验 8.7 秩和检验 第九章 方差分析及回归分析 9.1 单因素试验的方差分析 9.2 双因素试验的方差分析 9.3 一元线性回归 9.4 多元线性回归
解： 设 Ai={ 这人第i次通过考核 }，i=1,2,3 A={ 这人通过考核 }，
亦可：
*
例：从52张牌中任取2张，采用(1)放回抽样，（2）不放 回抽样，求恰是“一红一黑”的概率。
利用乘法公式
与 不相容
（1）若为放回抽样：
（2）若为不放回抽样：
解： 设 Ai={第i次取到红牌}，i=1,2 B={取2张恰是一红一黑}
①
②
①
1 2 N
①
②
1 2 N
……
高等数学概率论与数理统计课件PPT大全
(AB)C＝(AC)(BC) 4、对偶(De Morgan)律：
A B A B, AB A B
可推广 Ak Ak , Ak Ak .
k
k
k
k
例：甲、乙、丙三人各向目标射击一发子弹，以A、 B、C分别表示甲、乙、丙命中目标，试用A、B、C
定义:(p8) 事件A在n次重复试验中出现nA次，则 比值nA/n称为事件A在n次重复试验中 出现的频率，记为fn(A). 即 fn(A)＝ nA/n.
历史上曾有人做过试验,试图证明抛掷匀质硬币时 ，出现正反面的机会均等。
实验者
De Morgan Buffon
K. Pearson K. Pearson
随机事件
二、样本空间(p2)
1、样本空间：试验的所有可能结果所
组成的集合称为样本空间，记为={e}；
2、样本点: 试验的单个结果或样本空间 的单元素称为样本点,记为e. 3.由样本点组成的单点集 称为基本事件, 也记为e.
幻灯片 6
随机事件
1.定义 样本空间的任意一个子集称为随机事件, 简称“ 事件”.记作A、B、C等
P( AB) P( AC) P(BC) P( ABC )
30% 3 10% 0 0 0 80%
例1.3.2.在110这10个自然数中任取一数，求
（1）取到的数能被2或3整除的概率，
（2）取到的数即不能被2也不能被3整除的概率，
（3）取到的数能被2整除而不能被3整除的概率。
解:设A—取到的数能被2整除; P(A) 1 P(B) 3
的概率有多大？
3.分组问题
例3：30名学生中有3名运动员，将这30名学生平均 分成3组，求： （1）每组有一名运动员的概率； （2）3名运动员集中在一个组的概率。 解:设A:每组有一名运动员;B: 3名运动员集中在一组
《概率论与数理统计》分章复习题
第一章 随机事件与概率一、 选择题1、以A 表示甲种产品畅销，乙种产品滞销，则A 为( ).(A) 甲种产品滞销，乙种产品畅销 (B) 甲、乙产品均畅销(C) 甲种产品滞销 (D) 甲产品滞销或乙产品畅销2、设A 、B 、C 为三个事件，则A 、B 、C 中至少有一个发生的事件可以表示为( ).(A)ABC (B) A B C ⋂⋂ (C) A B C ⋃⋃ (D) ABC3、已知事件B A ,满足A B =Ω(其中Ω是样本空间),则下列式( )是错的. (A) B A = （B ） Φ=B A (C) B A ⊂ （D ） A B ⊂4、设A 、B 、C 为三个事件，则A 、B 、C 中至少有一个不发生的事件可以表示为( ).(A)ABC （B ）ABC (C) A B C ⋃⋃ （D ） ABC5、假设事件,A B 满足(|)1P B A =，则( ).(A) A 是必然事件 (B) (|)0P B A = (C)A B ⊃ (D)A B ⊂6、设()0P AB =, 则有( ).(A) A 和B 不相容 (B) A 和B 独立 (C) P(A)=0或P(B)=0 (D) P(A-B)=P(A)7、设A 和B 是任意两个概率不为零的互不相容事件，则下列结论中肯定正确的是（ ）.（A ）A 与B 不相容 （B ）A 与B 相容（C ）()()()P AB P A P B = （D ）()()P A B P A -=8、设A B ⊂，则下面正确的等式是( ). (A) )(1)(A P AB P -= (B) )()()(A P B P A B P -=-(C) )()|(B P A B P = (D) )()|(A P B A P =9、事件,A B 为对立事件，则下列式子不成立的是( ).(A)()0P AB = （B ）()0P AB = (C)()1P A B ⋃= （D ） ()1P A B ⋃=10、对于任意两个事件,A B ，下列式子成立的是( ).(A) ()()()P A B P A P B -=- （B ） ()()()()P A B P A P B P AB -=-+(C) ()()()P A B P A P AB -=- （D ） ()()()P A B P A P AB -=+11、设事件B A ,满足1)(=B A P ， 则有（ ）.（A ）A 是必然事件 （B ）B 是必然事件 （C ）A B φ⋂=(空集)（D ）)()(B P A P ≥12、设,A B 为两随机事件，且B A ⊂，则下列式子正确的是（ ）.（A ）()()P A B P A ⋃=; （B ）()P(A);P AB =（C ）(|A)P(B);P B = （D ）(A)P B -=()P(A)P B -13、设,A B 为任意两个事件，0)(,>⊂B P B A ，则下式成立的为（ ）.（A ）B)|()(A P A P < （B ）B)|()(A P A P ≤（C ）B)|()(A P A P > （D ）B)|()(A P A P ≥14、设A 和B 相互独立，()0.6P A =，()0.4P B =，则()P A B =（ ）（A ）0.4 （B ）0.6 （C ）0.24 （D ）0.515、设 (),(),(),P A c P B b P A B a ==⋃= 则 ()P AB 为 ( ).(A) a b - （B ） c b - (C) (1)a b - （D ） b a -16、设A ,B 互不相容，且()0,()0P A P B >>,则必有（ ）. (A) 0)(>A B P （B ）)()(A P B A P = (C) )()()(B P A P AB P = （D ） 0)(=B A P17、设,A B 相互独立，且()0.82P A B ⋃=,()0.3P B =，则()P A =（ ）。
《概率论与数理统计》第三版_科学出版社_课后习题答案.所有章节
第二章 随机变量 2.12.2解：根据1)(0==∑∞=k k X P ，得10=∑∞=-k kae，即1111=---e ae 。
故 1-=e a2.3解：用X 表示甲在两次投篮中所投中的次数，X~B(2,0.7) 用Y 表示乙在两次投篮中所投中的次数, Y~B(2,0.4) (1) 两人投中的次数相同P{X=Y}= P{X=0,Y=0}+ P{X=1,Y=1} +P{X=2,Y=2}=11220202111120202222220.70.30.40.60.70.30.40.60.70.30.40.60.3124C C C C C C ⨯+⨯+⨯=(2)甲比乙投中的次数多P{X >Y}= P{X=1,Y=0}+ P{X=2,Y=0} +P{X=2,Y=1}=12211102200220112222220.70.30.40.60.70.30.40.60.70.30.40.60.5628C C C C C C ⨯+⨯+⨯=2.4解:（1）P{1≤X ≤3}= P{X=1}+ P{X=2}+ P{X=3}=12321515155++= (2) P{0.5<X<2.5}=P{X=1}+ P{X=2}=12115155+= 2.5解：（1）P{X=2,4,6,…}=246211112222k +++ =11[1()]1441314k k lim →∞-=-（2）P{X ≥3}=1―P{X <3}=1―P{X=1}- P{X=2}=1111244--= 2.6解：(1)设X 表示4次独立试验中A 发生的次数，则X~B(4,0.4)34314044(3)(3)(4)0.40.60.40.60.1792P X P X P X C C ≥==+==+=X 2 3 4 5 6 7 8 9 10 11 12P 1/36 1/18 1/12 1/9 5/36 1/6 5/36 1/9 1/12 1/18 1/36(2)设Y 表示5次独立试验中A 发生的次数，则Y~B(5,0.4)345324150555(3)(3)(4)(5)0.40.60.40.60.40.60.31744P X P X P X P X C C C ≥==+=+==++=2.7 （1）X ～P(λ)=P(0.5×3)= P(1.5)0 1.51.5{0}0!P X e -=== 1.5e - （2）X ～P(λ)=P(0.5×4)= P(2)0122222{2}1{0}{1}1130!1!P X P X P X e e e ---≥=-=-==--=-2.8解：设应配备m 名设备维修人员。
概率论与数理统计第三章章节总结
概率论与数理统计第三章章节总结
概率论与数理统计的第三章主要介绍了随机变量及其分布、随机变量的离散概率和连续概率、期望和方差的计算、贝叶斯统计学等内容。
以下是本章的总结:
1. 随机变量及其分布
第三章第一小节介绍了随机变量的定义和性质,并介绍了离散型和连续型随机变量的区别。
然后,章节第二小节介绍了随机变量的分布,其中包括概率分布、密度函数、期望和方差的计算方法。
这些内容对于理解随机变量的分布非常重要。
2. 随机变量的离散概率和连续概率
第三章第三小节介绍了随机变量的离散概率和连续概率。
离散概率讨论的是离散型随机变量在某一范围内的取值概率,而连续概率讨论的是连续型随机变量在某一区间内的概率。
这些概念对于理解随机变量的性质和分布非常重要。
3. 期望和方差的计算
第三章第四小节介绍了期望和方差的计算方法。
期望是指一个随机变量的平均值,可以通过计算各个取值的概率和总和来实现。
方差是指一个随机变量在各个取值之间的差异,可以通过计算各个取值的差值和总和来实现。
这些内容对于计算随机变量的期望和方差非常重要。
4. 贝叶斯统计学
第三章第五小节介绍了贝叶斯统计学的原理和应用。
贝叶斯统计
学可以用来预测未来事件的概率,也可以用于概率模型的建模和优化。
这些内容对于实际应用非常有帮助。
综上所述,概率论与数理统计的第三章主要介绍了随机变量的分布、离散概率和连续概率、期望和方差的计算、贝叶斯统计学等内容,是学习概率论和统计学的重要基础。
- 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)。
第五章 大数定理和中心极限定理1．[一] 据以往经验某种电器元件的寿命服从均值为100小时的指数分布，现在随机的抽取16只，设它们的寿命是相互独立的，求这16只元件寿命总和大于1920小时的概率。
解：设第i 只寿命为X i ，（1≤i ≤16），故E (X i )=100，D (X i )=1002(l=1,2,…,16).依本章定理1知⎪⎪⎪⎪⎪⎭⎫⎝⎛≤-=⎪⎪⎪⎪⎪⎭⎫⎝⎛⨯-≤⨯-=≤∑∑∑===8.040016001001616001920100161600)1920(1616161i i i i i i X P X P X P.7881.0)8.0(=Φ=从而.2119.07881.01)1920(1)1920(161161=-=≤-=>∑∑==i ii iXP XP3．[三] 计算机在进行加法时，对每个加数取整（取为最接近它的整数），设所有的取整误差是相互独立的，且它们都在（－，）上服从均匀分布，（1）若将1500个数相加，问误差总和的绝对值超过15的概率是多少 （2）几个数相加在一起使得误差总和的绝对值小于10的概率不小于 解：（1）设取整误差为X i （ ,2,1=i ，1500），它们都在（－, ）上服从均匀分布。
于是： 025.05.0)(=+-==p X E i 12112)]5.0(5.0[)(2=--=i X D 18.111251211500)(,0)(==⨯==i i X nD X nE ⎭⎬⎫⎩⎨⎧≤≤--=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>∑∑∑===1515115115150011500115000i i i i i i X P X P X P ⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤≤--=∑=18.111518.1118.1115115001i i X P1802.0]9099.01[2)]34.1(1[2)]34.1()34.1([1=-⨯=Φ-=-Φ-Φ-=8．某药厂断言，该厂生产的某种药品对于医治一种疑难的血液病的治愈率为，医院检验员任意抽查100个服用此药品的病人，如果其中多于75人治愈，就接受这一断言，否则就拒绝这一断言。
（1）若实际上此药品对这种疾病的治愈率是，问接受这一断言的概率是多少（2）若实际上此药品对这种疾病的治愈率是，问接受这一断言的概率是多少解：设X 为100人中治愈的人数，则X ～B (n, p )其中n=100（1）)75(1751)75(1)75(npq np npq np npq np X P X P X P -Φ-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧-≤--=≤-=> 8944.0)45()45(1=+Φ=-Φ-= （2）p=由中心极限定理知)75(1751)75(1)75(npq np npq np npq np X P X P X P -Φ-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧-≤--=≤-=> .1379.08621.01)09.1(1)215(1=-=Φ-=Φ-= 7．[七] 一复杂的系统，由100个互相独立起作用的部件所组成。
在整个运行期间每个部件损坏的概率为。
为了整个系统起作用至少必需有85个部件工作。
求整个系统工作的概率。
（2）一个复杂的系统，由n 个互相独立起作用的部件所组成，每个部件的可靠性（即部件工作的概率）为。
且必须至少有80%部件工作才能使整个系统工作，问n 至少为多少才能使系统的可靠性不低于。
解：（1）设每个部件为X i (i=1,2,……100)⎩⎨⎧=部件损坏不工作部件工作01i X设X 是100个相互独立，服从（0－1）分布的随机变量X i 之和X=X 1+ X 2+……+ X 100由题设知 n=100 P {X i =1}=p =, P {X i =0}= E (X i ) =p = D (X i ) =p (1－p )=×=n ·E (X i ) =100×=90, n D (X i ) =100×=9⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧-≥-=⎭⎬⎫⎩⎨⎧≥∑=)()(85)()(851001i i i i i i X nD X nE X nD X nE X P X P=⎭⎬⎫⎩⎨⎧-≥-=⎭⎬⎫⎩⎨⎧-≥-3539099085990X P X P=⎭⎬⎫⎩⎨⎧-<--353901X P由中心极限定理知⎰-∞---≈3522211dt e πt )35(1-Φ-= 查标准正态分布表=φ=解：（2）设每个部件为X i (i=1,2,……n )⎩⎨⎧=部件损坏不工作部件工作01i XP {X i =1}=p =, P {X i =0}=1－p = E (X i ) =p =,D (X i ) =×=由问题知95.0100801=⎭⎬⎫⎩⎨⎧>∑=n i i n X P 求n=而⎭⎬⎫⎩⎨⎧>∑=n X P n i i 100801⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧->-=∑=)(10080)(1i i ni i X nD np n X nD np X P=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧->-∑=n n n nn X P ni i 3.09.0100803.09.01=1－⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧-≤-∑=n n n nn X P n i i 3.09.0100803.09.01由中心极限定理知=95.03.01.03.01.01≥⎪⎪⎭⎫⎝⎛Φ=⎪⎪⎭⎫⎝⎛-Φ-nn nn 查标准正态分布表得645.13.01.0≥nn解得n ≥取n=25，即n 至少为25才能使系统可靠性为.[八] 随机地取两组学生，每组80人，分别在两个实验室里测量某种化合物的PH 值，各人测量的结果是随机变量，它们相互独立，且服从同一分布，其数学期望为5，方差为，以Y X ,分别表示第一组和第二组所得结果的算术平均：（1）求P {<1.5<X } （2）1.01.0{<-<-Y X P } 解：由中心极限定理知3.080580801⨯⨯-=∑=i iXU ～N (0,1)3.080580801⨯⨯-=∑=j jYV ～N (0,1)（1）⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧⨯⨯-⨯<⨯⨯-<⨯⨯-⨯=<<∑=3.080580801.53.0805803.080580809.4}1.59.4{801i i X P X P8968.019484.021)63.1(263.12458063.1801=-⨯=-Φ=⎪⎪⎪⎭⎪⎪⎪⎬⎫⎪⎪⎪⎩⎪⎪⎪⎨⎧<⨯-<-∑=i i X P（2）由X i , Y j 的相互独立性知∑∑==801801j ji iYX 与独立。
从而U ，V 独立。
于是U －V ～N (0, 2)而24801801∑∑==-=-≅j ji iYX V U Z⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧⨯⨯<⨯-<⨯⨯-=<-<-∑∑==3.080801.03.0803.080801.0}1.01.0{801801j ji i Y X P Y X P1)15.1(2263.1263.1}63.163.1{-Φ=⎪⎪⎭⎫⎝⎛-Φ-⎪⎪⎭⎫ ⎝⎛Φ=<<-=Z P=2×－1=[九] 某种电子器件的寿命（小时）具有数学期望μ（未知），方差σ2=400 为了估计μ，随机地取几只这种器件，在时刻t=0投入测试（设测试是相互独立的）直到失败，测得其寿命X 1，…，X n ，以∑==ni iX n X 11作为μ的估计，为使,95.0|}{|≥-μX P 问n 至少为多少 解：由中心极限定理知，当n 很大时)1,0(~221N σn μn X n σn μn Xni i-=-∑=⎪⎪⎭⎫⎝⎛-Φ-⎪⎪⎭⎫ ⎝⎛Φ≈⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-<-=<-22222}1|{|σn n σn n σn n σn μn X n σn n P μX P =95.01202≥-⎪⎪⎭⎫⎝⎛Φn 所以975.020≥⎪⎪⎭⎫⎝⎛Φn查标准正态分布表知64.153696.120≥≥n n即n 至少取1537。