考研数学《概率论与数理统计》知识点总结
- 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)。
第一章 概率论的基本概念
定义: 随机试验E 的每个结果样本点组成样本空间S ,S 的子集为E 的随机事件,单个样本点为基本事件. 事件关系: 1.A ⊂B ,A 发生必导致B 发生.
2.A B 和事件,A ,B 至少一个发生,A B 发生. 3.A B 记AB 积事件,A ,B 同时发生,AB 发生. 4.A -B 差事件,A 发生,B 不发生,A -B 发生.
5.A B=Ø,A 和B 互不相容(互斥),A 和B 不能同时发生,基本事件两两互不相容. 6.A B=S 且A B=Ø,A 和B 互为逆事件或对立事
件,A 和B 中必有且仅有一个发生,记B=A S A -=. 事件运算: 交换律、结合律、分配率略.
德摩根律:B A B A =,B A B A =.
概率: 概率就是n 趋向无穷时的频率,记P(A).
概率性质:
1.P (Ø)=0.
2.(有限可加性)P (A 1 A 2 … A n )=P (A 1)+P (A 2)+…+P (A n ),A i 互不相容. 3.若A ⊂B ,则P (B -A)=P (B)-P (A).
4.对任意事件A ,有)A (1)A (P P -=.
5.P (A B)=P (A)+P (B)-P (AB).
古典概型: 即等可能概型,满足:1.S 包含有限个元素.2.每个基本事件发生的可能性相同. 等概公式: 中样本点总数
中样本点数
S A )A (==
n k P . 超几何分布:
⎪⎪⎭⎫ ⎝⎛⎪
⎪⎭⎫
⎝⎛--⎪⎪⎭⎫ ⎝⎛=n N k n D N k D p ,其中r
a C r a =⎪⎪⎭
⎫ ⎝⎛. 条件概率: )
A ()
AB ()A B (P P P =
. 乘法定理:
)A ()A B ()AB C ()ABC ()
A ()A
B ()AB (P P P P P P P ==.
全概率公式: )B ()B A ()B ()B A ()B ()B A ()A (2211n n P P P P P P P +++= ,其中i B 为S 的划分. 贝叶斯公式: )
A ()
B ()B A ()A B (P P P P i i i =
,∑==
n
j j j B P B A P A P 1
)()()(或)
()()()()
()()(B P B A P B P B A P B P B A P A B P +=
.
独立性: 满足P (AB)=P (A)P (B),则A ,B 相互独立,简称A ,B 独立.
定理一: A ,B 独立,则.P (B |A)=P (B). 定理二: A ,B 独立,则A 和B ,A 和B ,A 和B 也相互独立.
(0—1)分布: k k p p k X P --==1)1(}{,k =0,1 (0
伯努利实
验:
实验只有两个可能的结果:A 及A .
二项式分布: 记X~b (n ,p ),k
n k k n p p C k X P --==)1(}{. n 重伯努利实验:
独立且每次试验概率保持不变.其中A 发生k 次,即二项式分布.
泊松分布: 记X~π(λ),!
}{k e k X P k λ
λ-=
=, ,2,1,0=k .
泊松定理: !
)
1(lim k e p p C k k
n k k
n
n λ
λ--∞
→=
-,其中λ=np .当20≥n ,05.0≤p 使用泊松定理近似效果颇佳.
随机变量分
布函数: }{)(x X P x F ≤=,+∞<<∞-x .
)()(}{1221x F x F x X x P -=≤<.
连续型随机
变量: ⎰
∞
-=
x
t t f x F d )()(,X 为连续型随机变量,)(x f 为X 的概率密度函数,简称概率密度.
概率密度性
质:
1.0)(≥x f ;2.
1d )(=⎰
+∞
∞
-x x f ;
3.⎰=-=≤<2
1
d )()()(}{1221x x x x f x F x F x X x P ;4.)()(x f x F =',f (x )在x 点连续;5.P {X=a }=0.
均匀分布: 记X~U(a ,b );⎪⎩⎪⎨⎧<<-=其它,,01)(b
x a a
b x f ;⎪⎩⎪⎨⎧≥<≤--<=b x b x a a b a x a x x F ,
,,10)(. 性质:对a ≤c ⎪⎩⎪⎨⎧>=-其它, ,00 1)(x e x f x θ θ ;⎩⎨⎧>-=-其它,,001)(x e x F x θ. 无记忆性: }{}{t X P s X t s X P >=>+>. 正态分布: 记),(~2 σμN X ;]2)(ex p[21)(2 2 σμσ π--= x x f ;t t x F x d ]2)(ex p[21 )(22 ⎰∞---=σμσ π. 性质: 1.f (x )关于x =μ对称,且P {μ-h 布: ]2exp[21)(2 x x -=π ϕ;⎰∞--= Φx t t x d ]2ex p[21)(2 π. 即μ=0,σ=1时 的正态分布X ~N(0,1) 性质:)(1)(x x Φ-=-Φ. 正态分布的 线性转化: 对),(~2σμN X 有)1,0(~N X Z σμ-=;且有)(}{}{)(σ μσμσμ-Φ=-≤-=≤=x x X P x X P x F . 正态分布概 率转化: )()(}{1221σ μσμ-Φ--Φ=≤ 3σ法则: P =Φ(1)-Φ(-1)=68.26%;P =Φ(2)-Φ(-2)=95.44%;P =Φ(3)-Φ(-3)=99.74%,P 多落在(μ-3σ,μ+3σ)内. 上ɑ分位点: 对X~N(0,1),若z α满足条件P {X>z α}=α,0<α<1,则称点z α为标准正态分布的上α分位点. 常用 上ɑ分位点: 0.001 0.005 0.01 0.025 0.05 0.10 3.090 2.576 2.326 1.960 1.645 1.282 Y 服从自由度为1的χ2 分布: 设X 密度函数f X (x ),+∞<<∞-x ,若Y=X 2,则 ⎪⎩⎪ ⎨⎧≤>-+=000)]()([21 )(y y y f y f y y f X X Y , , 若设X ~N(0,1),则有 ⎪⎩⎪ ⎨⎧≤>=--00021 )(221y y e y y f y Y , ,π 定理: 设X 密度函数f X (x ),设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,且有 ⎩⎨⎧<<'=其他,,0)()]([)(βαy y h y h f y f X Y h (y )是g (x )的反函数;①若+∞<<∞-x ,则α=min{g (−∞), g (+∞)},β=max{g (−∞),g (+∞)};②若f X (x )在[a ,b ]外等于零, g (x )在[a ,b ]上单调,则α=min{g (a ),g (b )},β=max{g (a ),g (b )}. 使用: Y=aX +b ~N(a μ+b ,(|a |σ)2). 二维随机变量的分 布函数: 分布函数(联合分布函数):)}(){(),(y Y x X P y x F ≤≤= ,记作:},{y Y x X P ≤≤. ),(),(),(),(},{112112222121y x F y x F y x F y x F y Y y x X x P +--=≤<≤<. F (x ,y )性质: 1.F (x ,y )是x 和y 的不减函数,即x 2>x 1时,F (x 2,y )≥F (x 1,y );y 2>y 1时,F (x ,y 2)≥F (x ,y 1). 2.0≤F (x ,y )≤1且F (−∞,y )=0,F (x ,−∞)=0,F (−∞,−∞)=0,F (+∞,+∞)=1. 3.F (x +0,y )=F (x ,y ),F (x ,y +0)=F (x ,y ),即F (x ,y )关于x 右连续,关于y 也右连续. 4.对于任意的(x 1,y 1),(x 2,y 2),x 2>x 1,y 2>y 1,有P {x 1 离散型(X ,Y ): 0≥ij p ,11 1=∑∑∞ =∞=ij j i p ,ij y y x x p y x F i i ∑∑=≤≤),(. 连续型 (X ,Y ): v u v u f y x F y x d d ),(),(⎰⎰ ∞-∞ -= . f (x ,y )性 质: 1.f (x ,y )≥0. 2. 1),(d d ),(=∞∞=⎰⎰ ∞ ∞-∞ ∞ -F y x y x f .