概率论复习提纲.pptx

7
书山有路
基本公式就是一些定律和性质公式，已经很熟悉的公式跳过，相对陌生的重点记忆一下，会 用就行了。目测比较陌生的也就是德·摩根率的两个公式和任意 n 个事件的并集概率公式。 条件概率那一节主要是理解记忆全概率公式和贝叶斯公式，课后相关习题会做就达到要求 了。独立事件这一部分记得它的条件就够了，做题需要用的时候能用上就可以了。这儿强 调 一下，注意区别一下相互独立事件和互斥事件、对立事件的关系，尤其注意一下各个随 机 事件概率之间的数量关系。 第二、三、四章都是讲随机变量的相关计算，首先注意分清离散型随机变量和连续性随机变 量的相关表示方法和称谓。比如 f(x)和 P(X=xi)，相同含义，离散型叫做概率分布律，而连 续性称谓概率密度函数，类似的还有许多。 掌握两类函数中各自的基本函数。离散型：0-1 分布（x~B(1,p)），二项分布（x~B(n,p)） ， 几何分布，泊松分布（x~π(λ)这个比较陌生，重点看看）；连续性：均匀分布（x~U （a， b）），正态分布（x~N(μ，σ2)），指数分布（这个也相对陌生，重点看看）。熟 记这些 基本分布的表达式、均值和方差。 掌握表征随机变量的一些量，诸如概率密度函数（概率分布律），概率分布函数（第二章） ； 联合分布律，联合概率分布函数，边缘分布律（边缘概率密度），边缘分布函数（第三章 ）； 均值，方差，协方差，相关系数（第四章）等，注意各自表征的含义，区别一维和二 维， 特别留意均值和方差的相关性质。 理想的效果：会灵活地实现边缘概率密度、边缘分布函数和联合概率密度、联合分布函数 之间转换计算，计算方差、均值、协方差、相关系数，掌握切皮雪夫不等式和中心极限定 理的应用，另外还有涉及条件分布，和的分布，max，min，Y=g(x)等分布的计算，其实 都有现成公式来辅助计算。 概率论所学的知识也就是上面这些，数理统计部分学得很少，我归纳了一下，掌握一下这些 就行：
第三章 二维随机变量及其分布
（2）期 1
望的性
质
2
E(C)=C E(CX)=CE(X)
（3） E(X+Y)=E(X)+E(Y)， （4） E(XY)=E(X) E(Y)，充分条件：X 和 Y 独立；
充要条件：X 和 Y 不相关。
（3）方 （1） D(C)=0；E(C)=C
差的性
质
2 D(aX)=a2D(X)； E(aX)=aE(X)
若 为 的矩估计， 为连续函数，则 为 的矩估计。
极大似然估 当总体 X 为连续型随机变量时，设其分布密度为 ，其中 为未知参数。又设 为总
计
体的一个样本，称
为样本的似然函数，简记为 Ln. 当总体 X 为离型随机变量时，设其分布律为 ，则称 为样本的似然函数。 若似然函数 在 处取到最大值，则称 分别为 的最大似然估计值，相应的统计量称 为最大似然估计量。 若 为 的极大似然估计， 为单调函数，则 为 的极大似然估计。
特殊情形：若 X1，X2，…具有相同的数学期望 E（XI）=μ，则上式成为
伯努利大 设 μ 是 n 次独立试验中事件 A 发生的次数，p 是事件 A 在每次试验中发 数定律 生的概率，则对于任意的正数 ε，有
伯努利大数定律说明，当试验次数 n 很大时，事件 A 发生的频率与概率 有较大判别的可能性很小，即
基本步骤 假设检验的基本步骤如下：
(i)提出零假设 H0；
(ii)选择统计量 K；
(iii)对于检验水平 α 查表找分位数 λ；
(iv)由样本值 计算统计量之值 K；
两类错误
将 进行比较，作出判断：当 时否定 H0，否则认为 H0 相容。
第一类错误
当 H0 为真时，而样本值却落入了否定域，按照我们规定的检验法则， 应当否定 H0。这时，我们把客观上 H0 成立判为 H0 为不成立（即否 定了真实的假设），称这种错误为“以真当假”的错误或第一类错误， 记 为犯此类错误的概率，即
几 ，其中 p≥0，q=1-p。 何 分 随机变量 X 服从参数为 p 的几何分布，记为 G(p)。 布
均 设随机变量 的值只落在[a，b]内，其密度函数 在[a，b]上为常数 ，即 匀 分 a≤x≤b 布
1
书山有 路
其他， 则称随机变量 在[a，b]上服从均匀分布，记为 X~U(a，b)。 分布函数为
书山有 路
概率论复习提纲 第一章 随机事件和概率
（11）减法公式
P(A-B)=P(A)-P(AB) 当 B A 时，P(A-B)=P(A)-P(B) 当 A=Ω 时，P( )=1- P(B)
第二章 随机变量及其分布
（5） 0-1 P(X=1)=p, P(X=0)=q 八大 分 分布 布
二 在 重贝努里试验中，设事件 发生的概率为 。事件 发生的次数是随机变量，设为 ，则 可能取 项 值为 。 分 布 ， 其中 ，
这就以严格的数学形式描述了频率的稳定性。
辛钦大数 设 X1，X2，…，Xn，…是相互独立同分布的随机变量序列，且 E（Xn）=μ，
定律
则对于任意的正数 ε 有
4
书山有 路
（2）中心极限定理
列维－林 设随机变量 X1，X2，…相互独立，服从同一分布，且具有相同的数学期 德伯格定 望和方差： ，则随机变量
若随机变量 X 与 Y 相互独立，则 ；反之不真。 若（X，Y）～N（ ），
则 X 与 Y 相互独立的充要条件是 X 和 Y 不相关。
第五章 大数定律和中心极限定理
（1）大数定律
切比雪夫 设随机变量 X1，X2，…相互独立，均具有有限方差，且被同一常数 C 所 大数定律 界：D（Xi）<C(i=1,2,…),则对于任意的正数 ε，有
(ii)查表找分位数
（iii）导出置信区间
方差的区间估计
i. 选择样本函数
ii. 查表找分位数
iii. 导出 的置信区间
第八章 假设检验
基本思想
假设检验的统计思想是，概率很小的事件在一次试验中可以认为基本上是不会发生的，即小 概率原理。
为 了检验一个假设 H0 是否成立。我们先假定 H0 是成立的。如果根据这个假定导致了一个
具有如下性质：
1° 的图形是关于 对称的； 2° 当 时， 为最大值； 若 ，则 的分布函数为
。。 参数 、 时的正态分布称为标准正态分布，记为 ，其密度函数记为 ，， 分布函数为
2
书山有 路
。 是不可求积函数，其函数值，已编制成表可供查用。 Φ(-x)＝1-Φ(x)且 Φ(0)＝ 。 如果 ~ ，则 ~ 。 。
3 D(aX+b)= a2D(X)； E(aX+b)=aE(X)+b
（4） D(X)=E(X2)-E2(X) （5） D(X±Y)=D(X)+D(Y)，充分条件：X 和 Y 独立；
充要条件：X 和 Y 不相关。
D(X±Y)=D(X)+D(Y) ±2E[(X-E(X))(Y-E(Y))]，无条件成立。 而 E(X+Y)=E(X)+E(Y)，无条件成立。
协方差 相关系数
对于随机变量 X 与 Y，称它们的二阶混合中心矩 为 X 与 Y 的协方差 或相关矩，记为 ，即
与记号 相对应，X 与 Y 的方差 D（X）与 D（Y）也可分别记为 与 。 对于随机变量 X 与 Y，如果 D（X）>0, D(Y)>0，则称 为 X 与 Y 的相关系数，记作 （有时可简记为 ）。 | |≤1，当| |=1 时，称 X 与 Y 完全相关：
P{否定 H0|H0 为真}= ；
此处的 α 恰好为检验水平。
第二类错误
当 H1 为真时，而样本值却落入了相容域，按照我们规定的检验法则， 应当接受 H0。这时，我们把客观上 H0。不成立判为 H0 成立（即接受 了不真实的假设），称这种错误为“以假当真”的错误或第二类错误， 记 为犯此类错误的概率，即
第七章 参数估计
（1）点估 矩估计 计
设总体 X 的分布中包含有未知数 ，则其分布函数可以表成 它的 k 阶原点矩 中也 包含了未知参数 ，即 。又设 为总体 X 的 n 个样本值，其样本的 k 阶原点矩为
这样，我们按照“当参数等于其估计量时，总体矩等于相应的样本矩”的原则建立方 程，即有
由上面的 m 个方程中，解出的m 个未知参数 即为参数（ ）的矩估计量。
5
书山有 路
（2）估计 无偏性 量的评选 标准
有效性
设 为未知参数 的估计量。若 E （ ）= ，则称 为 的无偏估计量。 E（ ）=E（X）， E（S2）=D（X） 设 和 是未知参数 的两个无偏估计量。若 ，则称 有效。
一致性
设 是 的一串估计量，如果对于任意的正数 ，都有 则称 为 的一致估计量（或相合估计量）。 若 为 的无偏估计，且 则 为 的一致估计。
总体中的每一个单元称为样品（或个体）。
我 们把从总体中抽取的部分样品 称为样本。样本中所含的样品数称为样 本容量，一般用 n 表示。在一般情况下，总是把样本看成是 n 个相互独立 的且与总体有相同分 布的随机变量，这样的样本称为简单随机样本。在泛 指任一次抽取的结果时， 表示 n 个随机变量（样本）；在具体的一次抽 取之后， 表示 n 个具体的数值（样本 值）。我们称之为样本的两重性。
理 的分布函数 Fn(x)对任意的实数 x，有
此定理也称为独立同分布的中心极限定理。
棣莫弗－ 设随机变量 为具有参数 n, p(0<p<1)的二项分布，则对于任意实数 x,有 拉普拉斯 定理
第六章 样本及抽样分布
（1） 总体 数理
统计 的基 个体
本概 念 样本
在数理统计中，常把被考察对象的某一个（或多个）指标的全体称为总体 （或母体）。我们总是把总体看成一个具有分布的随机变量（或随机向量）。
a≤x≤b 0， x<a， 1， x>b。 当 a≤x1<x2≤b 时，X 落在区间（ ）内的概率为 。 指, 数 分 0, , 布 其中 ，则称随机变量 X 服从参数为 的指数分布。 X 的分布函数为 , x<0。