概率论与数理统计考试重点
山东省考研数学复习资料概率论与数理统计重点知识点整理
山东省考研数学复习资料概率论与数理统计重点知识点整理概率论与数理统计是数学的重要分支，广泛应用于各个领域。
在山东省考研的数学科目中，概率论与数理统计是必考内容之一。
为了帮助考生复习，本文将针对概率论与数理统计的重点知识点进行整理，并提供相应的考点解析和习题练习。
一、概率论基础知识1. 随机事件与概率：事件的概念、随机事件的概率、事件的运算（包括事件的和、积，互斥事件，逆事件等）2. 条件概率与独立性：条件概率的概念、乘法定理、全概率公式、贝叶斯公式、独立事件的概念与性质3. 随机变量与分布函数：随机变量的概念、离散型随机变量、连续型随机变量、随机变量函数的分布4. 数学期望与方差：随机变量的数学期望、方差的性质与计算、条件期望、协方差与相关系数的定义与计算二、概率分布1. 离散型随机变量的分布：伯努利分布、二项分布、泊松分布等，包括分布的概率函数、分布函数、数学期望和方差的计算2. 连续型随机变量的分布：均匀分布、指数分布、正态分布等，包括分布的密度函数、分布函数、数学期望和方差的计算3. 两个随机变量的分布：随机变量之和的分布、两个随机变量的函数的分布三、大数定律与中心极限定理1. 大数定律：切比雪夫不等式、大数定律的独立同分布条件、伯努利大数定律、辛钦大数定律2. 中心极限定理：中心极限定理的独立同分布条件、独立同分布情况下的林德伯格-列维定理、棣莫弗-拉普拉斯中心极限定理四、参数估计与假设检验1. 点估计：估计量与矩估计、最大似然估计、无偏性与有效性、均方误差2. 区间估计：置信区间的构造与解释、枢轴变量法构造置信区间、大样本置信区间与小样本置信区间3. 假设检验：假设检验的基本原理与步骤、拒绝域与接受域、显著性水平与p值、参数检验与非参数检验五、相关分析与方差分析1. 相关分析：相关系数的计算与解释、相关系数的性质与应用、线性回归与最小二乘法2. 方差分析：单因素方差分析、双因素方差分析、方差分析的假设条件与检验方法六、样本调查与抽样分布1. 随机抽样：简单随机抽样、分层抽样、整群抽样、多阶段抽样等抽样方法2. 样本调查：样本容量的确定、调查问卷设计与分析、样本误差与抽样误差3. 抽样分布：统计量与抽样分布、正态分布与t分布、卡方分布与F分布通过对概率论与数理统计的重点知识点进行整理，希望能够帮助山东省考研数学的考生有一个清晰的复习框架。
概率论与数理统计总复习知识点归纳
概率论与数理统计总复习知识点归纳1.概率论的基础概念-随机事件、样本空间和事件的关系。
-频率和概率的关系，概率的基本性质。
-古典概型和几何概型的概念。
-条件概率和乘法定理。
-全概率公式和贝叶斯公式。
-随机变量和概率分布函数的概念。
-离散型随机变量和连续型随机变量的定义、概率质量函数和概率密度函数的性质。
2.随机变量的数字特征-随机变量的数学期望、方差、标准差和切比雪夫不等式。
-协方差、相关系数和线性变换的数学期望和方差公式。
-两个随机变量的和、差、积的数学期望和方差公式。
3.大数定律和中心极限定理-大数定律的概念和三级强大数定律。
-中心极限定理的概念和中心极限定理的两种形式。
4.数理统计的基本概念和方法-总体、样本和抽样方法的概念。
-样本统计量和抽样分布的概念。
-点估计和区间估计的概念。
-假设检验的基本思想和步骤。
-正态总体的参数的假设检验和区间估计。
5.参数估计和假设检验的方法和推广-极大似然估计的原理和方法。
-矩估计的原理和方法。
-最小二乘估计的原理和方法。
-一般参数的假设检验和区间估计。
6.相关分析和回归分析-相关系数和线性相关的概念和性质。
-回归分析的一般原理。
-简单线性回归的估计和检验。
7.非参数统计方法-秩和检验和符号检验的基本思想和应用。
-秩相关系数的计算和检验。
8.分布拟合检验和贝叶斯统计-卡方拟合检验的原理和方法。
-正态总体参数的拟合优度检验。
-贝叶斯估计的基本思想和方法。
9.时间序列分析和质量控制-时间序列的基本性质和分析方法。
-时间序列预测的方法和模型。
-质量控制的基本概念和控制图的应用。
以上是概率论与数理统计总复习知识点的归纳，希望对你的复习有所帮助。
概率论与数理统计考点归纳
概率论与数理统计考点归纳1. 引言概率论与数理统计是数学中的两个重要分支，它们研究随机现象的规律和利用数据推断总体特征。
在实际应用中，概率论与数理统计广泛应用于自然科学、社会科学、工程技术等领域。
本文将从以下几个方面对概率论与数理统计的考点进行归纳和总结。
2. 概率论考点2.1 随机变量与概率分布•随机变量的定义、分类和常见概率分布：离散随机变量、连续随机变量、二项分布、泊松分布、正态分布等。
•期望、方差和协方差的定义和性质，以及它们与随机变量的关系。
•大数定律和中心极限定理的概念和应用。
2.2 一维随机变量的分布特征•分布函数、概率密度函数和概率质量函数的定义和性质。
•分位数和分位点的概念和计算方法。
•随机变量的矩、协方差和相关系数的定义和计算。
•常见分布的特征：均匀分布、指数分布、正态分布等。
2.3 多维随机变量的分布特征•多维随机变量的联合分布、边缘分布和条件分布的定义和性质。
•多维随机变量的矩、协方差矩阵和相关系数矩阵的定义和计算。
•多维正态分布的定义和性质，以及多维正态分布的应用。
2.4 随机变量的函数的分布特征•随机变量函数的分布：线性变换、和、积、商的分布。
•随机变量函数的期望、方差和协方差的计算方法。
3. 数理统计考点3.1 抽样与抽样分布•抽样的概念和方法：随机抽样、简单随机抽样、系统抽样、分层抽样、整群抽样等。
•抽样分布的概念和性质：样本均值的抽样分布、样本比例的抽样分布、样本方差的抽样分布等。
•中心极限定理在抽样分布中的应用。
3.2 参数估计•点估计的概念和方法：矩估计、最大似然估计等。
•点估计的性质：无偏性、有效性、一致性等。
•置信区间的定义和计算方法。
3.3 假设检验•假设检验的基本步骤：建立原假设和备择假设、选择检验统计量、确定显著性水平、计算拒绝域、做出判断。
•假设检验的错误和功效：第一类错误、第二类错误和功效的概念和计算。
•常见假设检验方法：正态总体均值的假设检验、正态总体方差的假设检验、两样本均值的假设检验等。
考研数学一大纲重点梳理概率论与数理统计部分
考研数学一大纲重点梳理概率论与数理统计部分概率论和数理统计是考研数学一科目中的重要部分，本文将针对概率论与数理统计这一大纲进行重点梳理。
首先，我们将介绍概率论的基本概念和理论，然后详细讨论数理统计的相关内容。
一、概率论的基本概念和理论1. 概率的基本概念概率是研究随机现象的定量描述，用来描述事件发生的可能性大小。
概率可以用数值表示，范围在0到1之间，其中0代表不可能事件，1代表必然事件。
2. 概率的运算规则概率的运算规则包括加法规则和乘法规则。
加法规则适用于互斥事件，乘法规则适用于独立事件。
3. 随机变量和概率分布随机变量是用来描述随机现象的变量，可以分为离散随机变量和连续随机变量。
概率分布描述了随机变量的取值与概率之间的关系，常见的概率分布包括二项分布、泊松分布和正态分布等。
4. 期望和方差期望是随机变量的平均值，用来描述随机变量的集中趋势；方差是随机变量与期望之间的差异程度，用来描述随机变量的离散程度。
二、数理统计的相关内容1. 抽样与抽样分布抽样是指从总体中选取一部分个体进行观察和研究的过程，抽样分布是指样本统计量的概率分布。
常见的抽样分布包括正态分布、t分布和F分布等。
2. 参数估计参数估计是利用样本数据来估计总体参数的值，常见的参数估计方法包括点估计和区间估计。
点估计是用单个数值来估计参数的值，区间估计是用一个区间来估计参数的值。
3. 假设检验假设检验是根据样本提供的信息，对总体的某个参数是否满足某种假设进行判断。
假设检验可以分为单侧检验和双侧检验，常见的假设检验方法包括z检验和t检验等。
4. 方差分析方差分析是用来比较两个或多个总体间均值差异是否显著的统计方法。
方差分析可以分为单因素方差分析和多因素方差分析，常用的方法包括单因素方差分析和双因素方差分析等。
5. 回归分析回归分析是用来研究自变量与因变量之间的关系的方法。
简单线性回归是一种自变量和因变量之间存在线性关系的回归分析方法，多元线性回归是多个自变量和一个因变量之间的回归分析方法。
概率论与数理统计重点和必考点
05 数理统计基本概念与方法
总体与样本概念辨析
总体
研究对象的全体，是一个随机变 量，有确定的分布但未知。
样本
从总体中随机抽取的一部分个体， 用于推断总体的性质。
样本容量
样本中包含的个体数目，用n表示。
统计量与抽样分布
统计量
由样本构造出的一个或多个不含总体分布未知参数的函数。
抽样分布
统计量的分布，描述了样本统计量在不同样本下的可能取值及概 率。
03 多维随机变量及其分布
二维随机变量联合分布
01
联合分布函数
对于二维随机变量$(X,Y)$，其联合分布函数$F(x,y)$描述了随机点
$(X,Y)$落在以$(x,y)$为顶点的左下方区域的概率。
02 03
联合概率密度函数
若二维随机变量$(X,Y)$的分布函数可微，则存在非负函数$f(x,y)$，使 得$F(x,y)$等于$f(x,y)$在对应区域的二重积分，称$f(x,y)$为$(X,Y)$的 联合概率密度函数。
假设检验与方差分析
假设检验是统计推断中的另一种重要 方法，用于判断总体参数是否满足某 个假设。方差分析则是一种特殊的假 设检验方法，用于比较多个总体的均 值是否存在显著差异。
回归分析与相关分析
回归分析和相关分析是统计推断中的 两种常用方法，用于研究变量之间的 关系。回归分析通过建立回归方程来 描述变量之间的依赖关系；而相关分 析则是通过计算相关系数来衡量变量 之间的相关程度。这些方法在社会科 学、生物医学、经济金融等领域有着 广泛的应用。
随机变量的分类
根据随机变量可能取的值的个数分为离散型随机变量和连续型随机变量。
离散型随机变量分布律
分布律的定义
对于一个离散型随机变量X，其所有可能取的值为$x_k$，称$P{X=x_k}=p_k$为随 机变量X的分布律。
统计学复习资料概率论与数理统计重点知识点整理
统计学复习资料概率论与数理统计重点知识点整理概率论与数理统计是统计学的基础课程之一，也是应用最为广泛的数学工具之一。
下面将对概率论与数理统计的重点知识点进行整理，以供复习使用。
一、概率论的基本概念1. 样本空间和事件：样本空间是指随机试验的所有可能结果构成的集合，事件是样本空间的子集。
2. 古典概型和几何概型：古典概型是指样本空间中的每个结果具有相同的概率，几何概型是指采用几何方法进行分析的概率模型。
3. 概率公理和条件概率：概率公理是概率论的基本公理，条件概率是指在已知某一事件发生的条件下，另一事件发生的概率。
4. 独立事件和全概率公式：独立事件是指两个事件的发生与否互不影响，全概率公式是用于计算复杂事件的概率的公式。
5. 随机变量和概率分布函数：随机变量是对样本空间中的每个结果赋予一个数值，概率分布函数是随机变量的分布情况。
二、概率分布的基本类型1. 离散型概率分布：包括二项分布、泊松分布和几何分布等。
2. 连续型概率分布：包括正态分布、指数分布和均匀分布等。
三、多维随机变量及其分布1. 边缘分布和条件分布：边缘分布是指多维随机变量中的某一个或几个变量的分布，条件分布是指在已知某些变量取值的条件下，其他变量的分布。
2. 二维随机变量的相关系数：相关系数用于刻画两个随机变量之间的线性关系的强度和方向。
3. 多维随机变量的独立性：多维随机变量中的各个分量独立时，称为多维随机变量相互独立。
四、参数估计与假设检验1. 参数估计方法：包括点估计和区间估计，点估计是通过样本数据得到参数的估计值，区间估计是对参数进行一个范围的估计。
2. 假设检验的基本概念：假设检验是用于对统计推断的一种方法，通过与某个假设进行比较来得出结论。
3. 假设检验的步骤：包括建立原假设和备择假设、选择显著性水平、计算检验统计量和做出统计决策等步骤。
五、回归分析与方差分析1. 简单线性回归分析：简单线性回归分析是研究两个变量之间的线性关系的方法，通过建立回归方程来拟合数据。
概率论与数理统计复习要点
第一章 随机事件及其概率一、随机事件及其运算 1. 样本空间、随机事件①样本点：随机试验的每一个可能结果，用ω表示； ②样本空间：样本点的全集，用Ω表示； 注：样本空间不唯一.③随机事件：样本点的某个集合或样本空间的某个子集，用A,B,C,…表示； ④必然事件就等于样本空间；不可能事件()∅是不包含任何样本点的空集； ⑤基本事件就是仅包含单个样本点的子集。
2. 事件的四种关系①包含关系：A B ⊂，事件A 发生必有事件B 发生； ②等价关系：A B =， 事件A 发生必有事件B 发生，且事件B 发生必有事件A 发生；③互不相容（互斥）： AB =∅ ，事件A 与事件B 一定不会同时发生。
④互逆关系（对立）：A ，事件A 发生事件A 必不发生，反之也成立；互逆满足A A AA ⎧⋃=Ω⎨=∅⎩注：互不相容和对立的关系（对立事件一定是互不相容事件，但互不相容事件不一定是对立事件。
） 3. 事件的三大运算①事件的并：A B ⋃，事件A 与事件B 至少有一个发生。
若AB =∅，则A B A B ⋃=+；②事件的交：A B AB ⋂或，事件A 与事件B 都发生； ③事件的差：-A B ，事件A 发生且事件B 不发生。
4. 事件的运算规律①交换律：,A B B A AB BA ⋃=⋃=②结合律：()(),()()A B C A B C A B C A B C ⋃⋃=⋃⋃⋂⋂=⋂⋂③分配律：()()(),()()()A B C A B A C A B C A B A C ⋃⋂=⋃⋂⋃⋂⋃=⋂⋃⋂ ④德摩根（De Morgan ）定律：,A B AB AB A B⋃==⋃对于n 个事件，有1111,n ni i i i nni ii i A A A A ======二、随机事件的概率定义和性质1．公理化定义：设试验的样本空间为Ω，对于任一随机事件),(Ω⊂A A 都有确定的实值P(A)，满足下列性质： (1) 非负性：;0)(≥A P (2) 规范性：;1)(=ΩP(3)有限可加性(概率加法公式)：对于k 个互不相容事件k A A A ,,21 ，有∑∑===ki i ki i A P A P 11)()(.则称P(A)为随机事件A 的概率. 2．概率的性质 ①()1,()0P P Ω=∅= ②()1()P A P A =-③若A B ⊂，则()(),()()()P A P B P B A P B P A ≤-=-且 ④()()()()P A B P A P B P AB ⋃=+-()()()()()()()()P A B C P A P B P C P AB P BC P AC P ABC ⋃⋃=++---+注：性质的逆命题不一定成立的. 如 若),()(B P A P ≤则B A ⊂。
02197-概率论与数理统计二-考前重点
02197.概率论与数理统计（二）-考前重点《概率论与数理统计（二）〉〉考试重点说明：我们将知识点按考查几率及重要性分为三个等级，即一级重点、二级重点、三级重点，其中，一级重点为必考点，本次考试考查频率高；二级重点为次重点，考查频率较高；三级重点为预测考点，考查频率一般，但有可能考查的知识第一章随机事件与概率1.事件的包含与相等、和事件的定义P3（二级重点）（单选、填空）2.积事件、差事件、互不相容事件、对立事件的定义P4-5（一级重点）（单选、填空）尤其是互不相容事件与对立事件的理解，务必记住。
3.古典概型的概率计算P9（一级重点）（填空）等可能概型中事件概率的计算：设在古典概型中，试验E共有n个基本事件，事件A包含了m个基本事件，则事件A的概率为P（A）mn4,概率的加法公式与减法公式(性质2与性质3)P11-12(二级重点)(单选、填空)力口法公式：P(AB)P(A)P(B)P(AB)减法公式：P(BA)P(B)P(AB)5.条件概率的定义及用法P14(二级重点)(单选、填空、计算)条件概率的公式：P(B|A)=P(AB)/P(A)或者P(A|B)P(AB),P(B)6,全概率公式的定义及用法(注意其需要满足的两个条件)P16(二级重点)(填空、计算)用全概率定理来解题的思路，从试验的角度考虑问题，一定是将试验分为两步做，将第一步试验的各个结果分为一些完备事件组A,A,…，A,然后在这每一事件下计算或给出某个事件B发生的条件概率，最后用全概率公式综合计算。
7.两个事件与三个事件独立性的定义及应用P19-21(一级重点)(单选、填空、计算)三个事件独立可以推出两两独立，但反之不然。
8.n重贝努利试验的描述及其概率求法P22（一级重点）（单选、填空、综合）在n重贝努利试验中，设每次试验中事件A的概率为p（0<p<1）,则事件A恰好发生k次的概率为：P（k）C：p k（1-P）nk,k=0,1,2Ln第二章随机变量及其概率分布9.离散分布律的两个性质（非负性，归一性）及其应用P30（一级重点）（单选、填空）P k0,（k1,2.......）（非负性）；p k1（归一k性）10.0-1分布、二项分布、泊松分布P32-34（二级重点）（单选、填空）牢记这三个常用离散分布的定义形式11.分布函数的定义及其性质P36-38（三级重点）（单选、填空）知道分布函数的含义是概率在一个区间得到累积形式，对它的性质要了解。
《概率论与数理统计》期末复习重点总结
概率论与数理统计第一章：掌握概率的性质、条件概率公式、全概率公式和贝叶斯公式，会用全概率公式和贝叶斯公式计算问题。
第二章：一维随机变量包括离散型和连续型；离散型随机变量分布律的性质；连续性随机变量密度函数的性质；常见的三种离散型分布及连续型分布；会计算一维随机变量函数的分布（可以出大题）；第三章：多维随机变量掌握离散型和连续型变量的边缘分布；条件分布及两个变量独立的定义；重点掌握两个随机变量函数的分布（掌握两个随机变量和、差的密度函数的求法；了解两个随机变量乘、除的分布；掌握多个随机变量最大、最小的分布的密度函数的求法）；第四章：重点掌握期望、方差、协方差的计算公式、性质；了解协方差矩阵的构成；第六章：掌握统计量的定义、三大分布的定义和性质；教材142页的四个定理及式3.19、3.20务必记住；第七章：未知参数的矩估计法和最大似然估计法是考点，还要掌握估计量的无偏性、有效性的定义；教材的例题及习题：19页例5；26页19、23、24、36；43页例1；51页例2；53页例5；58页25、36；63页例2；66页例2；77页例1、例2；87页22；99页例12；114页6；147页4、6；151页例2、例3；153页例4、例5；173页5、11样题一、填空1. 设A ，B 相互独立，且2.0)(,8.0)(==A P B A P ，则=)(B P __________.2. 已知),2(~2σN X ，且3.0}42{=<<X P ，则=<}0{X P __________.3．已知B A ,两个事件满足条件()()B A P AB P =，且()p A P =，则()=B P _________.4．设随机变量X 的密度函数为()2,01,0,x x f x <<⎧=⎨⎩其他，用Y 表示对X 的3次独立重复观察中事件⎭⎬⎫⎩⎨⎧≤21X 出现的次数，则()2P Y == . 5、设连续型随机变量X 的分布函数为 ， ，则A=B= ；X 的密度函数为 。
《概率论与数理统计)考试重点
《概率论与数理统计》考试重点说明：我们将知识点按考查几率及重要性分为三个等级，即一级重点、二级重点、三级重点，其中，一级重点为必考点，本次考试考查频率高；二级重点为次重点，考查频率较高；三级重点为预测考点，考查频率一般，但有可能考查的知识点。
第一章 随机事件与概率1．随机事件的关系与计算 （一级重点）填空、简答事件的包含与相等、和事件、积事件、互不相容、对立事件的概念2．古典概型中概率的计算 （二级重点）选择、填空、计算记住古典概型事件概率的计算公式3. 利用概率的性质计算概率 （一级重点）选择、填空)()()()(AB P B P A P B A P -+=⋃,)()()(AB P B P A B P -=-（考得多）等，要能灵活运用。
4. 条件概率的定义 （一级重点）选择、填空 记住条件概率的定义和公式：)()(B P AB P = 5. 全概率公式与贝叶斯公式 （二级重点）计算记住全概率公式和贝叶斯公式，并能够运用它们。
一般说来，如果若干因素（也就是事件）对某个事件的发生产生了影响，求这个事件发生的概率时要用到全概率公式；如果这个事件发生了，要去追究原因，即求另一个事件发生的概率时，要用到贝叶斯公式，这个公式也叫逆概公式。
6. 事件的独立性（概念与性质） （一级重点）选择、填空定义：若)()()(B P A P AB P =，则称A 与B 相互独立。
结论：若A 与B 相互独立，则A 与B ，A 与B ，A 与B 都相互独立。
7. n 重贝努利试验中事件A 恰好发生k 次的概率公式 （一级重点）选择、填空在n 重贝努利试验中，设每次试验中事件A 的概率为p （10 p ），则事件A 恰好发生k 次的概率n k p p C k P k n k k n n ,,2,1,0,)1()( =-=-。
第二章 随机变量的分布及其数字特征8．离散型随机变量的分布律及相关的概率计算 （一级重点）选择、填空、计算、综合。
概率论与数理统计考点归纳
以下是概率论与数理统计的一些常见考点归纳：
概率论：
1. 概率的基本概念：样本空间、事件、随机变量等。
2. 概率运算：并、交、差、补等运算规则。
3. 条件概率与独立性：条件概率的定义与计算、独立事件的判定与计算。
4. 随机变量：离散和连续随机变量的概念、概率质量函数（PMF）和概率密度函数（PDF）、期望、方差等。
5. 常见离散分布：伯努利分布、二项分布、泊松分布等。
6. 常见连续分布：均匀分布、正态分布、指数分布等。
7. 两个随机变量的关系：协方差、相关系数等。
数理统计：
1. 抽样与抽样分布：简单随机抽样、抽样分布、中心极限定理等。
2. 参数估计：点估计和区间估计、最大似然估计、置信区间等。
3. 假设检验：假设检验的基本步骤、显著性水平、p值等。
4. 单样本参数检验：均值检验、比例检验等。
5. 两样本参数检验：两样本均值检验、两样本比例检验等。
6. 方差分析：单因素方差分析、多因素方差分析等。
7. 相关与回归分析：相关系数、简单线性回归模型等。
这只是概率论与数理统计的一些常见考点归纳，实际考试中可能还会涉及更多细分知识点。
在复习过程中，建议根据自己的学习进度和重点，深入学习和掌握这些知识点，并进行大量的练习题来加深理解和提高解题能力。
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)
考研数学一大纲重难点解析概率论与数理统计部分典型题型剖析
考研数学一大纲重难点解析概率论与数理统计部分典型题型剖析概率论与数理统计是考研数学一大纲中的重要部分，也是考生们在备考过程中常常遇到的难点之一。
本文将重点解析概率论与数理统计的典型题型，帮助考生更好地掌握这一部分知识。
一、概率论1. 概率与事件概率论的基础是概率与事件的概念。
在此部分，考生需要掌握事件的基本概念、事件的运算、概率的定义、概率的性质等内容。
典型题型包括事件的互斥与独立性、事件的运算法则等。
考生在解答此类题目时应注意运用概率的基本性质，并进行合理的计算。
2. 随机变量及其分布律随机变量是概率论与数理统计的重要概念之一。
考生需要掌握随机变量的定义、离散随机变量与连续随机变量的概念、分布律的性质等知识点。
典型题型包括计算随机变量的期望、方差等。
考生在解答此类题目时应注意根据定义和性质进行计算，并合理运用公式。
3. 数理期望与方差数理期望与方差是随机变量的重要特征之一。
考生需要掌握数理期望与方差的概念、性质、计算方法等知识点。
典型题型包括利用数理期望与方差计算随机变量的相关性和条件概率等。
考生在解答此类题目时应注意计算过程的合理性，并运用数理期望与方差的性质进行推理。
4. 大数定律与中心极限定理大数定律与中心极限定理是概率论的重要理论。
考生需要掌握大数定律与中心极限定理的概念、条件以及应用方法。
典型题型包括利用大数定律和中心极限定理求解随机变量的极限分布等。
考生在解答此类题目时应注意运用大数定律和中心极限定理的条件，并进行合理的推导。
二、数理统计1. 参数估计参数估计是数理统计的重要内容之一。
考生需要掌握点估计和区间估计的概念、性质、计算方法等知识点。
典型题型包括利用最大似然估计和矩估计求解参数的估计量等。
考生在解答此类题目时应注意理解估计的概念和方法，并进行合理的计算与推导。
2. 假设检验假设检验是数理统计中的重要内容之一。
考生需要掌握假设检验的基本原理、步骤、常见假设检验方法等知识点。
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。
概率论与数理统计重点
其中
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) p k 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。
标准文档
实用文案
泊松分布
设随机变量 X 的分布律为 P( X k) k e ， 0 ， k 0,1,2， k!
二项分布
P(X=1)=p, P(X=0)=q
在 n 重贝努里试验中，设事件 A 发生的概率为 p 。事件 A 发生
的次数是随机变量，设为 X ，则 X 可能取值为 0,1,2,, n 。
P( X
k)
Pn(k )
C
k n
p k q nk
，
q 1 p,0 p 1, k 0,1,2,, n ，
积分元 f (x)dx 在连续型随机变量理论中所起的作用与 P( X xk) pk 在离
散型随机变量理论中所起的作用相类似。
标准文档
实用文案
（4）分布 函数
设 X 为随机变量， x 是任意实数，则函数 F(x) P(X x)
称为随机变量 X 的分布函数，本质上是一个累积函数。
P(a X b) F(b) F(a) 可以得到 X 落入区间 (a,b] 的概率。分布
（6）事件 的关系与 运算
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。 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。 重复排列和非重复排列（有序） 对立事件（至少有一个） 顺序问题 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。 试验的可能结果称为随机事件。 在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有 如下性质： ①每进行一次试验，必须发生且只能发生这一组中的一个事件； ②任何事件，都是由这一组中的部分事件组成的。
考研数学《概率论与数理统计》知识点总结
考研数学《概率论与数理统计》知识点总结引言《概率论与数理统计》是考研数学中的一个重要分支，它不仅要求学生掌握理论知识，还要求能够运用这些知识解决实际问题。
本文档旨在对《概率论与数理统计》的核心知识点进行总结，帮助考生系统复习。
第一部分：概率论基础1. 随机事件与样本空间随机事件：在一定条件下可能发生也可能不发生的事件。
样本空间：所有可能结果的集合。
2. 概率的定义古典定义：适用于有限样本空间，每个样本点等可能发生。
频率定义：长期频率的极限。
主观定义：基于个人信念或偏好。
3. 概率的性质非负性：概率值非负。
归一性：所有事件的概率之和为1。
加法定理：互斥事件概率的和。
4. 条件概率与独立性条件概率：已知一个事件发生的情况下，另一个事件发生的概率。
独立性：两个事件同时发生的概率等于各自概率的乘积。
5. 随机变量及其分布离散型随机变量：可能取有限个或可数无限个值。
连续型随机变量：可能取无限连续区间内的任何值。
分布函数：随机变量取值小于或等于某个值的概率。
第二部分：随机变量及其分布1. 离散型随机变量的分布概率质量函数：描述离散型随机变量取特定值的概率。
常见分布：二项分布、泊松分布、几何分布等。
2. 连续型随机变量的分布概率密度函数：描述连续型随机变量在某区间的概率密度。
常见分布：均匀分布、正态分布、指数分布等。
3. 多维随机变量及其分布联合分布：描述多个随机变量联合取值的概率。
边缘分布：从联合分布中得到的单一随机变量的分布。
条件分布：给定一个随机变量的条件下，另一个随机变量的分布。
第三部分：数理统计基础1. 数理统计的基本概念总体与样本：总体是研究对象的全体，样本是总体中所抽取的一部分。
统计量：根据样本数据计算得到的量。
2. 参数估计点估计：用样本统计量估计总体参数的单个值。
区间估计：在一定概率下，总体参数落在某个区间的估计。
3. 假设检验原假设与备择假设：研究问题中的两个对立假设。
检验统计量：用于决定是否拒绝原假设的量。
《概率论与数理统计》复习资料要点总结
《概率论与数理统计》复习提要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）BAAB 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）BA 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 P 3．几个常用随机变量名称与记号分布列或密度数学期望方差两点分布),1(p B p X P ==)1(，pq X P -===1)0(p pq 二项式分布),(p n B n k q p C k X P kn k k n ,2,1,0,)(===-，npnpqPoisson 分布)(λP,2,1,0,!)(===-k k e k X P kλλλλ几何分布)(p G,2,1 ,)(1===-k p qk X P k p 12p q 均匀分布),(b a U b x a a b x f ≤≤-= ,1)(，2b a +12)(2a b -指数分布)(λE 0,)(≥=-x e x f x λλλ121λ正态分布),(2σμN 222)(21)(σμσπ--=x ex f μ2σ4．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。
云南省考研概率论与数理统计重点知识点总结
云南省考研概率论与数理统计重点知识点总结概率论和数理统计是考研数学中的重要分支，涉及到许多基础且重要的概念和技巧。
下面将对云南省考研概率论与数理统计的重点知识点进行总结与概述。
一. 概率论的基本概念1. 随机试验与随机事件随机试验是指具有不确定性的试验或观察，随机事件是随机试验中可能出现并且可以用来进行概率计算的事件。
2. 概率的基本定义与性质概率可用于描述随机事件发生的可能性，其基本定义为：事件A发生的概率等于A的样本点数除以样本空间中样本点的总数。
3. 条件概率与独立性条件概率是指在已知一些相关信息的条件下，某事件发生的概率。
若事件A与事件B相互独立，则P(A|B) = P(A)，即事件B的发生不会影响事件A的概率。
4. 随机变量与概率分布函数随机变量是指随机试验结果的数值描述，可以是离散的或连续的。
概率分布函数描述了随机变量的取值及其对应的概率。
二. 数理统计的基本概念1. 参数估计与假设检验参数估计是指通过样本数据对总体的未知参数进行估计，常用的方法有最大似然估计和最小二乘估计。
假设检验是根据样本数据对总体的某个假设进行验证。
2. 单个总体的统计推断样本均值、样本方差等统计量可用于对单个总体参数的推断，涉及的方法有点估计、区间估计和假设检验。
3. 两个总体的统计推断当需要对两个总体参数进行推断时，可以利用两个总体样本的差异进行比较。
常用的方法有两个总体均值的差的推断和两个总体比例的推断。
4. 方差分析与回归分析方差分析用于比较两个或多个样本的均值是否有显著差异，回归分析用于建立变量之间的函数关系。
三. 统计软件的应用1. MATLABMATLAB是一种高效且广泛应用于科学计算与工程领域的编程语言与环境，可以用于数据处理、统计模型拟合以及可视化等操作。
2. R语言R语言是一种广泛应用于统计学与数据分析领域的编程语言，具有丰富的统计分析函数和绘图函数，可以进行各种复杂的统计计算。
3. SPSSSPSS是一款功能强大的统计分析软件，具有可视化操作界面，适用于各种统计方法的分析和结果的展示。
- 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)。
管理系本科《概率论与数理统计》考试复习重点及复习题
复习重点：（考试时间：2011/12/22）
1.概率的一般加法公式；
2.条件概率；
3.全概率公式；
4.贝叶斯公式；
5.常见的离散型随机变量的概率分布：两点分布，二项分布，泊松分布；
6.离散型随机变量的分布函数；
7.连续型随机变量的分布函数；
8.连续型随机变量的概率密度函数；
9.常见的连续型随机变量的概率分布：均匀分布，指数分布，正态分布；
10.随机变量函数的分布：离散型（列举法）
连续型（分布函数法）
11.二维随机变量的联合分布函数；
12.二维离散型分布的联合分布列；
13.二维连续型分布的联合分布密度函数（联合密度函数）；
14.X的边缘分布函数，边缘分布列，X的边缘密度函数；
15.怎样验证X与Y是否独立；
16.常见离散型随机变量的期望：两点分布，二项分布，泊松分布；
17.连续型随机变量期望的算法；
18.常见连续型随机变量的期望：均匀分布，指数分布，正态分布；
19.期望的简单性质，方差的简化公式；
20.常见分布的期望及方差P77表格；
21.二维随机变量的数字特征，协方差和相关系数的计算；
22.切比雪夫不等式；
23.样本的数字特征；
24.U统计量，卡方统计量，t统计量；
25.矩估计法的计算过程（极大似然估计法）；
26.怎样验证无偏性？
27.区间估计中正态总体均值的区间估计：当方差已知时，均值的区间估计。
当
方差未知时，均值的区间估计。
正态总体方差的区间估计；
28.判断假设检验中第一类错误和第二类错误；
29.正态总体均值的假设检验：当方差已知时均值的检验（U检验法），当方差未
知时均值的检验（t检验法）。
30.正态总体方差的假设检验：单个正态总体方差的检验（卡方检验法）。
复习题（包括随堂测试的习题）：
1.甲箱中有2个白球、4个红球，乙箱中有1个白球、2个红球，从甲箱中取1
球放入乙箱中，求从乙中取球为白球的概率。
2.设X所有取值为1，2，3，4且F（X=k）=ak（a为常数）。
1.求X的分布列
2.F（X）
3.P{x<=3}。
3.某年级学生的某门课成绩X服从正态分布，N(75,θ^2)，其中90分以上占学
生总数的5%。
求：1.低于60分学生的百分比P{x<60}。
2.成绩在65~80分学生的百分比P{65<x<80}。
C（3+2x），2<x<4
4.设x的概率密度为P(x)= 1.求常数C 2.P{1<x<=3} 0，其他
5.设随机变量x的分布函数为F（x）=A+Barctanx（—∞< x <+∞）
1.求常数A、B
2.P（∣x∣<1）
3.随机变量x的密度函数
6.设X~N（0,1），证明σX+a~N（a, σ^2），其中a,σ是两个常数，且σ>0。
7.设X的分布列
θ为未知参数，已知总体X的一组样本值（3,1,3,0,3,1,2,3，），求θ的矩估计。
8.甲袋中有5个白球、5个黑球，乙袋中有3个白球、6个黑球，现从甲袋中任
意取1个球放入乙袋中，再从乙袋随机地抽取1个球，求最后取出的1个球是白球的概率。
9.三个人独立地破译一个密码，他们能单独破译出的概率分别是1/5，1/3，1/4，
求此密码被破译的概率。
10.设A和B是任意两个概率不为零的不相容事件，则下列结论中肯定正确的是
（）。
A.A与B互不相容
B.A与B相容
C.P（AB）=P（A）P（B）
D.P（A-B）=P（A）
11.考虑一元二次方程x^2+Bx+C=0，其中B，C分别是将一枚骰子连续掷两次先
后出现的点数，求该方程有实根的概率P和有重根的概率。
12.设A，B为两个事件，且B包含于A，则下列式子正确的是（）。
A.P(A+B)=P(A)
B.P(AB)=P(A)
C.P(B∣A)=P(B)
D.P(B-A)=P(A)-P(B)
13.从1，2，3，4中任选一个数，记为X，再从1，…，X中任取一个数，记为
Y，则P（Y=2）= 。
14.一射手对同一目标独立地进行四次射击，若至少命中一次的概率为80/81，
则该射手的命中率为。
15.设随机变量X的密度为求1.常数A 2.X的分布函数。
2x, 0<x<A
P(x)=
0, 其他.
16.设X在[0,5]上服从均匀分布，求方程4x^2+4Xx+X+2=0,有实根的概率。
17.某种公共汽车车门的高度是按照成年男子与车门顶碰头的概率在0.01一下
设计的，设成年男子身高（单位：cm）X~N(175,36)，问该公交汽车车门应设计为多高？
18.
求下列随机变量函数的分布列：1.X+2 2.-X+1 3.X^2。
19.设二维随机变量（X，Y）的联合密度函数为
Ke^[-(3x+4y)], x>0,y>0
P(x,y)=
0, 其他.
1.求系数k
2.求P(0<=X<=1,0<=Y<=2)
3.证明X与Y独立。
20.设随机变量X的概率密度为
2(1-x), 0<x<1
P(x)=
0, 其他.
求X的期望。
21.设随机变量X的密度为
e^(-x), x>0
P(x)=
0, x<=0
求Y=2X+1的均值。
22.已知随机变量X的密度为
1+x, -1<=x<=0
P(x)= 1-x, 0<x<1
0, 其他.
求X的期望，方差和标准差。
求E(X),E(X-2Y),E(3XY),D(X),D(Y),cov(X,Y),ρxy。
24.设随机变量X，Y相互独立，且E(X)=E(Y)=1，D(X)=2，D(Y)=3，求D(XY)。
25.设独立随机变量X1，X2，X3的数学期望分别为9,20,12，方差分别为2,1,4
求：
Y=2X1+3X2+X3，
Y= X1-3X2+5X3
的数学期望与方差。
26.设随机变量X的数学期望E(X)=μ，方差D(X)=σ^2，则由切比雪夫不等式，
有P(∣X-μ∣>=3σ)<= 。
27.有一批出口灯泡，从中随机抽取100个进行检验，测得平均寿命为1000小
时，标准差为200小时，求这批灯泡平均寿命的置信区间。
（α=0.05）。