概率统计与随机过程知识点总结最终版
概率统计与随机过程-知识点总结－－最终版
————————————————————————————————作者：————————————————————————————————日期：
?
随机信号分析期末总复习提纲重点知识点归
第 一 章 1.1不考 条件部分不考 △雅柯比变换 （随机变量函数的变换 P34） △随机变量之间的“不相关、正交、独立” P51 （各自定义、相关系数定义 相互关系：两个随机变量相互独立必定互不相关，反之不一定成立 正交与不相关、独立没有明显关系 结合高斯情况） △随机变量的特征函数及基本性质 （一维的 P53 n 维的 P58） △ 多维高斯随机变量的概率密度和特征函数的矩阵形式、三点性质 P61 ( )()() () ( ) ()()2 2 1 () 2112 2 22 11 ,,exp 2 2exp ,,exp 22T T x m X X X X X n n X T T jU X X X X X n X M X M f x f x x U U u Q u j m Q u u E e jM U σπσμ---?? --??= = -????? ? ?? ?? ?? ??=-==- ?? ??? ????? ?? C C C u u r u u r u u r u u r u u r u u r L u r u r u u r u r L 另外一些性质： []()20XY XY X Y X C R m m D X E X m ??=-=-≥??
第二章 随机过程的时域分析 1、随机过程的定义 从三个方面来理解①随机过程(),X t ζ是,t ζ两个变量的函数②(),X t ζ是随时间t 变化的随机变量③(),X t ζ可看成无穷多维随机矢量在0,t n ?→→∞的推广 2、什么是随机过程的样本函数？什么是过程的状态？随机过程与随机变量、样本函数之间的关系？ 3、随机过程的概率密度P7 4、特征函数P81。（连续、离散） 一维概率密度、一维特征函数 二元函数 4、随机过程的期望、方差、自相关函数。（连续、离散） 5、严平稳、宽平稳的定义 P83 6、平稳随机过程自相关函数的性质： 0点值，偶函数，周期函数（周期分量），均值 7、自相关系数、相关时间的定义 P88 2 2 2() ()()()()(0)()X X X X X X X X X X C R m R R R R τττρτσ σ--∞= = -∞= 非周期 相关时间用此定义（00()d τρττ∞ =?） 8、两个随机过程之间的“正交”、“不相关”、“独立”。 （P92 同一时刻、不同时刻） 9、两个随机过程联合平稳的要求、性质。P92
概率统计知识点汇总
概率第一章 (一)概率的加减乘除运算 (二) 概率的计算 1. 古典概型的计算 2. 条件概率的计算 (三) 全概率公式与贝叶斯公式 (四) n 重伯努利试验 概率第二章 （一）随机变量分布函数 1. 分布函数的定义及性质 2. 学会用分布函数表示随机变量落入指定区域的概率 （二）离散型随机变量 1. 具体问题会求解离散型随机变量的分布列 分布列要满足的条件 2. 由分布列会求解分布函数 3. 由分布函数会求解分布列 4. 掌握三个常见的离散型随机变量 （三）连续型随机变量 1. 由分布函数会求解分布密度 2. 由分布密度会求解分布函数 3. 利用分布密度求解未知参数 4. 掌握三个常见的连续型随机变量 （四）随机变量函数的分布 1. 离散型随机变量的函数 2. 连续型随机变量的函数 概率第三章 二维随机向量 (一)联合分布函数的定义及性质 联合概率分布函数定义为____),(=y x F 联合分布函数的性质： ___),(____,),(),(),(=+∞+∞=-∞-∞=-∞=-∞F F y F x F 用联合概率分布函数表示二维随机向量落入指定区域的概率 ____),(2121=≤<≤ 第一章随机过程的基本概念与基本类型 一．随机变量及其分布 1．随机变量X，分布函数F(x)P(X x) 离散型随机变量X的概率分布用分布列p k P(X x)分布函数F(x)p k k 连续型随机变量X的概率分布用概率密度f(x)分布函数 x F(x)f(t)dt 2．n维随机变量X(X1,X2,,X n) 其联合分布函数()(1,x,,x n)P(X x,X x,,X n x n,) F x F x 21122 离散型联合分布列连续型联合概率密度 ３．随机变量的数字特征 数学期望：离散型随机变量X E X x k p连续型随机变量X EX xf(x)dx k 方差：2() 2 2 DX E(X EX)EX EX反映随机变量取值的离散程度 协方差（两个随机变量X,Y）：B XY E[(X EX)(Y EY)]E(XY)EX EY 相关系数（两个随机变量X,Y）： B XY XY若0，则称X,Y不相关。 DX DY 独立不相关0 itX ４．特征函数g(t)E(e)离散g(t)e连续g(t)e f x dx itx p itx() k k 重要性质：g(0)1，g(t)1，g(t)g(t)，k i k EX g(0) k ５．常见随机变量的分布列或概率密度、期望、方差 ０－１分布P(X1)p,P(X0)q EX p DX pq 二项分布k k n k P(X k)C n p q EX np DX n p q k 泊松分布P(X k)e EX DX均匀分布略 k! 2正态分布N(a,) 2 (x a) 1 2 f(x)e EX a 2 2 D X2 指数分布f(x) e 0, x1 ,x0 EX x0 DX 1 2 ６．Ｎ维正态随机变量(X1,X,,X n) X的联合概率密度X~N(a,B) 2 f( 11 T1 x1,x,,x)exp{(x a)B(x a)} 2n n1 2 22 (2)|B| a(a1,a2,,a n)，x(x1,x2,,x n)，B(b ij)n n正定协方差阵 二．随机过程的基本概念 １．随机过程的一般定义 设 (,P)是概率空间，T是给定的参数集，若对每个t T，都有一个随机变量X与之对应， 则称随机变量族X(t,e),t T是(,P)上的随机过程。简记为X(t),t T。 含义：随机过程是随机现象的变化过程，用一族随机变量才能刻画出这种随机现象的全部统计规 律性。另一方面，它是某种随机实验的结果，而实验出现的样本函数是随机的。 当 t固定时，X(t,e)是随机变量。当e固定时，X(t,e)时普通函数，称为随机过程的一个样本 函数或轨道。 分类：根据参数集T和状态空间I是否可列，分四类。也可以根据X(t)之间的概率关系分类，如独立增量过程，马尔可夫过程，平稳 过程等 。 ２．随机过程的分布律和数字特征 用有限维分布函数族来刻划随机过程的统计规律性。随机过程X(t),t T的一维分布，二维分布，?，n维分布的全体称为有限维分布函数族。随机过程的有限维分布函数族是随机过程概率特征 的完整描述。在实际中，要知道随机过程的全部有限维分布函数族是不可能的，因此用某些 统计特征 来取代。 （１）均值函数 m X(t)EX(t)表示随机过程X(t),t T在时刻t的平均值。 （２）方差函数2 D X(t)E[X(t)m X(t)]表示随机过程在时刻t对均值的偏离程度。 （３）协方差函数B X (s,t)E[(X( E[X s) (s) m ( s ) ) (t) (s) m X m X (t) (t))] 且有 B(t,t)D(t) X X 概率论重要知识点总结 概率论重要知识点总结 第一章随机事件及其概率 第一节基本概念 随机实验：将一切具有下面三个特点： （1）可重复性 （2）多结果性 （3）不确定性的试验或观察称为随机试验，简称为试验，常用表示。 随机事件：在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事不可能事件：在试验中不可能出现的事情，记为。必然事件：在试验中必然出现的事情，记为Ω。 样本点：随机试验的每个基本结果称为样本点，记作ω.样本空间：所有样本点组成的集合称为样本空间.样本空间用Ω表示.一个随机事件就是样本空间的一个子集。基本事件—单点集，复合事件—多点集一个随机事件发生，当且仅当该事件所包含的一个样本点出现。事件的关系与运算（就是集合的关系和运算）包含关系：若事件发生必然导致事件B发生，则称B 包含A，记为，则称事件A与事件B 相等，记为A＝B。 事件的和：“事件A 与事件B 至少有一个发生”是一事件，称此事件为事件A 与事件B 事件的积：称事件“事件A与事件B 都发生”为A 或AB。事件的差：称事件“事件A 发生而事件B 不发生”为事件A 与事件B 的差事件,记为A－B。用交并补可以表示为互斥事件：如果A，B两事件不 能同时发生，即AB＝Φ，则称事件A 与事件B 是互不相容事件或互斥事件。互斥时可记为A＋B。对立事件：称事件“A不发生”为事件A 的对立事件（逆事件），记为A 。对立事件的性质：事件运算律：设A，B，C为事件，则有： （1）交换律：AB=BA，AB=BA A(BC)=(AB)C=ABC （3）分配律：A(BC)＝(AB)(AC)ABAC （4）对偶律（摩根律）： 第二节事件的概率 概率的公理化体系：第三节古典概率模型1、设试验E 是古典概型,其样本空间Ω个样本点组成.则定义事件A 的概率为的某个区域，它的面积为μ(A)，则向区域上随机投掷一点，该点落在区域假如样本空间Ω可用一线段，或空间中某个区域表示，则事件A 的概率仍可用上式确定，只不过把μ理解为长度或体积即可.第四节条件概率条件概率：在事件B 发生的条件下，事件A 发生的概率称为条件概率，记作乘法公式： P(AB)=P(B)P(A|B)＝P(A)P(B|A)全概率公式：设第五节事件的独立性两个事件的相互独立：若两事件A、B 满足P(AB)=相互独立.三个事件的相互独立：对于三个事件A、B、C，若P(AB)=相互独立三个事件的两两独立：对于三个事件A、B、C，若P(AB)=两两独立独立的性质：若A 均相互独立总结： 1.条件概率是概率论中的重要概念，其与独立性有密切的关系，在不具有独立性的场合，它将扮演主要的角色。 2.乘法公式、全概公式、贝叶斯公式在概率论的计算中经常使用，应 第一章 随机过程得基本概念与基本类型 一.随机变量及其分布 1.随机变量, 分布函数 离散型随机变量得概率分布用分布列 分布函数 连续型随机变量得概率分布用概率密度 分布函数 2.n 维随机变量 其联合分布函数),,,,(),,,()(221121n n n x X x X x X P x x x F x F ≤≤≤== 离散型 联合分布列 连续型 联合概率密度 ３.随机变量得数字特征 数学期望:离散型随机变量 连续型随机变量 方差: 反映随机变量取值得离散程度 协方差(两个随机变量): 相关系数(两个随机变量): 若,则称不相关。 独立不相关 ４.特征函数 离散 连续 重要性质:,,, ５.常见随机变量得分布列或概率密度、期望、方差 ０－１分布 二项分布 泊松分布 均匀分布略 正态分布 指数分布 ６.Ｎ维正态随机变量得联合概率密度 )}()(2 1ex p{||)2(1 ),,,(121221a x B a x B x x x f T n n ---=-π ,,正定协方差阵 二.随机过程得基本概念 １.随机过程得一般定义 设就是概率空间,就是给定得参数集,若对每个,都有一个随机变量与之对应,则称随机变量族就是上得随机过程。简记为。 含义:随机过程就是随机现象得变化过程,用一族随机变量才能刻画出这种随机现象得全部统计规律性。另一方面,它就是某种随机实验得结果,而实验出现得样本函数就是随机得。 当固定时,就是随机变量。当固定时,时普通函数,称为随机过程得一个样本函数或轨道。 分类:根据参数集与状态空间就是否可列,分四类。 也可以根据之间得概率关系分类,如独立增量过程,马尔可夫过程,平稳过程等。 ２.随机过程得分布律与数字特征 用有限维分布函数族来刻划随机过程得统计规律性。随机过程得一维分布,二维分布,…,维分布得全体称为有限维分布函数族。随机过程得有限维分布函数族就是随机过程概率特征得完整描述。在实际中,要知道随机过程得全部有限维分布函数族就是不可能得,因此用某些统计特征来取代。 (１)均值函数 表示随机过程在时刻得平均值。 概率与统计 一、普通的众数、平均数、中位数及方差 1、 众数：一组数据中，出现次数最多的数。 2、平均数：①、常规平均数：12n x x x x n ++???+= ②、加权平均数：112212n n n x x x x ωωωωωω++???+=++???+ 3、中位数：从大到小或者从小到大排列，最中间或最中间两个数的平均数。 4、方差：2222121 [()()()]n s x x x x x x n = -+-+???+- 二、频率直方分布图下的频率 1、频率 =小长方形面积：f S y d ==?距；频率=频数/总数 2、频率之和：121n f f f ++???+=；同时 121n S S S ++???+=； 三、频率直方分布图下的众数、平均数、中位数及方差 1、众数：最高小矩形底边的中点。 2、平均数： 112233n n x x f x f x f x f =+++???+ 112233n n x x S x S x S x S =+++???+ 3、中位数：从左到右或者从右到左累加，面积等于0.5时x 的值。 4、方差：22221122()()()n n s x x f x x f x x f =-+-+???+- 四、线性回归直线方程：???y bx a =+ 其中：1 1 2 22 1 1 ()() ?() n n i i i i i i n n i i i i x x y y x y nxy b x x x nx ====---∑∑== --∑∑ , ??a y bx =- 1、线性回归直线方程必过样本中心(,)x y ； 2、?0:b >正相关；?0:b <负相关。 3、线性回归直线方程：???y bx a =+的斜率?b 中，两个公式中分子、分母对应也相等；中间可以推导得到。 五、回归分析 1、残差：??i i i e y y =-（残差=真实值—预报值）。分析：?i e 越小越好； 2、残差平方和：21?()n i i i y y =-∑， 分析：①意义：越小越好； ②计算：222211221 ????()()()()n i i n n i y y y y y y y y =-=-+-+???+-∑ 3、拟合度（相关指数）：221 2 1 ?()1() n i i i n i i y y R y y ==-∑=- -∑，分析：①.(]20,1R ∈的常数； ②.越大拟合度越高； 4、相关系数 ：()() n n i i i i x x y y x y nx y r ---?∑∑= = 分析：①.[r ∈-的常数； ②.0:r >正相关；0:r <负相关 ③.[0,0.25]r ∈；相关性很弱； (0.25,0.75)r ∈；相关性一般； [0.75,1]r ∈；相关性很强； 六、独立性检验 1、2×2列联表： 2、独立性检验公式 ①．2 2() ()()()() n ad bc k a b c d a c b d -= ++++ ②．犯错误上界P 对照表 3、独立性检验步骤 概率论总结 目录 一、前五章总结 第一章随机事件和概率 (1) 第二章随机变量及其分布 (5) 第三章多维随机变量及其分布 (10) 第四章随机变量的数字特征 (13) 第五章极限定理 (18) 二、学习概率论这门课的心得体会 (20) 一、前五章总结 第一章随机事件和概率 第一节：1.、将一切具有下面三个特点：（1）可重复性（2）多结 果性（3）不确定性的试验或观察称为随机试验，简称为试验，常用 E表示。 在一次试验中，可能出现也可能不出现的事情（结果）称为随 机事件，简称为事件。 不可能事件：在试验中不可能出现的事情，记为Ф。 必然事件：在试验中必然出现的事情，记为S或Ω。 2、我们把随机试验的每个基本结果称为样本点，记作e 或ω. 全体 样本点的集合称为样本空间. 样本空间用S或Ω表示. 一个随机事件就是样本空间的一个子集。 基本事件—单点集，复合事件—多点集 一个随机事件发生，当且仅当该事件所包含的一个样本点出现。 事件间的关系及运算，就是集合间的关系和运算。 3、定义：事件的包含与相等 若事件A发生必然导致事件B发生，则称B包含A，记为B?A 或A?B。 若A?B且A?B则称事件A与事件B相等，记为A＝B。 定义：和事件 “事件A与事件B至少有一个发生”是一事件，称此事件为事件 A与事件B的和事件。记为A∪B。用集合表示为: A∪B={e|e∈A，或e∈B}。 定义：积事件 称事件“事件A与事件B都发生”为A与B的积事件，记为A∩ B或AB，用集合表示为AB={e|e∈A且e∈B}。 定义：差事件 称“事件A发生而事件B不发生,这一事件为事件A与事件B的差 事件,记为A－B,用集合表示为 A-B={e|e∈A，e?B} 。 定义：互不相容事件或互斥事件 如果A，B两事件不能同时发生，即AB＝Φ，则称事件A与事件 B是互不相容事件或互斥事件。 定义6：逆事件/对立事件 称事件“A不发生”为事件A的逆事件，记为ā。A与ā满足：A ∪ā= S,且Aā=Φ。 1.2.1 通信系统的一般模型 1.2.3 数字通信的特点 (1) 抗干扰能力强，且噪声不积累 (2) 传输差错可控 (3) 便于处理、变换、存储，将来自不同信源的信号综合到一起传输 (4) 易于集成，使通信设备微型化，重量轻 (5) 易于加密处理，且保密性好 1.3.1 通信系统的分类 按调制方式分类：基带传输系统和带通（调制）传输系统 。调制传输系统又分为多种 调制，详见书中表1-1。 按信号特征分类：模拟通信系统和数字通信系统 按传输媒介分类：有线通信系统和无线通信系统 3.1.2 随机过程的数字特征 均值（数学期望）： 方差： 相关函数 3.2.1 平稳随机过程的定义 （1）其均值与t 无关，为常数a ； （2）自相关函数只与时间间隔τ 有关。 把同时满足（1）和（2）的过程定义为广义平稳随机过程。 3.2.2 各态历经性 如果平稳过程使下式成立 则称该平稳过程具有各态历经性。 3.2.4 平稳过程的功率谱密度 非周期的功率型确知信号的自相关函数与其功率谱密度是一对傅里叶变换。这种关系对平稳随机过程同样成立，即有 []∫∞∞?=dx t x xf t E ),()(1ξ} {2)]()([)]([t a t E t D ?=ξξ2121212212121),;,()] ()([),(dx dx t t x x f x x t t E t t R ∫∫ ∞∞?∞∞?==ξξ???==)()(τR R a a ∫∫ ∞ ∞?∞∞??==ω ωπτττωωτξωτξd e P R d e R P j j )(21)()()( 3.3.2 重要性质 广义平稳的高斯过程也是严平稳的。 高斯过程经过线性变换后生成的过程仍是高斯过程。 3.3.3 高斯随机变量 （1）f (x )对称于直线 x = a ，即 （2） 3.4 平稳随机过程通过线性系统 输出过程ξo (t )的均值: 输出过程ξo (t )的自相关函数： 输出过程ξo (t )的功率谱密度: 若线性系统的输入是平稳的，则输出也是平稳的。 如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。 3.5 窄带随机过程 若随机过程ξ(t )的谱密度集中在中心频率f c 附近相对窄的频带范围Δf 内，即满足Δf << f c 的条件，且 f c 远离零频率，则称该ξ(t )为窄带随机过程。 3.7 高斯白噪声和带限白噪声 白噪声n (t ) 定义：功率谱密度在所有频率上均为常数的噪声 － 双边功率谱密度 － 单边功率谱密度 4.1 无线信道 电磁波的分类： 地波：频率 < 2 MHz ；距离：数百或数千千米 天波：频率：2 ~ 30 MHz ；一次反射距离：< 4000 km 视线传播：频率 > 30 MHz ；距离: 4.3.2 编码信道模型 P(0 / 0)和P(1 / 1) － 正确转移概率，P(1/ 0)和P(0 / 1) － 错误转移概率 P (0 / 0) = 1 – P (1 / 0) P (1 / 1) = 1 – P (0 / 1) 2)(0 n f P n =)(+∞< 统计概率知识点归纳总结大全 1．了解随机事件的发生存在着规律性和随机事件概率的意义． 2．了解等可能性事件的概率的意义，会用排列组合的基本公式计算一些等可能性事件的概率. 3．了解互斥事件、相互独立事件的意义，会用互斥事件的概率加法公式与相互独立事件的概率乘法公式计算一些事件的概率． 4．会计算事件在n 次独立重复试验中恰好发生k 次的概率． 5． 掌握离散型随机变量的分布列. 6．掌握离散型随机变量的期望与方差. 7．掌握抽样方法与总体分布的估计. 8．掌握正态分布与线性回归. 考点1. 求等可能性事件、互斥事件和相互独立事件的概率 解此类题目常应用以下知识: (1)等可能性事件(古典概型)的概率：P (A )＝) ()(I card A card ＝n m ; 等可能事件概率的计算步骤： （1） 计算一次试验的基本事件总数n ; （2） 设所求事件A ，并计算事件A 包含的基本事件的个数m ; （3） 依公式()m P A n =求值; （4） 答，即给问题一个明确的答复. (2)互斥事件有一个发生的概率：P (A ＋B )＝P (A )＋P (B ); 特例：对立事件的概率：P (A )＋P (A )＝P (A ＋A )＝1. (3)相互独立事件同时发生的概率：P (A ·B )＝P (A )·P (B ); 特例：独立重复试验的概率：P n (k )＝k n k k n p p C --)1(.其中P 为事件A 在一次试验中发生的概率，此式为二项式[(1-P)+P]n 展开的第k+1项. (4)解决概率问题要注意“四个步骤，一个结合”： ① 求概率的步骤是： 第一步，确定事件性质???? ???等可能事件 互斥事件 独立事件 n 次独立重复试验 即所给的问题归结为四类事件中的某一种. 第二步，判断事件的运算?? ?和事件积事件 即是至少有一个发生，还是同时发生，分别运用相加或相乘事件. 第三步，运用公式()()()()()()()()(1) k k n k n n m P A n P A B P A P B P A B P A P B P k C p p -? =???+=+? ??=??=-??等可能事件: 互斥事件： 独立事件： n 次独立重复试验:求解 第四步，答，即给提出的问题有一个明确的答复. 考点2离散型随机变量的分布列 1.随机变量及相关概念 ①随机试验的结果可以用一个变量来表示，这样的变量叫做随机变量，常用希腊字母ξ、η等表示. ②随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量. ③随机变量可以取某区间内的一切值，这样的随机变量叫做连续型随机变量. 2.离散型随机变量的分布列 ①离散型随机变量的分布列的概念和性质 一般地，设离散型随机变量ξ可能取的值为1x ，2x ，……，i x ，……，ξ取每一个值i x （=i 1，2，……）的概率P （i x =ξ）=i P ，则称下表. 第一章:预备知识 §1、1 概率空间 随机试验,样本空间记为Ω。 定义1、1 设Ω就是一个集合,F 就是Ω的某些子集组成的集合族。如果 (1)∈ΩF; (2)∈A 若F ,∈Ω=A A \则F; (3)若∈n A F , ，，21=n ,则 ∞=∈1n n A F; 则称F 为-σ代数(Borel 域)。(Ω,F )称为可测空间,F 中的元素称为事件。 由定义易知: . 216\,,)5)4(111F A A A i F A F B A F B A F i i n i i n i i i ∈=∈∈∈∈?∞ === ，，则，，，）若（； 则若（； 定义1、2 设(Ω,F )就是可测空间,P(·)就是定义在F 上的实值函数。如果 ()()()()∑∞ =∞==???? ???=?≠=Ω≤≤∈1121,,,31210,)1(i i i i j i A P A P A A j i A A P A P F A 有 时，当）对两两互不相容事件（； ）（； 任意 则称P 就是()F ,Ω上的概率,(P F ，，Ω)称为概率空间,P(A)为事件A 的概率。 定义1、3 设(P F ，，Ω)就是概率空间,F G ?,如果对任意 G A A A n ∈,,,21 , ,2,1=n 有: (),1 1∏===???? ??n i i n i i A P A P 则称G 为独立事件族。 §1、2 随机变量及其分布 随机变量X ,分布函数)(x F ,n 维随机变量或n 维随机向量,联合分布函 数,{}T t X t ∈,就是独立的。 §1、3随机变量的数字特征 定义1、7 设随机变量X 的分布函数为)(x F ,若?∞ ∞-∞<)(||x dF x ,则称 )(X E ＝?∞ ∞-)(x xdF 为X 的数学期望或均值。上式右边的积分称为Lebesgue-Stieltjes 积分。 方差,()()[]EY Y EX X E B XY --=为X 、Y 的协方差,而 DY DX B XY XY = ρ 为X 、Y 的相关系数。若,0=XY ρ则称X 、Y 不相关。 (Schwarz 不等式)若,,22∞<∞ 概率论知识点总结 第一章 随机事件及其概率 第一节 基本概念 随机实验：将一切具有下面三个特点：（1）可重复性（2）多结果性（3）不确定性的试验或观察称为随机试验，简称为试验，常用 E 表示。 随机事件：在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事件。 不可能事件：在试验中不可能出现的事情，记为Ф。 必然事件：在试验中必然出现的事情，记为Ω。 样本点：随机试验的每个基本结果称为样本点，记作ω. 样本空间：所有样本点组成的集合称为样本空间. 样本空间用Ω表示. 一个随机事件就是样本空间的一个子集。基本事件—单点集，复合事件—多点集 一个随机事件发生，当且仅当该事件所包含的一个样本点出现。 事件的关系与运算（就是集合的关系和运算） 包含关系：若事件 A 发生必然导致事件B 发生，则称B 包含A ，记为A B ?或B A ?。 相等关系：若A B ?且B A ?，则称事件A 与事件B 相等，记为A ＝B 。 事件的和：“事件A 与事件B 至少有一个发生”是一事件，称此事件为事件A 与事件B 的和事件。记为 A ∪B 。 事件的积：称事件“事件A 与事件B 都发生”为A 与B 的积事件，记为A∩ B 或AB 。 事件的差：称事件“事件A 发生而事件B 不发生”为事件A 与事件B 的差事件,记为 A －B 。 用交并补可以表示为B A B A =-。 互斥事件：如果A ，B 两事件不能同时发生，即AB ＝Φ，则称事件A 与事件B 是互不相容事件或互斥事件。互斥时B A ?可记为A ＋B 。 对立事件：称事件“A 不发生”为事件A 的对立事件（逆事件），记为A 。对立事件的性质： Ω=?Φ=?B A B A ,。 事件运算律：设A ，B ，C 为事件，则有 （1）交换律：A ∪B=B ∪A ，AB=BA （2）结合律：A ∪(B ∪C)=(A ∪B)∪C=A ∪B ∪C A(BC)=(AB)C=ABC （3）分配律：A ∪(B∩C)＝(A ∪B)∩(A ∪C) A(B ∪C)＝(A∩B)∪(A∩C)= AB ∪AC （4）对偶律（摩根律）：B A B A ?=? B A B A ?=? 第二节 事件的概率 概率的公理化体系： （1）非负性：P(A)≥0； （2）规范性：P(Ω)＝1 （3）可数可加性： ????n A A A 21两两不相容时 知识点总结：统计与概率 I 统计 1．三大抽样 (1)基本定义： ① 总体：在统计中,所有考查对象的全体叫做全体． ② 个体：在所有考查对象中的每一个考查对象都叫做个体． ③ 样本：从总体中抽取的一部分个体叫做总体的样本． ④ 样本容量：样本中个体的数目叫做样本容量． (2)抽样方法： ①简单随机抽样：逐个不放回、等可能性、有限性。=======★适用于总体较少★ 抽签法：整体编号（ 1~N ）放入不透明的容器中搅拌均匀逐个抽取n 次，即可得样本容量为 n 的样本。 随机数表法：整体编号（等位数，如001、111不能是1、111） 从0~9中随机取一行一列然后初方向随机 （上、下、左、右）重复，超过范围则忽略不计直至取得以n 为样本容量的样本。 ②系统抽样：容量大．等距，等可能。=======★适用于总体多★ 用随机方法编号，若N 无法被整除，则剔除后再分组，n N k 。再用简单随机抽样法来抽取一个个体，设为l ，则编号为l ，k+l ，2k+l ……（n-1）k ，抽出容量为n 的样本。（每组编号相同）。 ③分层抽样：总体差异明显．按所占比例抽取．等可能．=======★适用于由差异明显的几部分构成的总体★ 总体有几个差异明显的部分构成，经总体分成几个部分，然后按照所占比例进行抽样．抽样比为：k ＝n N 3．总体分布的估计： (1)一表二图： ①频率分布表——数据详实 ②频率分布直方图——分布直观 ③频率分布折线图——便于观察总体分布趋势 ★注：总体分布的密度曲线与横轴围成的面积为1。 (2)茎叶图： ①茎叶图适用于数据较少的情况，从中便于看出数据的分布，以及中位数．众位数等。 ②个位数为叶，十位数为茎，右侧数据按照从小到大书写，相同的数据重复写。 《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 随机过程知识点汇总 第一章 随机过程的基本概念与基本类型 一．随机变量及其分布 1．随机变量X ， 分布函数)()(x X P x F ≤= 离散型随机变量X 的概率分布用分布列 ) (k k x X P p == 分 布函数∑=k p x F )( 连续型随机变量X 的概率分布用概率密度)(x f 分布函数?∞ -=x dt t f x F )()( 2．n 维随机变量) ,,,(2 1 n X X X X Λ= 其联合分布函数) ,,,,(),,,()(2211 2 1 n n n x X x X x X P x x x F x F ≤≤≤==ΛΛ 离散型 联合分布列 连续型 联合概率密度 ３．随机变量的数字特征 数学期望：离散型随机变量X ∑=k k p x EX 连续型随 机变量X ?∞ ∞-=dx x xf EX )( 方差：2 22 )() (EX EX EX X E DX -=-= 反映随机变量取值的 离散程度 协方差（两个随机变量Y X ,）： EY EX XY E EY Y EX X E B XY ?-=--=)()])([( 相关系数（两个随机变量Y X ,）： DY DX B XY XY ?= ρ 若 0=ρ，则称Y X ,不相关。 独立?不相关?0=ρ ４．特征函数)()(itX e E t g = 离散 ∑=k itx p e t g k )( 连续 ?∞ ∞ -=dx x f e t g itx )()( 重要性质：1)0(=g ，1)(≤t g ，)()(t g t g =-，k k k EX i g =)0( ５．常见随机变量的分布列或概率密度、期望、方差 ０－１分布 q X P p X P ====)0(,)1( p EX = pq DX = 二项分布 k n k k n q p C k X P -==)( np EX = npq DX = 泊松分布 ! )(k e k X P k λλ -== λ =EX λ =DX 均匀分布 略 正态分布),(2 σa N 2 22)(21)(σσ πa x e x f -- = a EX = 2 σ=DX 指数分布 ?? ?<≥=-0, 00,)(x x e x f x λλ λ 1 = EX 2 1 λ = DX ６．Ｎ维正态随机变量) ,,,(2 1 n X X X X Λ=的联合概率密度 ),(~B a N X )} ()(2 1 ex p{| |)2(1),,,(12 12 21a x B a x B x x x f T n n ---= -πΛ ) ,,,(21n a a a a Λ=，),,,(2 1 n x x x x Λ=，n n ij b B ?=)(正定协方差阵 二．随机过程的基本概念 １．随机过程的一般定义 设) , (P Ω是概率空间，T 是给定的参数集，若对每 个T t ∈，都有一个随机变量X 与之对应，则称随机变量 数据的收集、整理与描述 1、全面调查：考察全体对象的调查方式叫做全面调查。 2、抽样调查：调查部分数据，根据部分来估计总体的调查方式称为抽样调查。 3、总体：要考察的全体对象称为总体。 4、个体：组成总体的每一个考察对象称为个体。 5、样本：被抽取的所有个体组成一个样本。 6、样本容量：样本中个体的数目称为样本容量。 7、样本平均数：样本中所有个体的平均数叫做样本平均数。 8、总体平均数：总体中所有个体的平均数叫做总体平均数，在统计中，通常用样本平均数估计总体平均数。 9、频数：一般地，我们称落在不同小组中的数据个数为该组的频数。 10、频率：频数与数据总数的比为频率。 11、组数和组距：在统计数据时，把数据按照一定的范围分成若干各组，分成组的个数称为组数，每一组两个端点的差叫做组距。 数据的分析 1、平均数：一般地，如果有n 个数 ,,,,21n x x x 那么，)(121n x x x n x +++= 叫做这n 个数的平均数，x 读作“x 拔”。 2、加权平均数：如果n 个数中，1x 出现1f 次，2x 出现2f 次，…，k x 出现k f 次 （这里n f f f k =++ 21）。那么，根据平均数的定义，这n 个数的平均数可以表示为 n f x f x f x x k k ++=2211，这样求得的平均数x 叫做加权平均数，其中k f f f ,,,21 叫做权。 3、中位数：将一组数据按照由小到大（或由大到小）的顺序排列，如果数据的个数是奇数，则处于中间位置的数就是这组数据的中位数(median)；如果数据的个数是偶数，则中间两个数据的平均数就是这组数据的中位数。 4、众数：一组数据中出现次数最多的数据就是这组数据的众数（mode ）。 5、极差：组数据中的最大数据与最小数据的差叫做这组数据的极差(range)。 6、在一组数据,,,,21n x x x 中，各数据与它们的平均数x 的差的平方的平均数， 第一章随机过程 的基本概念与基本类型 一．随机变量及其分布 X ，分布函数 F (x) P(X x) 1．随机变量 离散型随机变量 X 的概率分布用分布列 p P(X x k ) F(x) p k f (t)dt 分布函数 k x X 的概率分布用概率密度 f (x) F(x) 分布函数 连续型随机变量 2．n 维随机变量 X (X ,X , , X ) 1 2 n F(x) F(x ,x , ,x ) P(X x , X 2 x , , X n x n ,) 其联合分布函数 1 2 n 1 1 2 离散型 联合分布列 连续型联合概率密度 ３．随机变量 的数字特征 数学期望：离散型随机变量 X EX x p k k X EX xf (x)dx 连续型随机变量 2 DX E(X EX) 2 EX (EX) 2 方差： 反映随机变量取值 的离散程度 协方差（两个随机变量 X ,Y ）： B E[( X EX)(Y EY)] E(XY) EX EY XY B XY 相关系数（两个随机变量 X,Y ）： 0，则称 X ,Y 不相关。 若 XY DX DY 独立 不相关 itX g(t) E(e ) itx e p k 连续 g(t) k e itx f (x)dx ４．特征函数 离散 g(t) 重要性质： g(0) 1， g(t) 1 g( t) g(t) ， ， g (0) i EX k k k ５．常见随机变量 的分布列或概率密度、期望、方差 ０－１分布 二项分布 P( X 1) p,P( X 0) q EX p DX pq P(X k) C p q n k k k EX np DX n p q n k 泊松分布 P( X k) e k! EX DX 均匀分布略 ( x a)2 1 2 N(a, ) f (x) 2 2 2 EX a 正态分布 e DX 2 第一章： 考试范围1.3,1.4 1、计算指数分布的矩母函数. 2、计算标准正态分布)1,0(~N X 的矩母函数. 3、计算标准正态分布)1,0(~N X 的特征函数. 第二章： 1. 随机过程的均值函数、协方差函数与自相关函数 2. 宽平稳过程、均值遍历性的定义及定理 3. 独立增量过程、平稳增量过程，独立增量是平稳增量的充要条件 1、设随机过程()Z t X Yt =+，t -∞<<∞.若已知二维随机变量(,)X Y 的协方差矩阵为2122σρρσ?????? ，求()Z t 的协方差函数. 2、设有随机过程{(),}X t t T ∈和常数a ，()()()Y t X t a X t =+-，t T ∈，计算()Y t 的自相关函数（用(,)X R s t 表示）. 3、设12()cos sin X t Z t Z t λλ=+，其中212,~(0,)Z Z N σ是独立同分布的随机变量，λ为实数，证明()X t 是宽平稳过程. 4、设有随机过程()sin cos Z t X t Y t =+，其中X 和Y 是相互独立的随机变量，它们都分别以0.5和0.5的概率取值-1和1，证明()Z t 是宽平稳过程. 第三章： 1. 泊松过程的定义（定义3.1.2）及相关概率计算 2. 与泊松过程相联系的若干分布及其概率计算 3. 复合泊松过程和条件泊松过程的定义 1、设{(),0}N t t ≥是参数3λ=的Poisson 过程，计算： (1). {(1)3}P N ≤； (2). {(1)1,(3)3}P N N ==； (3). {(1)2(1)1}P N N ≥≥. 2、某商场为调查顾客到来的客源情况，考察了男女顾客来商场的人数. 假设男女顾客来商场的人数分别独立地服从每分钟2人与每分钟3人的泊松过程. (1)．试求到某时刻t 时到达商场的总人数的分布； 高中数学概率统计知识 点总结 标准化工作室编码[XX968T-XX89628-XJ668-XT689N] 高中数学概率统计知识点总结 一、抽样方法 1．简单随机抽样 2．简单随机抽样常用的方法：（1）抽签法；⑵随机数表法。 3．系统抽样：K （抽样距离）=N （总体规模）/n （样本规模） 4．分层抽样： 二、样本估计总体的方式 1、用样本的频率分布估计总体分布 （1）频率分布直方图的画法；（2）频率的算法；（3）频率分布折线图；（4）总体密度曲线；（5）茎叶图。 茎叶图又称“枝叶图”，它的思路是将数组中的数按位数进行比较，将数的大小基本不变或变化不大的位作为一个主干（茎），将变化大的位的数作为分枝（叶），列在主干的后面，这样就可以清楚地看到每个主干后面的几个数，每个数具体是多少。 2、用样本的数字特征估计总体的数字特征 （1）众数、中位数、平均数的算法；（2）标准差、方差公式。 3、样本均值：n x x x x n +++= 21 4、．样本标准差：n x x x x x x s s n 2 22212)()()(-++-+-== 三、两个变量的线性相关 1、正相关 2、负相关 正相关：自变量增加，因变量也同时增加（即单调递增） 负相关：自变量增长，因变量减少(即单调递减) 四、概率的基本概念 （1）必然事件（2）不可能事件（3）确定事件（4）随机事件 （5）频数与频率（6）频率与概率的区别与联系 必然事件和不可能事件统称为确定事件 1他们都是统计系统各元件发生的可能性大小； 2、频率一般是大概统计数据经验值，概率是系统固有的准确值； 3频率是近似值，概率是准确值随机过程知识点汇总
概率论重要知识点总结
随机过程知识点汇总
(最全)高中数学概率统计知识点总结
概率论知识点总结
通信原理知识点归纳
最新统计概率知识点归纳总结大全
随机过程知识点
概率论知识点总结
概率统计知识点全面总结
概率论和数理统计知识点总结[超详细版]
随机过程知识点汇总
统计和概率知识点总结
(完整版)随机过程知识点汇总
随机过程知识点总结
高中数学概率统计知识点总结