概率论和数理统计第1-3章复习资料
概率论与数理统计考研复习资料
概率论与数理统计复习第一章 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,有全概率公式 P(A)=()()i ni i B A P B P∑=1当P(A)>0, P(B i )>0时,有贝叶斯公式P (B i |A)=()()()()()()∑==ni i i i i i B A P B P B A P B P A P AB P 1. 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)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.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()()()()kkii 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 kk 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)(xx 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 ex 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(zα)=1-α , z 1- α= -z α.四.随机变量X 的函数Y= g (X)的分布 1.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)=⎰⎰∞-∞-yxdudv 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)(=⎰∞∞-dyy 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,}{},{jj i j j i p p y Y P y Y x X P ∙=====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) 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 2D(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 p n p (1- p)3.X~ π(λ) λ λ4.X~ U(a,b) (a+b)/2 (b-a) 2/12 5.X 服从参数为θ的指数分布 θ θ2 6.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 XX 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∑-==n i ki k X X n B 1)(1( k=1,2,…),}{},{∙=====i j i i j i p p x X P y Y x X P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 n1 X S 12Y~ N (μ2,σ22 ) Y 1 ,Y 2 ,…,Y n2Y S22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 ,…,Xn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∧∧∧kθθθ,,,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.文 - 汉语汉字 编辑词条文，wen ，从玄从爻。
概率论与数理统计(1-3章重点梳理)
公理 3（可列可加性）
两两互斥，则 P (
)＝
(2)条件概率——P(B∣A)＝
P(AB)＝P(A) P(B∣A) P(B) P(A∣B)
2、概率基本性质 (1) P(Φ)＝0，P(Ω)＝1
(2) 有限可加性 P(
)＝
(3) 求逆公式 P( )＝1-P(A) ※补充：对于固定事件 A，P(B∣A)具有概率一切性质 ① P(Φ∣A)＝0，P(A∣A)＝1
1、定义 F(X)=
， <x< ，其中 f(x)为 X 的概率密度函数
【连续型：求分布函数就是求概率，哪儿求概率哪儿求积分】
（※利用 2、概率密度 f(x)性质
可简化求解）
(1)f(x) 0（非负可积性） （2）
3、连续型性质【重要】 ① F(x)为连续函数 ②对于 f(x)连续点 x，有 =f(x) ③对于任何实数 C，P(X=C)=0
①包含 A B 事件 A 发生一定导致 B 发生 【小推大】
②相等 A B 且 B A A=B 【等价=相等】
③互斥 AB=Φ A、B 不能同时发生
④对立
A、B 在一次试验中必然发生且只能发生一个
⑤完全事件组
且
(1≤i≠j≤n)，称
(2)事件间运算(三种)：并(和)，交(积)，逆(差) ①A、B 和事件 A∪B 或 A+B A、B 至少有一个发生
几何分布的无记忆性：设 X G(p)，即
，k=1 2 (0 p 1)则对于
任何正整数 m,k 有 P(X=m+k∣X 6、均匀分布 U(a,b)
)=P(X=k)
密度 f(x)=
分布函数 F(x)=
例：设随机变量 在(1,b)上服从均匀分布，则方程
(完整版)概率论与数理统计复习提纲
1.基本思想: 用样本矩（原点矩或中心矩）代替相应的总体矩.
2.求总体X的分布中包含的m个未知参数 的矩估计步骤：
① 求出总体矩,即 ；② 用样本矩代替总体矩，列出矩估计方程：
③ 解上述方程（或方程组）得到 的矩估计量为：
④ 的矩估计值为：
3. 矩估计法的优缺点：
优点：直观、简单; 只须知道总体的矩,不须知道总体的分布形式.
（1） 分布的 分位点 （2） 分布的 分位点 其性质：
（3） 分布的 分位点 其性质
（4）N(0,1)分布的 分位点 有
第六章 参数估计
一、点估计:设 为来自总体X的样本， 为X中的未知参数， 为样本值，构造某个统计
量 作为参数 的估计，则称 为 的点估计量， 为 的估计值.
2.常用点估计的方法：矩估计法和最大似然估计法.
合概率函数（或联合密度函数） （或
称为似然函数.
3. 求最大似然估计的步骤：
（1）求似然函数:X离散： X连续：
（2）求 和似然方程：
（3）解似然方程，得到最大似然估计值：
（4）最后得到最大似然估计量：
4. 最大似然估计法是在各种参数估计方法中比较优良的方法，但是它需要知道总体X的分布形式.
四、估计量的评价标准
4.伯努利概型：
1.事件的对立与互不相容是等价的。（X）
2.若 则 。（X）
3. 。(X)
4.A,B,C三个事件恰有一个发生可表示为 。(∨)
5.n个事件若满足 ，则n个事件相互独立。(X)
6.当 时，有P(B-A)=P(B)-P(A)。（∨）
第二章 随机变量及其分布
一、随机变量的定义：设样本空间为 ，变量 为定义在 上的单值实值函数，则称 为随机变量，通常用大写英文字母，用小写英文字母表示其取值。
概率论与数理统计总复习参考
定义7 （概率的统计定义） 定义8 （概率的公理化定义） 设试验E的样本
空间为Ω，对任意事件A，赋予一实数 P(A)，若
它满足
非负性公理：0≤P(A) ≤1;
规范性公理：P(Ω)=1;
可列可加性公理：若A1, A2, …两两互斥, 则
P ( Ai ) P ( Ai ).
二、随机事件的关系与运算
1. 事件的关系
(1) 包含关系 若事件A发生必然导致事件B发生，则称事件A包含于B，
记为 A B.
(2) 互斥（互不相容）： 若两个事件A、B不可能同时发生，则称事件A与B互斥 （互不相容）. 必然事件与不可能事件互斥; 基本事件之间是互斥的.
2. 事件的运算
(1) 事件的并（和） 若C表示“事件A与事件B至少有一个发生”这一事件，
fY
(
y)
f
X
[h(
y)] | 0,
h(
y)
|,
y ,
其他.
第三章 二维随机变量及其分布
1. 二维随机变量
(X, Y )：X, Y 是定义在同一样本空间 上的两个随机变量.
2. 联合分布函数、性质 F(x, y) =P{X x, Y y}, (任意实数x, y).
3. 边缘分布函数 FX (x) = F(x, +), FY (y) = F(+, y).
P p1
p2 … pn …
注 ：如果 g( xk ) 中有些项相同，则需将它们 作适当并项.
(2) 连续型随机变量函数的分布 (i) 定义法
FY ( y) P{Y y} P{g( X ) y}
{ x|g( x) y} f X ( x)dx.
概率论与数理统计复习资料
自考04183概率论与数理统计(经管类)笔记-自考概率论与数理统§1.1 随机事件1.随机现象：确定现象：太阳从东方升起，重感冒会发烧等；不确定现象：随机现象：相同条件下掷骰子出现的点数：在装有红、白球的口袋里摸某种球出现的可能性等；其他不确定现象：在某人群中找到的一个人是否漂亮等。
结论：随机现象是不确定现象之一。
2.随机试验和样本空间随机试验举例：E1：抛一枚硬币，观察正面H、反面T出现的情况。
E2：掷一枚骰子，观察出现的点数。
E3：记录110报警台一天接到的报警次数。
E4：在一批灯泡中任意抽取一个，测试它的寿命。
E5：记录某物理量（长度、直径等）的测量误差。
E6：在区间[0，1]上任取一点，记录它的坐标。
随机试验的特点：①试验的可重复性；②全部结果的可知性；③一次试验结果的随机性，满足这些条件的试验称为随机试验，简称试验。
样本空间：试验中出现的每一个不可分的结果，称为一个样本点，记作。
所有样本点的集合称为样本空间，记作。
举例：掷骰子：＝{1，2，3，4，5，6},＝1，2，3，4，5，6；非样本点：“大于2点”，“小于4点”等。
3.随机事件：样本空间的子集，称为随机事件，简称事件，用A,B,C,…表示。
只包含一个样本点的单点子集{}称为基本事件。
必然事件：一定发生的事件，记作不可能事件：永远不能发生的事件，记作4.随机事件的关系和运算由于随机事件是样本空间的子集，所以，随机事件及其运算自然可以用集合的有关运算来处理，并且可以用表示集合的文氏图来直观描述。
（1）事件的包含和相等包含：设A，B为二事件，若A发生必然导致B发生，则称事件B包含事件A，或事A包含于事件B，记作，或。
性质：例：掷骰子，A：“出现3点”，B：“出现奇数点”，则。
注：与集合包含的区别。
相等：若且，则称事件A与事件B相等，记作A＝B。
（2）和事件概念：称事件“A与B至少有一个发生”为事件A与事件B的和事件，或称为事件A与事件B的并，记作或A＋B。
概率论与数理统计知识点总结(免费超详细版)
《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 A B 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A B {x x A或x B} 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 A B 发生A B {x x A且x B} 称为事件 A 与事件 B 的积事件，指当A，B 同时发生时，事件A B 发生A—B {x x A且x B} 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 A — B 发生A B ，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A B S A B ，则称事件 A 与事件 B 互为逆事件，又称事件 A 与事件 B 互为且对立事件2．运算规则交换律 A B B A A B B A结合律(A B) C A (B C) ( A B)C A(B C)分配律 A （B C）(A B) ( A C)A (B C)(A B)( A C)—徳摩根律 A B A B 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n称为事件AA 发生的频数，比值n nA 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P( A)满足下列条件：（1）非负性：对于每一个事件 A 0 P( A) 1（2）规范性：对于必然事件S P (S) 11（3）可列可加性：设A1, A2 , ,A是两两互不相容的事件，有nn nP A k ) P( A) ( （n可kk 1 k 1以取）2．概率的一些重要性质：（i ）P( ) 0（ii ）若A1, A2 , ,A是两两互不相容的事件，则有n Pn n( （n可以取）A k ) P( A )kk 1 k 1（iii ）设A，B 是两个事件若 A B ，则P(B A) P( B) P( A) ，P( B) P(A) （iv）对于任意事件A，P(A) 1（v）P( A) 1 P(A) （逆事件的概率）（vi）对于任意事件A，B 有P(A B) P( A) P( B) P( A B)§4等可能概型（古典概型）等可能概型：试验的样本空间只包含有限个元素，试验中每个事件发生的可能性相同若事件 A 包含k 个基本事件，即{e i } {e } {e }A ，里1 i i k] 2，k是，中某个不同的数，则有i1 i 2, ，i k 1,2 nP( A)j k1P { eij}knA包含的基本事件数S中基本事件的总数§5．条件概率（1）定义：设A,B 是两个事件，且P( A) 0 ，称P( A B)P(B | A) 为事件 A 发生的条P(A)件下事件 B 发生的条件概率（2）条件概率符合概率定义中的三个条件。
概率论与数理统计复习提纲
概率论与数理统计复习提纲第一章 概率论的基本概念一、事件间的关系及运算二、古典概型中概率的计算三、概率的公理化定义及性质－重点四、条件概率、乘法定理、全概率公式及贝叶斯公式－重点五、事件相互独立的定义及判断第二章 随机变量及其分布一、离散型随机变量及其分布律1. 分布律的定义2. 三种重要的离散型分布－重点：（0－1）分布，二项分布),(p n b ，泊松分布)(λπ.二、分布函数的定义及求解－重点：会求离散型或连续型随机变量的分布函数)(x F .三、连续型随机变量及其概率密度1. 概率密度的定义及性质－重点2. 三种重要的连续型分布－重点：均匀分布),(b a U ，指数分布，正态分布),(2σμN .注意：正态分布),(2σμN 与标准正态分布)1,0(N 的关系－引理；标准正态分布)1,0(N 的上α分位点αz 的定义。
第三章 多维随机变量及其分布一、二维随机变量的分布函数的定义及性质二、二维离散型随机变量的联合分布律及二维连续型随机变量的联合概率密度及性质－重点三、会求条件概率密度)/(/x y f X Y 和)/(/y x f Y X ；四、二维离散型随机变量的边缘分布律及二维连续型随机变量的边缘概率密度－重点五、相互独立的随机变量的判断方法－重点六、随机变量函数的分布1. 一维随机变量函数的分布－重点2. 二维随机变量函数的分布：Y X Z +=，{}Y X Z ,m ax =，{}Y X Z ,min =第四章 随机变量的数字特征一、会求随机变量及其函数的数学期望及方差、掌握期望和方差的性质－重点二、记住常见分布的数学期望及方差－重点三、协方差、相关系数、矩的概念及计算、不相关的定义第五章 大数定律及中心极限定理一、契比雪夫不等式及其等价形式二、中心极限定理：定理4、定理5、定理6第六章 样本及抽样分布一、统计量的定义及常用的统计量－重点二、)(2n χ分布、)(n t 分布、),(21n n F 分布的定义、构造及上α分位点的定义－重点三、来自正态总体的抽样分布（P158-P160）：定理1、定理2、定理3为重点，了解定理4。
概率论与数理统计 1-3
3
1. 条件概率的定义
设A、B是两个事件，且P(A)>0,则称 P(B | A) P( AB) (1) P( A)
为在事件A发生的条件下,事件B的条件概率.
1.3条件概率
B ABA
S
若事件A已发生, 则为使 B也发 生 , 试验结果必须是既在 B 中又在 A中的样本点 , 即此点必属于AB. 由于我们已经知道A已发生, 故A变 成了新的样本空间 , 于是 有(1).
3
P( Ai ) P(A1)P(A2 / A1)P(A3 / A1A2 )
i 1
※想一想： ①应如何推导此式？ ② n个事件的公式如何写呢？
7
1.3条件概率
例2 一批零件共100个，其中有10个是次品。今从这批零
件中随机抽取，每次一件，1）若不放回地抽取3次，求3次都 取得合格品的概率；2）若有放回地抽取2次，求2次都取得合 格品的概率。
注 通常， P(B|A) ≠ P(B)
4
2. 条件概率P(.|A)的性质
1.3条件概率
(1)非负性 对每一个事件B, P(B|A) ≧0 概
(2)规范性 对必然事件S, P(S|A) =1
率
定
(3)可列可加性 若B1, B2 ,是两两互不相容的事件，则有
P Bi | A P(Bi | A)
解 记 Ai=“第i次取得合格品”,i=1,2,3;
1) 若不放回地抽，则
P
(
A1
)
90 100
,
P(
A2
|
A1 )
89 99
,
P(
A3
|
A1
A2
)
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)
非常全面的概率论与数理统计复习材料
为 21 的倍数的概率 p2;
解：p1=错误!=错误!, p2= 错误!= 错误!
前提是如果在某一区域任取一 例 1 把长度为 a 的棒任意折成三段,求它们可以构成一个三角形的概率;
点,而所取的点落在中任意两 解：设折得的三段长度分别为 x,y 和 a-x-y,那么,样本空间,S={x,y|0xa,0ya,0a-x-ya};
A、A=
B、AB= C、A错误!=
D、B=错误!
运 A1,A2,…,An 构成的一个完备事件组或分斥指 A1,A2,…,An 两两互不相容,且错误!Ai=
算
交换律 A∪B=B∪A A∩B=B∩A 运
结合律 A∪B∪C=A∪B∪C A∩B∩C=A∩B∩C 算
分配律 A∪B∩C=AC∪BC A∩B∪C=A∪C∩B∪C 法
题 例 3 某物品成箱出售,每箱 20 件,假设各箱中含 0、1 件次品的概率分别为和,一顾客在购买时,他可以开箱,从箱中任取
三件检查,当这三件都是合格品时,顾客才买下该箱物品,否则退货;试求：1 顾客买下该箱的概率 ；
2 顾客买下该箱物品,问该箱确无次品的概率 ;
解:设事件 A0—箱中 0 件次品, A1—箱中 1 件次品,事件 B—买下该箱;由已知 PA0=, PA1=,
必然事件---每次试验中必定发生的事件; 不可能事件--每次试验中一定不发生的事件;
事 包含 AB 件 相等 A=B 之 对立事件,也称 A 的逆事件 间 互斥事件 AB=也称不相容事件 的 A,B 相互独立 PAB=PAPB 关
例 1 事件 A,B 互为对立事件等价于 D A、A,B 互不相容 B、A,B 相互独立 C、A∪B＝Ω D、A,B 构成对样本空间的一个剖分 例 2 设 PA=0,B 为任一事件,则 C A、A= B、AB C、A 与 B 相互独立 D、A 与 B 互不相容
- 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)。
m 4、由公式 P ( A) 进行计算 n
（二）几何概型 所求概率为： P（A）=[A所包含的区域度量] / [样本空间的度量] （三）条件概率及其全概率公式 1、条件概率：若P(B) ＞0，则
P( A B) P( AB) P( B)
2、全概率公式 如果B1,…,Bn为一完备事件组，即满足： （1） B1,…,Bn两两不相容i=1, …,n；
例9：把9个球放进4个口袋，设每个球落在任一口袋内的机 会都相等，试求下列事件的概率： （1）A=“无球进入第一个口袋”； （ 0.075） （2）B=“恰有一个球进入第一个口袋”； （ 0.225） （3）C =“至少有两个球进入第一个口袋”。 例10：在编号为1，2，…，n的n张赠券中，采用不放 回方式抽签。试求A=“在第k次（1≤ k ≤n）抽签时抽 到1号签”的概率。 例11：加工某一零件需经两道工序，设第一道、第二道工序 的次品率分别为0.02和0.05，如果两道工序互不影 响，求A=“加工出合格品”的概率 例12：某地区一工商银行的贷款范围内有甲、乙两家同类企 业，设一年内甲申请贷款的概率为0.15，乙申请贷款的 概率为0.2，在甲不向银行申请贷款的条件下，乙向银行 申请贷款的概率为0.23，求在乙不向银行申请贷款的条 件下，甲向银行申请贷款的概率。（0．181875）
第二~三章 r , v 及其概率分布
r , v 的概念 一、 1、定义 对于样本空间 上的每一可能结果 ，如果都唯一 对应着一个实数值X( )，则称X( )为一维 r , v ；如 果对每一个 ，都同时对应着 n 个实数值 X 1 (w),, X n (w) , 则称( X 1 ,, X n )为 n 维随机向量，简称 r , v 。 2、 r , v 的特征： （1）随机性： r , v 的取值由随机试验的结果决定，在试验结果确定 之前，我们不知道它（它们）取何值，但预先可知道所有的
2、单调性； 3、右连续性； Lim F ( x) F ( ) 0 4、
x
x
Lim F ( x) F ( ) 0
0 F ( x, y) 1 二维：1、 2、单调性（对 x, y
分别单调 ）
3、右连续性（对 x, y 分别由连续） 4、F ( , y) F ( X , ) 0 F ( , ) 1 5、对任意 x1 x x2 , y1 x y 2 F ( x2 , y2 ) F ( x1 , y2 ) F ( x2 , y1 ) F ( x1 , y1 ) 0 三、离散型 r , v 及其概率函数： （一）一维离散型 r , v ： 1、分布列： （1）分布列概念： 设X可能取值 x1 , x2 ,, xi , 若有 P( X xi ) p( xi ) pi i 1 , , n , （2） 称（2）为X的分布列（或分布律、概率分布、概率函数） 记作： X ~ p( xi )
例16：有甲、乙、丙三人向一飞机射击，三人击中的概率分 别为0.4、0.5、0.7。若飞机被一人击中而坠毁的概率 为0.2；若两人击中，飞机坠毁的概率为0.6；若三人 击中，飞机必坠毁。求A=“飞机必坠毁”的概率。 例17：电灯泡使用寿命在1000h以上的概率为0.2，求3个灯 泡在使用1000h后最多只有一个灯泡坏的概率（0．104） 例18:设某公司有7个顾问，每个顾问提供正确意见的百分比 为0.6，现为某事可行与否个别征求顾问意见，并按多 数人的意见作出决策，求A=“作出正确决策”的概率。 例19：设袋中有a只黑球、b只白球，采用放回抽样方式 摸球，每次摸1球，求下列事件的概率： A=“第k次才摸到黑球”； B=“直到第n次才摸到k只黑球”。
例13：设10件产品中有4件不合格品，从中任取两件，已知 在所取的两件产品中至少有一件是不合格品，求另一 件也是不合格品的概率。（1/5） 例14：制造一种零件可采用两种工艺，第一种工艺有三道 工序，每道工序的废品率分别为0.1，0.2，0.3；第二 种工艺有二道工序，每道工序的废品率都是0.3 。如 果 用第一种工艺，在合格零件中，一极品率为0.9；而用 第二种工艺，合格品中的一极品率只有0.8。试问哪一 种工艺得到一级品的概率最大？ 例15：有两个盒子，第一盒装有2个红球，1个黑球，第二 盒装有2个红球，2个黑球，今从这两个盒子中各任取一 球放在一起，再从中任取一球，问： （1）A=“此球是红球”的概率 （2）B=“若发现此球是红球，则该球是从第一盒中取得” 的概率。
（2） Bi Ω 则对任意事件A，有：
i 1
n
P( A)
P( B ) P( A B )
i 1 i i
n
(其中P(Bi) ＞0)
特别，事件A与A的对立事件 A 构成完备事件组。对任意 事件B，有： PB P APB A P A P B A
3、贝叶斯公式（逆概率公式） 如果B1,…,Bn为一完备事件组， P(Bi) ＞0 ，i=1, 2，…,n 则对任一不为零的事件A，有：
7、乘法公式 P(A1A2…An) =P(A1)P(A2︱A1)P(A3︱A1A2) …P(An︱A1A2 …An-1) 特别：若A1, …,An独立， 则P(A1…An)=P(A1)P(A2) …P(An) 三、概率的计算 （一）古典概型 一般计算步骤： 1、判断试验为古典试验，即满足： （1）试验结果为有限个； （2）每个可能结果的发生是等可能的 2、分析样本空间的构成 3、考察所说事件A的构成
P Bi A
PBi P A Bi
PB PA B
i 1 i i
n
（四）独立试验序列概型 1、事件的独立性： 若P(AB)=P(A)P(B)（或P(A︱B)=P(A)），则称事件A 与B独立。 2、独立试验序列概型；设E1、E2是互不影响的两个试 验，而A1、A2分别是E1和E2的一个事件，则A1与A2两是相互 独立的。称E1、E2是两个独立试验序列。（可推广） 3、n重贝努里概型 （1）贝努里试验： 如果一个试验满足： ①只有两个可能结果，A=”成功“，B=”失败“ ②P(A)=p,P(B)=q p=q=1 (0＜p＜1), 则称此试验为一个贝努里试验
经济与应用数学——概率论与数理统计 马统一 08级电信、工管 (六) 概率论与数理统计复习(第1-3章)
ห้องสมุดไป่ตู้
第一章随机事件与概率
一、随机事件 （一）基本概念 1、随机现象： 在一定条件下结果不确定的现象。 2、随机试验：满足三个条件的试验。（ P2） 3、样本空间、样本点（P3） 4、随机事件 （1）基本事件（即样本点ω ） p （2）复合事件：含两个以上样本点的随机事件 （二）事件的关系及运算 1、五种基本关系 （1）包含 （2）相等 （3）互斥（不相容） 即满足：AB=Φ （可推广） （4）对立，满足： ① AB=Φ ② A∪B=Ω 对立事件必为互斥事件，反之不然。
2、古典定义（ P7，定义1.2.1, 含几何概率，定义1.2.2， P10） 3、公理化定义（定义1.2.4，P14） （二）概率的性质（ P15） 1、0≤P(A) ≤1 2、P(Ω)=1, P(Φ)=0 n n 3、若A1, …,An,…，两两互斥，则: P Ai P Ai i 1 i 1 4、P( A) 1 P( A) 5、单调性 若 A B，则P(A) ≤P(B) ,且P(B-A)=P(B)-P(A) 6、加法定理 对任意两事件A,B,有：P(A+B)=P(A)+P(B)-P(AB) （可 推广）
k!
它表示观察对象随时间进程在单位时间内出现次数 的概率。 上面公式称普阿松分布，记为P（ ）
2、与二项分布B（n,p）的关系： 在n重贝努里试验中，当n较大（ n≥30），而P较小 时，有下面计算公式： k n k nk p ( 1 p ) e , k 0 , 1 , 2 , , n k n k!
（2）n重贝努里试验（贝努里概型） 将一个贝努里试验独立地、重复做n次的试验模型，称 贝努里概型，亦称n重贝努里试验。在n重贝努里试验中， 令： BK=“事件A在n次试验中发生K次”,则: K K n K K=0,1, …,n P( BK ) C n p q Pn ( K ) 上式称二项分布，记为B（n,p） （五）普阿松概型 k e , k 0 , 1 , 2 , , 1、普阿松公式： P( X k )
例4：一盒装有10只晶体管，其中有4只次品，6只正品，随 机地抽取 1只测试，直到4只次品晶体管都找到。求最后 一只次品晶体管在下列情况发现的概率： （1）A=“在第 5 次测试发现”。（2/105） （2）B=“在第10次测试发现”。（2/5） 例5：将编号1，2，3的三本书任意地排列在书架上，求事件 A=“至少有一本书自左到右的排列顺序号与它的编号相同” 的概率。 例6：五个乒乓球，其中三个旧球，二个新球，每次取一个， 共取两次，以有放回和无放回两种方式求下列事件的概率： （1）A=“两次都取到新球”； （2）B=“第一次取到新球，第二次取到旧球”； （3）C=“至少有一次取到新球”。
取值。 （2）规律性： 由于 r , v 的取值依赖于随机试验结果，而随机试验 结果的出现是有概率规律的，因而 r , v 的取值也有一定概 率规律。 二、 r , v 的分布函数： 1、分布函数的概念： 一维：设X是一个随机变量，对任意的实数R,称函数 （1） x F ( x) P( X x) 是X的分布函数。 n 维：设 ( X 1 ,, X n ) 为 n 维 r , v ，对 称
3
（5）独立，若P（AB）=P（A）P（B）则称A与B独立。 独立与不相容是两个不同的概念，不能混淆。 独立的性质：第23页定理1、定理2、3 2、三种运算关系：并，交，差 要求：（1）对一个具体试验要弄清试验方式，什么是一次 试验？试验的要求是什么？一次试验结果指什么？ 会写出试验的样本空间； （2）会表示事件； （3）会正确运用事件的关系并进行运算。 例1：随机投掷两颗骰子 ，观察骰子 的点数。 （1）写出试验的样本空间；（2）写出事件A=“点数 之和为奇数” 二、事件的概率 （一）概率的定义（3种定义） 1、统计的定义