《概率论与数理统计》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。
概率论与数理统计复习汇总
第二章：随机变量及其相关内容
基本概念：随机变量、分布律、概率密度、分布函数 随机变量：设随机试验的样本空间为 S = {e}, X = X (e) 是定义在样本空间 S 上的
实值单值函数，称 X = X (e) 为随机变量. ( 样本点到数的对应法则) 随机变量的分类：离散型随机变量和连续型随机变量(基于 r.v. 的取值类型) 离散型随机变量 取值为有限个或者无限可列个的随机变量 分布律 若 r.v. X 的取值为 x1, x2 , , xn , 对应概率值为 p1, p2 , , pn , ，即
(1) 任取一件产品为次品的概率是多少？ (2) 已知取得的产品为次品，求此次品来自甲厂生产的概率是多少？ 2. 人们为了了解一支股票未来一定时期内价格的变化，往往会去分析影响股票 价格的基本因素，比如利率的变化. 现假设人们经分析评估知利率下降的概率为 60%，利率不变的概率为 40%.根据经验，人们估计，在利率下调的情况下，该
一个划分.或者 B1, B2 , , Bn 为一个完备事件组.
全概率公式：设设 S 为随机试验 E 的样本空间， B1, B2, , Bn 为一个完备事件组，
则有 P( A) = P(B1)P( A B1) + P(B2 )P( A B2 ) + + P(Bn )P( A Bn )
Bi 称为原因， A 称为结果；全概率公式由原因找结果； 贝叶斯公式： 由结果找造成的原因
运算规律：德摩根律 AB = A ∪ B; A ∪ B = AB
加法原理： n1 + n2 + + nm (分类)，乘法原理： n1 ⋅ n2 ⋅ ⋅ nm (分步)
概率论与数理统计总复习资料
fY
(
y)
2
1
y
e
y,y 0
0,
y 0.
1.联合分布律 分布函数定义性质
第 三
2. 边缘分布 条件分布
章
3. 随机变量的独立性
4计算和随机变量的独立性
2.难点
条件概率分布
随机变量函数的分布
2. 连续型随机变量函数的分布
由于 X 与 Y 对称, 当X, Y独立时,
这里X,Y相互独立。
例 设随机变量( X ,Y )的联合概率密度为
cxe y , 0 x y ,
f (x, y) (1) 求常数 c; 0,
其他.
(2) X 与 Y 是否独立?为什么?
(3) 求 f X Y ( x y), fY X ( y x); (4) 求 P{ X 1Y 2}, P{ X 1Y 2};
f (x, y) fX (x)
ex y , 0 x y ,
0,
其他.
(4) 求 P{ X 1 Y 2}, P{ X 1 Y 2};
(4) P{ X 1Y 2} P{ X 1,Y 2} P{Y 2}
12
f (x, y) d ydx
1
dx
2 xe y d y
2 fY ( y) d y
0
0
20
2
c 1.
(2)
fX ( x)
f (x, y)d y
xe y d y,
x
0,
x 0, x 0.
xex , x 0,
0, x 0.
fY ( y)
f (x, y)d x
y 0
xe y d x,
y 0,
0,
y 0.
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 ⊂。
概率论与数理统计复习
一般正态分布的标准化
定理 设 X ~ N(, 2), 则 Y ~ N(0, 1).
Y X ,
结论:
若 X ~ N(, 2),
则
F(x)
x
例
设 X ~ N(10, 4),
求 P(10<X<13), P(|X10|<2).
解: P(10<X<13) = (1.5)(0) = 0.9332 0.5 = 0.4332
第一章 随机事件与概率
1、随机事件的表示， 由简单事件的运算表达复杂事件； 2、概率的运算性质，如加法公式，减 法公式，乘法公式等； 3、条件概率公式，全概率公式，贝叶 斯公式； 4、事件独立性定义
例. 试用A、B、C 表示下列事件：
① A 出现； A ② 仅 A 出现；ABC ③ 恰有一个出现；ABC ABC ABC
条件概率 乘法公式
全概率公式的例题
• 甲口袋有a只白球、b只黑球；乙口袋有n只白球、 m只黑球. 从甲口袋任取一球放入乙口袋，然后 从乙口袋中任取一球，求从乙口袋中取出的是白 球的概率.
• 概率为：
a n1 b n ab nm1 ab nm1
已知“结果” ，求“原 因”
第二章 随机变量及其分布
1、会由随机变量的已知分布律或密度函数求出 其分布函数； 2、六种重要分布的分布律和密度函数； 3、有关正态分布的概率计算； 4、会求随机变量函数的分布；
一、分布函数、分布律、密度函数、概率之间关系
例 已知 X 的分布列如下：
X0 1 2 P 1/3 1/6 1/2
求 X 的分布函数.
f
X
(h(
y)) | 0,
概率论与数理统计要点复习
概率论与数理统计 复习资料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(1) 包含：若事件A 发生，一定导致事件B 发生，那么，称事件B 包含事件A ，记作A B ⊂(或B A ⊃)．(2) 相等：若两事件A 与B 相互包含，即A B ⊃且B A ⊃，那么，称事件A 与B 相等，记作A B =． (3) 和事件：“事件A 与事件B 中至少有一个发生”这一事件称为A 与B 的和事件，记作A B ⋃；“n 个事件1,2,,n A A A 中至少有一事件发生”这一事件称为1,2,,n A A A 的和，记作12n A A A ⋃⋃⋃（简记为1ni i A=）．(4) 积事件：“事件A 与事件B 同时发生”这一事件称为A 与B 的积事件，记作A B ⋂(简记为AB )；“n 个事件1,2,,n A A A 同时发生”这一事件称为1,2,,n A A A 的积事件，记作12n A A A ⋂⋂⋂（简记为12n A A A 或1nii A =)．(5) 互不相容：若事件A 和B 不能同时发生，即AB φ=，那么称事件A 与B 互不相容(或互斥)，若n 个事件1,2,,n A A A 中任意两个事件不能同时发生，即i j A A φ=(1≤i<j ≤几)，那么，称事件 1,2,,n A A A 互不相容．(6) 对立事件：若事件A 和B 互不相容、且它们中必有一事件发生，即AB φ=且A B ⋃=Ω，那么，称A 与B 是对立的．事件A 的对立事件(或逆事件)记作A ． (7) 差事件：若事件A 发生且事件B 不发生，那么，称这个事件为事件A 与B 的差事件，记作A B -(或AB ) ．2．运算规则 （1）交换律：BA AB A B B A =⋃=⋃（2）结合律：)()( )()(BC A C AB C B A C B A =⋃⋃=⋃⋃ （3）分配律))(()( )()()(C B C A C AB BC AC C B A ⋃⋃=⋃⋃=⋃ （4）德摩根（De Morgan ）法则：B A 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： 如果随机试验的样本空间是一个区域(可以是直线上的区间、平面或空间中的区域)，且样本空间中每个试验结果的出现具有等可能性，那么规定事件Ａ的概率为()A P A =的长度（或面积、体积）样本空间的的长度（或面积、体积）·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)|()()|()()|(（5）贝努里概型与二项概率设在每次试验中，随机事件Ａ发生的概率()(01)P A p p =<<，则在n 次重复独立试验中．，事件Ａ恰发生k 次的概率为()(1),0,1,,k n k n n P k p p k nk -⎛⎫=-= ⎪⎝⎭，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）下列四个命题是等价的：(i) 事件A 与B 相互独立； (ii) 事件A 与B 相互独立； (iii) 事件A 与B 相互独立；(iv) 事件A 与B 相互独立．8、思考题１．一个人在口袋里放2盒火柴，每盒n 支，每次抽烟时从口袋中随机拿出一盒（即每次每盒有同等机会被拿到）并用掉一支，到某次他迟早会发现：取出的那一盒已空了．问：“这时另一盒中恰好有m 支火柴”的概率是多少？２．设一个居民区有n 个人，设有一个邮局，开c 个窗口，设每个窗口都办理所有业务．c 太小，经常排长队；c 太大又不经济．现设在每一指定时刻，这n 个人中每一个是否在邮局是独立的，每个人在邮局的概率是p ．设计要求：“在每一时刻每窗口排队人数（包括正在被服务的那个人）不超过m ”这个事件的概率要不小于a （例如，0.8,0.9.95a o =或），问至少须设多少窗口？ ３．设机器正常时，生产合格品的概率为９５％，当机器有故障时，生产合格品的概率为５０％，而机器无故障的概率为９５％．某天上班时，工人生产的第一件产品是合格品，问能以多大的把握判断该机器是正常的？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0—1分布 两点分布 ),1(p B p X P ==)1(，p q X P -===1)0(p pq二项式分布),(p n Bn k q p C k X P kn k k n ,2,1,0,)(===-，np npq泊松分布)(λP,2,1,0,!)(===-k k ek X P kλλλλ 几何分布)(p G,2,1 ,)(1===-k p qk X P kp12p q均匀分布),(b a Ub x a a b x f ≤≤-= ,1)(，2ba + 12)(2a b - 指数分布)(λE 0 ,)(≥=-x e x f x λλλ121λ 正态分布),(2σμN222)(21)(σμσπ--=x ex fμ2σ标准正态分布的分布函数记作()x Φ，即()x Φ221()2t xx e dtπ--∞Φ=⎰，当出0x ≥时，()x Φ可查表得到；当0x <时，()x Φ可由下面性质得到()1()x x Φ-=-Φ．设2~(,)X N μσ，则有()()x F x μσ-=Φ； ()()()b a P a X b μμσσ--<≤=Φ-Φ．4． 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 -=>； 特别的 ()()(0)P X a F a F a ==-- （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。
- 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)。
(A) E (Y ) a ； (C) D(Y ) 0.01 b ； 解：A
《概率论与数理统计》复习资料
5
题型二：考察统计量相关定义 【相关公式】 统计量的定义： 估计量的无偏性： 估计量的有效性：
1、 从总体 X ~ N ( , 2 ) 中抽取简单随机样本 X 1 , X 2 , X 3 ，统计量
D( X 1 2 X 2 ) D( X 1 ) 4 D( X 2 )
题型四： t分布、 、F分布的定义
2
【相关公式】 （请按下列格式写出）
1 设X
t
(0,1), Y
2 (n), 且X , Y 相互独立，则称随机变量
X t n. Y /n 2 设X 1 , X 2 , X 3 ,……, X n是来自总体N (0,1)的样本, 则称统计量
解：由题意得：np 0.5, np(1 p) 0.45 解得：p 0.1.
《概率论与数理统计》复习资料
2
题型二：正态总体均值与方差的区间估计 【相关公式】 （请填空） 待求参数 其它参数 所用估计量 估计量的分布
N (0,1)
置信区间
2 已知
2 末知
X / n
z /2 , x z /2 x n n
《概率论与数理统计》复习资料
1
《概率论与数理统计》复习资料
一、填空题（15 分，每题 3 分，共 5 题）
题型一：概率分布的考察 【相关公式】 （请填空） 分布 （0—1）分 布 二项分布
B(n, p)
参数
分布律或概率密度
数学期望（E）
p
方差（D）
0 p 1
P X k p k (1 p)1k , k 0,1
特别地：当n =2时，有：
P( A) P( A | B) P( B) P( A | B) P B .
贝叶斯公式：
设实验E的样本空间为S。A为E的事件,B1，B2，……，Bn 为S的一个划分，且P A 0， P Bi 0(i 1, 2, ……, n), 则有： P( Bi | A) 特别地： 当n =2时，有： P( B | A) P( AB) P( A | B) P( B) P( A) P( A | B) P( B) P( A | B) P( B) P( Bi A) P( A) P( A | Bi ) P( Bi )
1 1 1 X1 X 2 X 3 ， 2 3 6 1 1 1 3 X 1 X 2 X 3 ， 3 3 3
1
1 1 1 X1 X 2 X 3 ， 2 4 4 1 2 2 4 X 1 X 2 X 3 5 5 5
2
都是总体均值 EX 的无偏估计量，则其中更有效的估计量是（ （A） 1 ；
解：B 题型六：正态分布（等）和的分布 【相关公式】 【相关例题】
）
（B） P(1 2 ) 1 ； （D） P( 1 )
若X ~ N (0, 2), Y ~ N (3,9), 则 X Y ~ ?
答：N (0 3, 2 9) N (3,11).
0, y 1 解： Fy ( y ) 1 ,1 y 3 2 1, y 3
二、选择题（15 分，每题 3 分，共 5 题）
题型一：数学期望与方差的性质 【相关公式】 （见上，略） 【相关例题】
1．人的体重为随机变量 X ， E ( X ) a ， D( X ) b ，10 个人的平均体重记为 Y ， 则（ ）. （B） E (Y ) 0.1 a ； (D) D(Y ) b .
题型七：概率密度函数的应用
《概率论与数理统计》复习资料
6
【相关例题】
2 x,0 x 1
设 X f ( x)
0, 其他
已知 P{X a} P{X a}, 则求a。
解：由题意，得： 1 P{ X a} P{ X a} 1 P{ X a} 2 a 1 2 a 即有： 0 2 xdx x |0 2 又 a0 a 2 2
2、（样本容量未知）
已知X
N ( ,1), X 1 , X 2 , X 3 ,, X n为样本容量, 若关于的置信度0.95的置信区间10.88,18.92 ，
求样本容量.
解：由题意知：样本长度为7.84，则有： z X z 7.84 z 3.92 X n 2 n 2 n 2 代入数据，得：n 2 n 4.
解： A, B互不相容 A B P( AB) P( A( S B)) P( A AB) P( A) 0.6
《概率论与数理统计》复习资料
4
2、发 3 人独立破译一密码，他们能单独译出的概率为 , ,
1 1 1 ，则此密码被译出 5 3 4
的概率为 ______
30
X
i 1
30
2
i
?
答： X i2
i 1
2 (30).
题型五：互不相容事件、独立事件 【相关公式】 （请先填空）
若A B , 则称事件A与事件B是互不相容的。
若 ，则称事件 A 与事件 B 是互相独立的。 加法公式： 乘法公式： 【相关例题】 1、 若P( A) 0.6, A, B互不相容, 求P( AB).
解： 1 设A= 取到一只次品，B = 在i厂取到产品 (i 1, 2,3).且B1、B2、B3是 S的一个划分。 则由全概率公式有： P( A) P( A|B1 ) P( B1 ) P( A | B2 ) P( B2 ) P( A | B3 ) P( B3 ) 0.02 0.15 0.01 0.80 0.03 0.05 0.0125 (2)由贝叶斯公式有： P( A | B1 ) P ( B1 ) 0.02 0.15 P( B1 | A) 0.24 P( A) 0.0125 P( A | B2 ) P( B2 ) 0.01 0.80 P( B2 | A) 0.64 P( A) 0.0125 P( A | B3 ) P( B3 ) 0.03 0.05 P( B3 | A) 0.12 P( A) 0.0125 答：综上可得，次品出自二厂的可能性较大。
p(1 p)
泊松分布 P ( )
1 ,a x b ba
均匀分布
U (a, b)
ab
f ( x)
0, 其他
ab 2
(b a) 2 12
指数分布 E ( )
正态分布
N ( , 2 )
【相关例题】 1、设 X
1 U (a, b) ， E ( X ) 2 ， D( Z ) ，则求 a，b 的值。 3
3 7 （D） [ , ] 2 4
题型四：和、乘、除以及条件概率密度（见下，略） 题型五：对区间估计的理解（P161）
1. 设 为总体 X 的未知参数，1 , 2 (1 2 ) 为样本统计量，随机区间 (1 , 2 ) 是 的置信度为 1 (0 1) 的置信区间，则有（ （A） P(1 2 ) ； （C） P( 2 ) 1 ；
题型三：均值与方差的性质 【相关公式】 （请先填空）
1 E (C ) C , D(C ) 0, C为常数。 , D(CX ) 2 E (CX )
(3) E ( X Y )
，C为常数。 ,D( X Y )
4 X , Y 相互独立, E ( XY )
2、袋中装有 m 枚正品硬币，n 枚次品硬币（次品硬币两面均有国徽） ，在袋中任意取一枚， 将他掷 r 次，已知每次都得到国徽，问这枚硬币是正品的概率是多少？
解：设A={所抛掷的硬币是正品}，B={抛掷r次都得到国徽}，本题即求P A | B , 得： P A = m n 1 , P( A) , P( B | A) r , P( B | A) 1. mn mn 2
【相关例题】
1、X 1，X 2为两随机变量，且X1 U (2, 4), X 2 则D( X 1 2 X 2 )=
N (0,9), X 1 , X 2相互独立,
《概率论与数理统计》复习资料
3
解： X 1 ~U (2, 4), X 2
(0,9) (b a) 2 1 4 9 36 12 3
2
(3)设X F
【相关例题】 1、 若X源自 2 n . 2 (m), Y 2 (n)且相互独立, 则称统计量
F m, n .
X Y /n
(0,1), Y
2 (4), 且X , Y 相互独立,
？
答：
X Y /n
t (4)
2、 若变量X 1 , X 2 , X 3 , ……, X 30服从N 0,1 , 则
题型七、分布函数与分布率、密度函数之间的关系；随机变量函数的分布 【相关公式】 请自行总结 离散型随机变量的分布率： 分布函数： 连随型随机变量的密度函数： 随机变量函数的分布： 【相关例题】
X 1 1、 给 定 X 的 概 率 分 布 为 1 P 2 _____________
1 1 , 则 Y 2 X 1 的 分 布 函 数 为 2
2 2
已知 末知
【相关例题】 1、（样本容量已知）
已知总体X ~ N ( , 0.81), X 1 , X 2 , ……, X 25为样本, 且 X 5, 则的置信度0.99的 置信区间为：
解：代入公式得：
0.9 z /2 5 z0.025 5 0.18 1.96 4.6472,5.3528 X 5 n