概率论复习资料(1)
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。
概率论笔记1
概率复习重点归纳 一、随机事件与概率 重点难点： 重点：概率的定义与性质，条件概率与概率的乘法公式，事件之间的关系与运算，全概率公式与贝叶斯公式 难点：随机事件的概率，乘法公式、全概率公式、Bayes 公式以及对贝努利概型的事件的概率的计算 常考题型： （1）事件关系与概率的性质 （2）古典概型与几何概型 （3）乘法公式和条件概率公式 （4）全概率公式和Bayes 公式 （5）事件的独立性 （6）贝努利概型 概念辨析1，互不相容（互斥）事件同逆（对立）事件互不相容事件：AB =Φ 逆事件：,A B AB ⋃=Ω=Φ事件互逆指的是非此即彼，即事件之一必定发生；而不相容仅指不能同时发生，但是是可以同时不发生的。
2，独立与互不相容（互斥）对事件A 及B ，若P(A)P(B)>0，且P(AB)=P(A)P(B)，则称事件A 及B 互相独立；事件独立同事件互斥是两套不同的概念，不能进行比较；须知独立性针对的是事件概率存在上面的等式关系；而互斥是指事件的不可同时发生，两者之间不存在必然关系。
3、条件概率同乘积概率P(AB)是在样本空间Ω内，事件AB 的概率，而P(A | B)是在试验中增加了新条件B 发生 后的缩减的样本空间B Ω中计算事件A 的概率。
虽然A 、B 都发生，但两者是不同的，一般说来，当A 、B 同时发生时，常用P(AB)，而在有包含关系或明确的主从关系时，用P(A | B) .例：袋中有9 个白球1 个红球，作不放回抽样，每次任取一球，取2 次，求：（1）第二次才取到白球的概率；（ 2）第一次取到的是白球的条件下，第二次取到白球的概率.问题（1）求的就是一个乘积事件概率的问题，而问题（2）求的就是一个条件概率的问题.4、全概率公式同贝叶斯公式 全概率公式：要求事件A 的概率（通常直接不太好求），将其分成几个比较容易计算的概率之和。
在分析问题的过程中，A 可视为B1∪B2∪B3∪…∪Bn 的子事件，或者把Bi 看成A 发生的原因，A 是结果，而及较易求出，从而可由“因”求出“果”。
概率论知识点总结 (1)
概率论知识点总结 (1)概率论总结名目一、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味 (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）别确定性的试验或观看称为随机试验，简称为试验，常用E表示。
在一次试验中，也许浮现也也许别浮现的情况（结果）称为随机事件，简称为事件。
不会事件：在试验中不会浮现的情况，记为Ф。
必定事件：在试验中必定浮现的情况，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. 一具随机事件算是样本空间的一具子集。
基本领件—单点集，复合事件—多点集一具随机事件发生，当且仅当该事件所包含的一具样本点浮现。
事件间的关系及运算，算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发生必定导致事件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至少有一具发生”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别发生,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：互别相容事件或互斥事件假如A，B两事件别能并且发生，即AB＝Φ，则称事件A与事件B是互别相容事件或互斥事件。
定义6：逆事件/对立事件称事件“A 别发生”为事件A 的逆事件，记为ā 。
A 与ā满脚：A ∪ā= S,且A ā=Φ。
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(经管类)复习要点 第1章 随机事件与概率
第一章随机事件与概率1. 从发生的必然性角度区分，现象分为确定性现象和随机现象。
随机现象：在一定条件下，可能出现这样的结果，也可能出现那样的结果，预先无法断言。
统计规律性：在大量重复试验或观察中所呈现的固有规律性。
概率论与数理统计就是研究和揭示随机现象统计规律的一门数学学科，随机现象是概率论与数理统计的主要对象。
（1）概率论：从数量上研究随机现象的统计规律性的科学。
（2）数理统计：从应用角度研究处理随机性数据，建立有效的统计方法，进行统计推理。
2. （1）试验的可重复性——可在相同条件下重复进行；（2）一次试验结果的随机性——一次试验之前无法确定具体是哪种结果出现，但能确定所有的可能结果；（3）全部试验结果的可知性——所有可能的结果是预先可知的。
在概率论中，将具有上述三个特点的试验成为随机试验，简称试验，记作E。
样本点：试验的每一个可能出现的结果称为一个样本点，记为ω。
样本空间：试验的所有可能结果所组成的集合称为试验E的样本空间，记为Ω。
3. 在一次试验中可能出现也可能不出现的事件，统称为随机事件，记作A，B，C或A1，A2，…随机事件：样本空间Ω的任意一个子集称, 简称“事件”，记作A、B、C等。
事件发生：在一次试验中，当这一子集中的一个样本点出现时。
基本事件：样本空间Ω仅包含一个样本点ω的单点子集{ω}。
两个特殊事件：必然事件Ω、不可能事件φ样本空间Ω包含所有的样本点，它是Ω自身的子集，在每次试验中它总是发生，称为必然事件。
空集φ不包含任何样本点，它也作为样本空间Ω的子集，在每次试验中都不发生，称为不可能事件。
4. 随机事件的关系与运算（1）事件的包含与相等设A，B为两个事件，若A发生必然导致B发生，则称事件B包含A，或称事件A包含在B中，记作B⊃A，A⊂B。
①φ⊂A⊂Ω②若A⊂B且B⊂A，则称A与B相等，记作A=B。
事实上，A和B在意义上表示同一事件，或者说A和B 是同一事件的不同表述。
（2）和事件称事件“A，B中至少有一个发生”为事件A与事件B的和事件，也称为A与B的并，记作A∪B或A+B。
(完整版)自考概率论与数理统计复习资料要点总结
i《概率论与数理统计》复习提要(1) 0 P(A) 1 ( 2)P( ) 1(1) 定义：若 P(B) 0,则 P(A| B)P(AB)P(B)(2)乘法公式：P(AB) P(B)P(A| B)若B 1, B 2, B n 为完备事件组，P(B i )0，则有n(3)全概率公式： P(A) P(B i )P(A| B i )i 1(4)Bayes 公式： P(B k | A)P(Bk)P(A|B k)P(B i )P(A|BJi 17.事件的独立性：A, B 独立 P( AB) P(A)P(B)(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，P(X x i ) p i 满足(1) p i 0 , (2) p i =11.事件的关系 AB A B AB A B AAB2.运算规则(1)A B BA ABBA(2) (AB) CA (BC)(AB)C A(BC)(3) (AB)C (AC) (BC) (AB) C (A C)(B(4) AB ABABAB第一章随机事件与概率3•概率P(A)满足的三条公理及性质: C)(4) P() 0 (5) P(A) 1 P(A)(6) P(A B) P(A) P(AB) ，若 A B , 则P(BA) P(B) P(A) ,P(A) P(B)(7) P(A B) P(A) P(B) P(AB)(8) P(ABC) P(A) P(B) P(C)P(AB)P(AC) P(BC)P(ABC)n(3)对互不相容的事件 A l , A 2, , A n ，有P( A k )k 1k 1(n 可以取)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P(A k )(3)对任意D R, P(X D) p:X i D2.连续随机变量：具有概率密度函数f (x)，满足(1) f (x) 0, f(x)dx 1 ；b(2) P(a X b) f (x)dx ； ( 3)对任意a R，P(X a) 0a4.分布函数F(x) P(X x)，具有以下性质(1)F( ) 0, F( ) 1 ; (2)单调非降；(3)右连续；(4)P(a X b) F(b) F(a)，特别P(X a) 1 F(a)；(5)对离散随机变量，F(x) P i ；i:为x(6)对连续随机变量，F(x) x'f(t)dt为连续函数，且在f (x)连续点上，F (x) f (x)5.正态分布的概率计算以(x)记标准正态分布N (0,1)的分布函数，则有(1)(0) 0.5 ; (2)(2 x x) 1 (x) ； (3)若X ~ N(,)，则F(x) ((4)以u记标准正态分布N(0,1)的上侧分位数，则P(X u ) 1 (u )6.随机变量的函数Y g(X)(1)离散时，求Y的值，将相同的概率相加；(2)X连续，g(x)在X的取值范围内严格单调，且有一阶连续导数，则f Y(y) f x(g 1(y)) |(g 1(y))' |单调，先求分布函数，再求导。
概率论与数理统计 期末复习1
概率论与数理统计 期末复习（一）第二章 随机变量及其分布一、了解离散性随机变量及其概率分布：特征：可列无穷多 二、熟练掌握三种常用离散性随机变量的分布律(0-1)分布 、 二项分布、 泊松分布(泊松定理的应用) (知道：期望方差)【例1-1】某种型号器件的寿命X(以小时计)具有概率密度()⎪⎩⎪⎨⎧>=，其他00100,10002x x x f现有一大批此种器件(设备损坏与否相互独立)，任取5只，问其中至少有2只寿命大于1500小时的概率.【例1-2】设顾客在某银行窗口等待服务的时间X(min)服从指数分布，其概率密度为()⎪⎩⎪⎨⎧>=-，其他00,515/x ex f x X 某顾客在窗口等待服务，若超过10min ，他就离开，他一个月要到银行5次，以Y 表示一个月内他未等到服务而从窗口离开的次数，写出Y 的分布律，并求出{}1≥Y P .【例1-3】设有80台同类型设备，各台工作是相互独立的，发生故障的概率都是0.01，且一台设备的故障能由一个人处理.考虑两种配备维修工人的方法，其一是由4人维护，每人维护20台；其二是由3人共同维护80台.试比较这两种方法在设备发生故障时不能及时维修的概率的大小.【例2-1】一电话总机每分钟收到呼唤的次数服从参数为4的泊松分布，求某一分钟内呼唤次数大于2的概率.【例2-2】保险公司在一天内承保了5000张相同年龄，为期一年的寿险保单，每人一份.在合同有效期内若投保人死亡，则公司需赔付3万元. 设在一年内，该年龄段的死亡率为0.0015，且各个投保人是否死亡相互独立. 求该公司对于这批投保人的赔付金额总数不超过30万元的概率.三、熟练掌握连续型随机变量分布函数的概念，以及概率密度和随机变量分布函数的关系要点: {}x X P x F ≤=)(；⎰=∞-xdt t f x F )()(，若)(x F 在x 点连续，则有)()('x f x F =； 概率密度的性质：⎰=≥∞∞-1)(,0)(dx x f x f 满足这两个条件的函数才可以认为是概率密度；四、熟练掌握三种连续型随机变量的分布 均匀分布、指数分布、正态分布(知道：概率密度、分布函数、期望方差) 【例3-1】设随机变量X 的分布函数为：⎪⎩⎪⎨⎧≥<≤<=e x e x x x x F X ,11,ln 1,0)((1) 求{}{}⎭⎬⎫⎩⎨⎧<<≤<<252,30,2X P X P X P ;(2) 求概率密度)(x f X .【例3-2】设随机变量X 的概率密度为：()⎪⎩⎪⎨⎧<≤-<≤=其他，，,021210x x x x x f求X 的分布函数.【例3-3】设()()x g x f ,都是概率密度函数，求证：()()()()10,1≤≤-+=αααx g x f x h 是一个概率密度函数.【例4-1】设K 在(0,5)服从均匀分布，求关于x 的方程：02442=+++K Kx x有实数根的概率.【例4-2】（记住正态分布引理） 设随机变量()22,3~N X :(1) 求{}52≤<X P ;(2) 试确定常数c,使得{}{}c X P c X P ≤=>;(3) 试确定常数d 的最小值，使得{}9.0≥>d X P .【例4-3】设顾客在某银行窗口等待服务的时间X(min)服从指数分布，其概率密度为()⎪⎩⎪⎨⎧>=-，其他00,515/x ex f x X 某顾客在窗口等待服务，若超过10min ，他就离开，他一个月要到银行5次，以Y 表示一个月内他未等到服务而从窗口离开的次数，写出Y 的分布律，并求出{}1≥Y P .五、求随机变量的函数分布的两种方法： (1)直接法:{}{})]'())[(?()())(?()()(111y g y g x f y f y g x F y x g P y Y P y F X Y X Y ---=⇒=≤=≤=(2)定理法：P52 定理直接套公式(套公式要注意在x 的定义域上)(x g y =必须是严格单调！)【例5-1】设)1,0(~N X (1) 求X e Y =的概率密度；(2) 求122+=X Y 的概率密度； (3) 求X Y =的概率密度.【例5-2】设随机变量X 的概率密度为()⎪⎩⎪⎨⎧>=-，其他00,x e x f x 求2X Y =的概率密度.【练习】1. 某人进行射击，设每次射击的命中率为0.02，独立射击400次，试估计他至少击中2次的概率.2. 设()λπ~X ，且{}{}21===X P X P ，求{}4=X P .3. 设()λπ~X ，其分布律为{},...2,1,0,!===-k k e k X P kλλ，试确定k 的值，使得{}k X P =最大.4. 设()p n b X ,~，其分布律为{}10.,...,2,1,0,)1(<<=-==-p n k p p C k X P k n kk n ，试确定k 的值，使得{}k X P =最大.5. 设连续型随机变量X 的分布函数为： ()()+∞<<∞-+=x x B A x F arctan(1) 求B A ,的值；(2) 求X 的概率密度()x f .6. 设连续型随机变量X 的概率密度为：()⎩⎨⎧<<+=其他,010,x b ax x f且8521=⎭⎬⎫⎩⎨⎧>X P ,(1) 求b a ,的值；(2) 求⎭⎬⎫⎩⎨⎧≤<2141x P ;(3) 求随机变量X 的分布函数()x F .7. 对某地区考生抽样调查的结果表明,考生的数学成绩（百分制）近似服从()2,72σN ，其中σ未知，已知96分以上的考生占总数的2.3%.试求考生的数学成绩介于60分与84分之间的概率.8. 设321,,X X X 是随机变量，且()()()232213,5~,2,0~,1,0~N X N X N X ,{}22≤≤-=x P P j ，（j=1,2,3）,则（ ）（13-8）(A) 321P P P >> (B) 312P P P >> (C) 213P P P >> (D) 231P P P >>9. （13-14）设随机变量Y 服从参数为1的指数分布，a 为常数且大于零，则{}a Y a Y P >+≤1的值为.10. （11-8）设()()x F x F 21，为2个分布函数，其相对应的概率密度为()()x f x f 21,，其都是连续函数，则下列选项中必为概率密度的是（ ）(A) ()()x f x f 21 (B) ()()x F x f 122 (C) ()()x F x f 21 (D) ()()()()x F x f x F x f 1221+11. （10-8）设()x f 1为标准正态分布的概率密度，()x f 2为[-1,3]上均匀分布的概率密度，若()()())0,0(0,0,21>>⎩⎨⎧>≤=b a x x bf x x af x f 为概率密度，则b a ,应该满足( )(A) 432=+b a (B) 423=+b a (C) 1=+b a (D) 2=+b a12. （06-14）设随机变量X 服从正态分布()2111,σμN ,随机变量Y 服从正态分布()2222,σμN ，且{}{}1121<-><-μμY P X P ,则下列结论成立的是（ ）(A) 21σσ< (B) 21σσ> (C) 21μμ< (D) 21μμ>13. （02-21）设随机变量X 的概率密度为： ()⎪⎩⎪⎨⎧≤≤=其他,00,2cos 21πx x x f 对X 独立地重复观察4次，用Y 表示观察值大于3π的次数，求2Y 的数学期望.14. 设随机变量),(~σμN X ,求证：随机变量)0,(≠+=a b a b aX Y 为常数，也服从正态分布 ()2','~σμN Y ，并指出2','σμ的值.15. 设随机变量X 在区间()10，服从均匀分布. (1) 求X e Y =的概率密度；(2) 求X Y ln 2-=的概率密度.。
概率论与数理统计复习资料
ˆ ( B) 2
1 3 X 1 X 4 4
2
ˆ (C ) 3
1 ˆ4 ( X1 X 2 ) ( D) 2
5、假设检验问题中，第一类错误是指 （A）原假设 H 0 为真，经检验后接受 H 0 （B）原假设 H 0 为真，经检验后拒绝 H 0 （C）原假设 H 0 为伪，经检验后接受 H 0 （D）原假设 H 0 为伪，经检验后拒绝 H 0
解： 因为， 2 未知，所以 的 95%的置信区间为
S S ( X t0.025 (8) , X t0.025 (8) ) n n 用 n 9, x 57.5, s 8.3, t0.025 (8) 2.306 代 入 得
的 95%的置信区间为 (51.12, 63.88)
2
x 2334
当 H 0成立时，统计量
11.25 9 对于 0.05 ，查表得分位数，u0.025 1.96 ，因此这一
W {| u | 1.96}
u
X 2350
~ N (0.1),
假设检验问题的拒绝域为
由 x 2334, 得 2334 2350 U 4.24 1.96 11.25 3
5、设总体 X ~ N ( , 2 ) ， X 1 , X 2 为来自总体 X 的样本，
1 1 1 2 ˆ 则估计量 1 X 1 X 2 ，ˆ 2 X 1 X 2 中是 的无 2 3 3 3
偏估计量的为 .
6、设总体 X ~ N ( , 2 ) ， X1 , X 2 , X 3 是来自总体 X 的样本，
t0.05 (35) 1.6896 ,
t0.05 (36) 1.6883 , t0.025 (35) 2.0301 , t0.025 (36) 2.028
- 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)。
1、一袋中有十个质地、形状相同且编号分别为1、2、…、10的球.今从袋中任意取出三个球并记录球上的号码，求（1）最小号码为5的概率，（2）最大号码为5的概率，（3）一个号码为5，另外两个号码一个大于5，一个小于5的概率。
解：}5{1最小号码为=A }5{2最大号码为=A }555{3，一个小于，一个大于一个号码为=A1) 所求概率121)(31025111==C C C A p ； 2）所求概率201)(31024112==C C C A p ； 3）所求概率61)(3101415113==C C C C A p2、在1500个产品中有400个次品，1100个正品.任取200个，求（1）恰好有90个次品的概率；（2）至少有两个次品的概率。
解：设}90{个次品恰好有=A , }{至少有两个次品=B（1）所求概率 2001500110110090400)(C C C A p =；（2）所求概率 200150********140020011001)(C C C C B p +-=。
3、将一枚骰子重复掷n 次，试求掷出的最大点数为5的概率。
解：设}5{最大点数为=A , n 次掷出的点数≤5，有n5种不同结果，而n 次掷出的点数≤4，有n4种不同结果。
所以n 次掷出的最大点数为5，有nn 45-种不同结果。
故所求概率nn A p 645)(4-=4、若A ，B 互不相容，则()0)();()(=+=B A P B P A P B A P Y ；)]()([1)(1)B A ()B A (B P A P B A P P P +-=-==Y Y 。
若A ，B 相互独立，());()(1)(1)(B P A P B A P B A P B A P ⋅-=-==I I Y)()()(B P A P B A P ⋅=；)()()B A (B P A P P ⋅=。
5、设A 、B 为两个事件，P(B)=0.5，P(A-B)=0.3。
求()B A P I .解：2.0]3.05.0[1)]()([1)(1)B A (=+-=-+-=-=B A P B P B A P P Y 6、设A ，B 是两个事件，61)|(,31)()(===B A P B P A P ，求)|(B A P 解：127)(1)()()(1)(1)(1)()()|(=-+--=--==B P AB P B P A P B P B A P B P B A P B A P Y7、A 、B 为两个事件且P(A)=1/2，P(B)=1/2，证明P(AB)=()BA P I。
证明：P(A B ))]()()([1)(1)(=-+-=⋃-=AB P B P A P B A P B A P8、有甲、乙、丙三门火炮同时独立地向某目标射击，命中率分别为0.2,0.3,0.5,求（1）至少有一门火炮命中目标的概率；（2）恰有一门火炮命中目标的概率。
解：设事件A,B,C 分别表示甲、乙、丙火炮命中目标（1）72.05.07.08.01)()()(1)(1)(=⋅⋅-=-=-=C P B P A P C B A P C B A P Y Y （2）)()()()(C B A P C B A P C B A P C B A C B A C B A P ++=Y Y47.0)()()()()()()()()(=++=C P B P A P C P B P A P C P B P A P9、射手对目标独立射击5发,单发命中概率为0.6,求 (1)恰好命中两发的概率；(2)至少命中一发的概率.解一：设事件A=“恰好命中两发”,B=“至少命中一发”()2304.04.06.03225==C A P ；98976.0)6.01(1)(5=--=B P解二：设X 为射击5发的命中发数,则)6.0,5(~B X ，所求概率为：(1)2304.04.06.0}2{3225===C XP ；(2)98976.0)6.01(1)1(5=--=≥X P10、设连续型随机变量X 的分布函数为⎩⎨⎧≤>+=-00)(x x Be A x F x λ，其中0>λ是常数。
求（1）参数A ，B ，（2）}3{},2{>≤X P X P （3）X 的概率密度解：（1）1)(=+∞F ，得A=1。
由X 为连续型的随机变量，则)(x F 在0=x 连续。
由于F （0）=0。
则0=+B A ，则1-=B ，（2）λ21)2()2(--==≤eF X P ；λ3)3(1)3(-=-=>e F X P （3）X 的概率密度⎩⎨⎧≤>='=-0;00;)()(x x e x F x f xλλ 11、已知Ｘ的概率密度为⎩⎨⎧<<+=其它010)21()(x x A x f ,求：(1) 求常数Ａ; (2)}5.0{>X P ；(3)求F(x)解： (1)由⎰∞∞-=1)(dx x f ，即⎰=+11)21(dx x A 。
解得21=A（2）⎰⎰=+==>+∞15.05.085)21(21)()5.0(dx x dx x f X P （3）⎰∞-=xdt t f x F )()(当0<x 时，00)(==⎰∞-xdtx F当10<≤x 时，32)21(210)(2x x dt t dt x F x+=++=⎰⎰∞-当1≥x 时，10)21(210)(1100=+++=⎰⎰⎰∞-xdt dt t dt x F故 ⎪⎪⎩⎪⎪⎨⎧≥<≤+<=1;110;220;0)(2x x x xx x F12、设X ~N(0,1).求b 使：（1）P{|X|<b}=0.05. (2)P{X>b}=0.05. (3)P{X<b}=0.05. 解：（1）由05.0)(=<b X P ，则05.0)(=<<-b X b P ，即05.0)()(=-Φ-Φb b , 05.01)(2=-Φb则525.0)(=Φb ,查表得：065.0=b（2）由05.0)(=>b X P ，则95.0)(=≤b X P ，即 95.0)(=Φb ，查表得：645.1=b （3）由05.0)(=<b X P ，即05.0)(=Φb则95.0)(=-Φb ，查表得645.1=-b ，则645.1-=b13、设X ~ )3,1(2N ， (1) 求P(1<X<4)；(2) 求b ，使P(|X-1|<b)=0.95解：(1) )0()1()311()314()41(Φ-Φ=-Φ--Φ=<<X P =0.8413-0.5=0.3413 (2) 95.01)3(2)11()|1(|=-Φ=+<<+-=<-b b X b P b X P Θ 96.13,975.0)96.1(,975.0)3(=∴=Φ=Φ∴bb Θ ∴b = 5.8814、设随机变量X具有密度函数：⎪⎪⎩⎪⎪⎨⎧<≤-≤<=其他021210)(x xx x x f ，求)(),(X D X E 。
解： ⎰⎰⎰-+==+∞∞-2112)2()()(dxx x dx x dx x xf X E 13/13/833/1=+-+=⎰⎰⎰-+==+∞∞-2121322)2()()(dx x xdx xdx x f xX E4/143/144/1+-+=6/7=22)]([)()(X E X E X D -=6/116/7=-=15、设⎪⎪⎭⎫ ⎝⎛-12/1312/112/103/12~X ，求)52(3+XE ，)52(3+XD 。
解：因为3112/1312/112/103/1)2()(33333-=⨯+⨯+⨯+⨯-=X E649312/1312/112/103/1)2()(66666=⨯+⨯+⨯+⨯-=X E所以3/135)3/1(25)(2)52(33=+-⨯=+=+X E X E}]([)({4)(4)52(23633X E X E X D X D -==+9/2954])3/1(6/493[42=--= 16、设随机变量X ~P (2)，求随机变量23-=X Z 的期望与方差。
解：因为,2)(,2)(==X D X E所以.18)(9)(,42)(3)(===-⨯=X D Z D X E Z E17、已知随机变量X 服从二项分布，且4.2)(=X E ，44.1)(=X D ，求二项分布的参数p n ,的值。
解：因为,44.1)1(,4.2=-===p np DX np EX 于是4.0,6==p n 。
18、设E(X)=10，D(X)=4，用切比雪夫不等式估计P(7<X<13)。
解：95941)3|10(|)137(=-≥<-=<<X P X P19、一个复杂的系统，由100个相互独立起作用的部件所组成，在整个运行期间，每个部件损坏的概率为0.1，为了使整个系统起作用，至少需要有85个部件工作，利用隶莫费-拉普拉斯中心极限定理求整个系统工作的概率。
解：假设100个部件中工作的部件数为X ，则X ~ B(100,0.9), 所以根据隶莫费-拉普拉斯中心极限定理，整个系统工作的概率)1.09.01009.010085(1)85(1)85(⨯⨯⨯-Φ-≈<-=≥X P X P9525.0)67.1()35(1=Φ=-Φ-=20、某保险公司多年的统计资料表明，在索赔户中被盗索赔户占20％，以X 表示在随意抽查的近100个索赔户中因被盗向保险公司索赔的户数。
（1）写出X 的分布律；（2）利用拉普拉斯定理，求被盗索赔户不小于14户且不多于30户的概率。
解：（1）)2.0,100(~B X（2）)4203042042014()3014(-≤-≤-=≤≤X P X P927.0)5.1()5.2(=-Φ-Φ≈21、设总体)20,80(~2N X ，从总体中抽取一个容量为100的样本，问样本均值与总体均值之差的绝对值大于3的概率是多少？解：设容量为100的样本为),,,(10021X X X Λ，X是样本的均值，则)4,0(~80N X -，所求概率为1334.0)9332.01(2)]5.1()5.1([1}3|80{|1}3|80{|=-=-Φ-Φ-=≤--=>-X P X P 22、设θˆ是参数θ的无偏估计量,且有0)ˆ(>θD ,试证22)ˆ(ˆθθ=不是2θ的无偏估计量.证：因为 2222)ˆ()]ˆ([)ˆ()ˆ(θθθθθθ>+=+=D E D E ，所以22)ˆ(ˆθθ=不是2θ的无偏估计量.23、 从大批彩色显像管中随机抽取100只,其平均寿命为10000小时,可以认为显像管的寿命X 服从正态分布.已知均方差40=σ小时,在置信度0.95下求出这批显像管平均寿命的置信区间。