中国矿业大学概率论复习
4、边缘分布 —— 注意含参变量的讨论
5、独立性
6、函数的分布 Ⅰ. Z = X+Y 的分布
几乎处处成立。
当X 与Y 相互独立时,
——注意含参变量积分的讨论
步骤：1、公式；2、写出被积函数，并在y,z平面上确定 被积函数不为零的区域； 3、根据z的讨论，确定 y的积分区间； 4、整理计算结果。
3、中心极限定理
定理1 设
相互独立，
服从同一分布，
定理2 例
近似
几种等价的形式
近似
N (0, 1 ) 25
第六章 样本及抽样分布
1、简单随机样本 2、常用统计量 样本均值 样本方差
样本k 阶原点矩
3、常用统计量的分布
2 分布
相互独立, 都服从正态分布N(0,1),
t 分布
设X～N(0,1) , Y～
概率总复习
第一章 概率论的基本概念 样本空间，事件的定义
事件及关系和运算 事件之间的关系（和、积、差、 互不相容、对立）
运算律：交换，结合，分配， 德*摩根律
统计定义：频率稳定值 定义
概率的定义和性质
公理化定义：三条
性质：可加性、单调性、和的概率
等可能概型：
条件概率：
概 率
乘法公式：
的
计
算
全概率公式：
的概率密度。
⑹ 讨论X ,Y的独立性。
⑺求
⑻ 求X ,Y的数字特征
的概率密度
第四章 随机变量的数字特征
1、数学期望 离散型
连续型 E(C )=C ; E(CX ) = CE(X );
性质：
X、Y 独立，则 E(XY )=E(X )E(Y ); 2、方差
D(C) =0 ; D(CX )=C 2D(X ); 性质：
X与Y 独立，则 3、几种常用分布的期望与方差
（0-1）分布 X ~ b(n, p)
X ~ ()
X ~ U (a,b)
指数分布
X ~ N(, 2)
4、协方差及相关系数
独立
不相关
第五章 大数定律与中心极限定理
1、切比雪夫不等式
2、大数定律 X1 , X2 , … 相互独立，有相同的期望和方差 X1 , X2 , … 独立同分布，期望存在
一般情况 A,B相互独立
第二章 随机变量及其分布
随机变量的分布： 1、离散型 （1） (0—1)分布 （2）二项分布 X~b（n，p）
(3) 泊松分布
以取值点为临界点讨论 （4）离散型求分布函数的原则：
区间左闭右开
2、分布函数的性质：
3、连续型随机变量
概率密度的性质 f (x) f (x) 与F(x)相互求解的方法 x
注意排列组合要一致！
贝叶斯公式：
独立性： 利用独立性计算和事件的概率
事件的和
P(
A
B)
P( A B) P( A) P(B)
P(A
B)
P( A)
P(B)
P(
AB)
一般情况
AB
利用事件独立 pA B 1 p A B 1 p A B
化事件的积
P( AB) PP((AA))PP((BB|)A)
或者先求Z的分布函数，再求概率密度。
Ⅱ. M= max(X,Y )，N= min(X,Y ) （相互独立）
例1、
0
1
0
1 例2、 X，Y相互独立，求Z=2X+Y的概率密度。
例3 设随机变量(X ,Y) 的概率密度为
⑴ 求常数k 。
⑵ 求关于X ,Y的边缘概率密度
⑶ 求(X ,Y) 的分布函数
⑷求 ⑸求
n
z / 2 )
(X
S n
t
/
2
(n
1))
(n 1)S 2
2
2
(n
1)
,
(n 1)S 2
2 1
2
(n
1)
第八章 假设检验
假设检验四步： 1、建立假设； 2、构造统计量；
3、写出拒绝域； 4、计算统计量，进行判断。
2006年1月概率试题
均匀分布： X ～ U [a, b]
几种常用的分布 指数分布： 正态分布： 标准正态分布：
随机变量函数的分布：（1）分布函数法 （2）定理法（注意使用条件）
第三章 多维随机变量及其分布
1、分布函数 性质：
①
是变量 和 的不减函数
②
③
关于 右连续，即
2、离散型 3、连续型 概率密度函数f (x,y)
, 且X与Y相互独立，
～t (n)
F 分布
X与Y相互独立，
~ F ( n1,n2)
4、正态总体统计量的分布
X ~ N (0,1) / n
X ~ t(n 1)
S/ n
(n 1)S 2
2
~
2 (n 1)
1、点估计
第七章 参数估计
矩估计
最大似然估计
无偏性 2、评选标准
有效性
3、区间估计
(X
2017-2018概率论与数理统计期末试题(A)答案
第1页(共3页)中国矿业大学(北京) 2017-2018 学年 第1 学期《概率论与数理统计》试卷（ A 卷）答案和评分标准一、填空题（每小题3分，共30分）1、设,A B 为两个事件，()0.4,()0.8,()0.5P A P B P AB ===，则(|)P B A =____0.75__________ 2、设随机变量X 在(3,3)-上服从均匀分布，关于t 的方程24420t Xt X +++=有实根的概率为______21_________ 3、设随机变量X 的概率密度函数为)(x f X ，则随机变量X e Y 3=的概率密度函数为=)(y f Y _____⎪⎩⎪⎨⎧+∞<<⎪⎭⎫ ⎝⎛其他,00,13ln y y y f X ___________4、如果随机变量X 在)10,0(上服从均匀分布，现在对X 进行4次独立重复观测，至少有3次观测值大于5的概率为____516__________ 5、设随机变量X 服从参数为(0)λλ>的泊松分布，且[(1)(2)]1E X X --=，则λ=______1_________6、设随机变量,X Y 相互独立，且都服从参数2θ=的指数分布，则{max{,}2}P X Y ≤=_____12(1)e --_________7、设随机变量X 的方差为2.5，由切比雪夫不等式估计概率{|()|7.5P X E X -≥≤____245_______ 8、设总体2~(,)X N μσ，12,,,n X X X 是该总体X 的一个样本，1211()n i i i c X X -+=-∑为2σ的无偏估计，则c =_______)1(21-n ___________9、设随机变量X 和Y 相互独立，且都服从正态分布2(0,3)N ，而129,,X X X 和129,,,Y Y Y 分别来自正态总体X 和Y 的简单随机样本，则统计量Y服从____)9(t ________分布10、设总体),(~2σμN X ，抽取容量16n =的样本n x x x ,,,21 ，经计算得均值,2.5=x 样本标准方差2=s ,则未知参数μ的置信度为0.95的置信区间为_____)266.6,134.4(____________二、(10分)设工厂A 和工厂B 的产品次品率分别为1%和2%．现从A 和B 的产品分别占60%和40%的一批产品中随机抽取一件，发现是次品，求该次品属于工厂A 生产的概率．解：设事件A 表示产品来自工厂A ，事件B 表示产品来自工厂B ，事件C 表示抽取到的产品是次品，则%1)|(=A C P ，%2)|(=B C P ，%60)(=A P ，%40)(=B P 5分从而73%2%40%1%60%1%60)|()()|()()|()()|(=∙+∙∙=+=B C P B P A C P A P A C P A P C A P 5分第2页(共3页)三、(12分)学生完成一道作业的时间X 是一个随机变量，单位为小时．它的概率密度函数为21,0()20,cx x x f x ⎧+≤≤⎪=⎨⎪⎩其他（1）确定常数c ；（2）写出X 的分布函数；（3）试求出在20分钟以内完成一道作业的概率．解：（1）由概率密度函数的性质()122011()248c f x dx cx x dx +∞-∞==+=+⎰⎰ 解得21c = 4分（2）由2121,0()20,x x x f x ⎧+≤≤⎪=⎨⎪⎩其他，则()2230001()()217022112xxx x F x f t dt t t dt x x x -∞⎧<⎪⎪⎪==+=+≤≤⎨⎪⎪>⎪⎩⎰⎰ 4分 （3）1117()()3354P X F ≤==4分 四、(10分)设,X Y 是两个相互独立的随机变量，其概率密度函数分别是1,01()0,X x f x ≤≤⎧=⎨⎩其他 ,0()0,y Y e y f y -⎧>=⎨⎩其他 求随机变量Z X Y =+的概率密度函数．解：由卷积公式()()()X Y X Y f z f x f z x dx +∞+-∞=-⎰3分易知仅当010x z x ≤≤⎧⎨->⎩ 即 01x x z≤≤⎧⎨<⎩时被积函数不为零 2分()01()00,0()011zz x X Y z x z f z e dx z e dx z --+--⎧<⎪⎪=≤<⎨⎪⎪≥⎩⎰⎰ 3分即0,0()101(1)1zX Y z z f z ez e e z -+-<⎧⎪=-≤<⎨⎪-≥⎩2分 五、(10分)设(Y X ,)具有概率密度为26,01,01(,),0,xy x y f x y ⎧<<<<=⎨⎩其它 （1）求边缘概率密度(),()X Y f x f y ，并判断,X Y 是否独立； （2） 求条件概率密度)(y x f YX．解：（1）1206201()(,)0X xy dy x x f x f x y dy +∞-∞⎧=<<⎪==⎨⎪⎩⎰⎰其他12206301()(,)0Y xy dx y y f y f x y dx +∞-∞⎧=<<⎪==⎨⎪⎩⎰⎰其他 显然，(,)()()X Y f x y f x f y =，所以,X Y 相互独立 6分（2）当10<<y 时，⎩⎨⎧<<==取其他值x x x y f y x f y x f Y Y X ,010,2)(),()( 4分第3页(共3页)六、(10分)设二维随机变量),(Y X 的联合概率密度函数为⎩⎨⎧<<<=其他,010,3),(x y x y x f （1）求随机变量),(Y X 的协方差cov(,)X Y ； （2）求随机变量),(Y X 的相关系数． 解：（1）⎰⎰⎰⎰⎰+∞∞-+∞∞-====103233),()(1040210dx x ydy x dx dxdy y x xyf XY E x4333),()(1030210====⎰⎰⎰⎰⎰+∞∞-+∞∞-dx x dy x dx dy y x xf dx X E x83233),()(103010====⎰⎰⎰⎰⎰+∞∞-+∞∞-dx x dy xy dx dy y x yf dx Y E x则3cov(,)=()()()160X Y E XY E X E Y -= 5分（2）5333),()(104031022====⎰⎰⎰⎰⎰+∞∞-+∞∞-dx x dy x dx dy y x f x dx X E x513),()(104021022====⎰⎰⎰⎰⎰+∞∞-+∞∞-dx x dy xy dx dy y x f y dx Y E x8034353)()()(222=⎪⎭⎫ ⎝⎛-=-=X E X E X D320198351)()()(222=⎪⎭⎫ ⎝⎛-=-=Y E Y E Y D 193)()(),(==Y D X D Y X Cov ρ 5分 七、(8分)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0.10，为了使整个系统起作用，至少必须84个部件正常工作，求整个系统起作用的概率．解：设X 表示正常工作的部件个数，则~(100,0.9)X B ，由棣莫弗-拉普拉斯定理，近似服从(0,1)N 分布， 4分则()()908490(84)1(84)11220.977233X P X P X P --⎛⎫≥=-<=-<≈-Φ-=Φ= ⎪⎝⎭4分八、(10分)设总体X 的概率密度函数为23,0,(,)0,.x e x f x x θθθ-⎧>⎪=⎨⎪⎩其他其中θ为未知参数且大于零，12,,,n X X X 为来自总体X 的简单随机样本，（1）求θ的矩估计量；（2）求θ的最大似然估计量．解：（1）由于22320()xxx E X xe dx e dx e d x x x θθθθθθθθ---+∞+∞+∞⎛⎫===-= ⎪⎝⎭⎰⎰⎰， 令X θ=，解得θ的矩估计量为11=ni i X X n θ==∑ 5分（2）似然函数为2311,0(1,2,,)()(,)0,.i n xni i i ii e x i n L f x x θθθθ-==⎧>=⎪==⎨⎪⎩∏∏其他当0(1,2,,)i x i n >=时，()L θ=231inx i iexθθ-=∏，两边取对数31ln ()2ln ln ni i i L x x θθθ=⎡⎤=--⎢⎥⎣⎦∑令11ln ()21210n n i i i i d L n d x x θθθθ==⎡⎤=-=-=⎢⎥⎣⎦∑∑，解得θ的最大似然估计量为12=1ni inX θ=∑ 5分第4页(共3页)。
大学概率论与数理统计复习资料(word文档良心出品)
第一章 随机事件及其概率知识点：概率的性质 事件运算 古典概率事件的独立性 条件概率 全概率与贝叶斯公式常用公式)()()()()()2(加法定理AB P B P A P B A P -+= ),,()()(2111有限可加性两两互斥设n ni i ni i A A A A P A P ∑===),(0)()()()()(互不相容时独立时与B A AB P B A B P A P AB P ==)()()()()5(AB P A P B A P B A P -==-)()()()()(时当A B B P A P B A P B A P ⊂-==-))0(,,()()/()()()6(211>Ω=∑=i n ni i i A P A A A A B P A P B P 且的一个划分为其中全概率公式 ),,()](1[1)(2111相互独立时n ni i n i i A A A A P A P ∏==--=)/()()/()()()4(B A P B P A B P A P AB P ==)(/)()/()3(A P AB P A B P =)()/()()/()()/()7(1逆概率公式∑==ni iii i i A B P A P A B P A P B A P )(/)()(/)()1(S L A L AP nr A P ==应用举例1、已知事件,A B 满足)()(B A P AB P =，且6.0)(=A P ，则=)(B P （ ）。
2、已知事件,A B 相互独立，,)(k A P =6.0)(,2.0)(==B A P B P ，则=k （ ）。
3、已知事件,A B 互不相容，,3.0)(=A P ==)(,5.0)(B A P B P 则（ ）。
4、若,3.0)(=A P===)(,5.0)(,4.0)(B A B P B A P B P （）。
5、,,A B C 是三个随机事件，C B ⊂，事件()A C B -与A 的关系是（ ）。
《概率论与数理统计》-课件 概率论的基本概念
已知 P(C ) 0.5, P( N1 C ) P( N2 C ) 0.5,
P(N1N2 C) 0.25, P(N1 C) 1, P(N2 C) 1. (1) P(N1) P(N1 C)P(C) P(N1 C)P(C)
6 3 3. 100 100 100
故 注意
p 17 10 3 1 12 . 100 2 25
只有当 B A 时才有 P( A B) P( A) P(B).
例7 设盒 I 有 6 只红球, 4 只白球; 盒 II 有7只红 球, 3只白球. 自盒 I 中随机地取一只球放入盒 II, 接着在盒 II 中随机地取一只球放入盒 I. (1) 然后在盒 I 中随机地取一只球 , 求取到的是红 球的概率. (2) 求盒 I 中仍有 6 只红球 4 只白球的概率.
以 B 记事件“至少有一个配对” , 则 B A1 A2 An .
(1) 由和事件概率公式
P(B) P( A1 A2 An )
n
n
n
P( Ai ) P( Ai Aj )
P( Ai Aj Ak )
i 1
1i jn
1i jkn
(1)n1 P( A1 A2 An ),
n n 1 n(n 2)!, 1 1 2
n n 1 n
(n 2)!
于是
P(B) 1
1 2 nn
.
例4 将 6 只球随机地放入到3 只盒子中去, 求每 只盒子都有球的概率. 解 以 A 记事件 “每只盒子都有球” . A 发生分为三种情况 : (i) 3 只盒子装球数分别为 4, 1, 1, 所含的样本点数为
中国矿业大学 概率论与数理统计
(5) A, B 与C 全不发生
(A BC )
(6) A, B 与C不全发生
( ABC)
(7) A, B 与C 至少有两个发生
(ABC A BC AB C ABC )
17
例2 以A表示“甲种产品畅销，乙种产品滞销”，则为 (A) 甲滞销，乙畅销 (B) 甲乙两种产品均畅销
(C) 甲种产品畅销 (D) 甲滞销或乙畅销
；
推广：
;
15
注：事件的一些关系式
①设
，则
，
，
， ②
③
16
例1. 设A,B,C 表示三个事件, 试表示下列事件
(1) A 发生, B 与C 不发生
(AB C )
(2) A 与B 发生, C 不发生 (3) A, B 与C 都发生 (4) A, B 与C 至少有一个发生
( ABC ) ( ABC ) (A B C)
事件B包含事件A
A发生必然导致B发生 A与B相等，
记为 A=B。
11
②事件的和 称为A和B的和事件
表示A与B中至少有一个发生，即： A与B中至少有一个发生时， 发生。
12
③ห้องสมุดไป่ตู้件的积
且
A与B的积事件
表示事件A和B同时发生， 即： 当且仅当A与B同时发生时， 发生。通常简记为AB。
A B
13
④事件的差 但
二、概率的公理化定义
重点掌握利用关系式计算概率
20
一个事件在某次试验中的出现具有偶然性，但在大 量重复试验中随机事件的出现呈现一定的数量规律， 频率这一概念近似反映了这个数量规律。
一、频率
1. 定义1 设 E, S, A为E中某一事件，在相同条件进行
中国矿业大学周圣武概率论与数理统计_图文
定义2 设 都是参数θ的无偏估计量，若有
则称
有效。
例：160页，例7、例8
定义3 设
为参数θ的估计量，
若对于任意θ∈Θ,当
则称
的一致估计量。
例：由大数定律知
一致性说明：对于大样本，由一次抽样得到的估 计量 的值可作θ的近似值
例5 设 X1, X2, …, Xn 是取自总体 X 的一个样本,
⑴ 验证
试求θ的极大似然估计值。 解
极大似然估计的不变性
练习
1.设总体X在
上服从均匀分布，
X1 , X 2 ,L X n是来自X的样本，试求 q 的矩估计量
和最大似然估计.
2.设X1,X2,…Xn是取自总体X的一个样本
其中 >0, 求 的极大似然估计.
课堂练习
P156：5，6
作业
P178：1，2，5，6
Fisher
最大似然法的基本思想：
问题：请推断兔子 是谁打中的？
例6 袋中放有白球和黑球共4个，今进行3次有放回 抽样，每次抽取1个，结果抽得2次白球1次黑球，试 估计袋中白球个数。 解 设袋中白球个数为m，
X为3次抽样中抽得的白球数，则
当袋中白球数m分别为1,2,3时， p对应的值分别为1/4,2/4,3/4， X对应的分布律见下表
中国矿业大学周圣武概率论与数理统计_图文 .ppt
第七章 参数估计
§7.1 点估计 §7.2 估计量的评选标准 §7.3 区间估计 §7.4 单个正态总体参数的区间估计 §7.4 两个正态总体参数的区间估计
统计推断
矩估计 点估计 最大似然估计
参数估计
最小二乘估计
区间估计
参数假设检验
假设检验 非参数假设检验
概率论与数理统计课件(中国矿业大学)第二章
n 1000 2000 3000 4000 5000 pn 0.632 0.865 0.950 0.982 0.993 买3000张彩票中奖率已达到95%，再多买2000张 中奖的概率仅增加了4.3%！
例5 80台同类型设备，各台工作相互独立，发生故
障的概率 p 0.01 ，有两种配备维修工人的方法：①
3 k1 2 5 5
,
k =1，2，3，…灯，每盏信号灯以概率
允许汽车通过,变量
表示汽车停车次数(设各信号灯的工作是相互独立的）,
求 的分布律。
解 由题意可知
，则 的分布律为
将
带入可得 的分布律为
二、常用的离散型随机变量及其分布（重点）
Ⅰ. (0—1)分布 定义1.如果随机变量 的分布律为
证明 由
得
对于任意固定的 故有
Ⅲ.泊松分布
若随机变量 X 的分布律
P{X k} k e
k!
k 0,1, 2,
其中 0是常数 , 称 X 服从参数为 的泊松分布,
记为 X ~ () （或X ~ p()).
注：二项分布是最重要的离散型概率分布之一，当
n 1时，即为（0—1）分布；当 n很大，p很小 时，
X 32 2 2 1 1 1 0
X X (e) e出现正面的个数 RX {0,1,2,3}
A1 {X 1} A2 {X X 1}
定义：设E是随机试验，它的样本空间为 X=X(e)是定义在样本空间上的实值单值函数， 称 X 为随机变量。
注：如果e本身是数，则令 X = X(e) = e，那么X就
0
P(X =k)≥0,
P(X k) 1
即
a≥0 ,
k
k
a
[理学]概率论与数理统计课件中国矿业大学第六章
此总体就可以用随机变量X 或其分布函数 F (x)表示.
F(x) P{X x}
5
二 、样本
样本：在总体中抽取的部分个体。( X1, X 2, , X n )
第六章
一 、统计量的定义及常用的统计量 二 、几种常用的分布 三 、正态总体统计量的分布
11
一、统计量的定义及常用的统计量 由样本值去推断总体情况，需要对样本值进
行“加工”这，就要构造一些合适的依赖于样本 的函数，它把样本中所含的（某一方面）的信 息集中起来。
这种不含任何未知参数的样本的函数称为统 计量。它是完全由样本决定的量.
12
定义1 设 X1, X 2,, X n 是来自总体X 的一个样本，
g (X1, X 2,, X n ) 为一实值连续函数，其不包含任何
未知参数，则称 g (X1, X 2,, X n ) 为一个统计量。 g (x1, x2,, xn ) 为 g (X1, X 2,, X n ) 的观测值。 注：g (X1, X 2,, X n ) 仍为随机变量。
i 1
n
n
ki
(
e )
e n
ki
i 1
n (1)
i1 ki !
i1 ki !
n
ki
e n i1
n
ki!
i 1
8
例2 设总体X ~ N (, 2 ),求样本 X1, X2 ,, Xn 的联合密度函数。
解: 由已知,总体X的密度函数为
f (x)
样本容量：样本中所含个体的数目n 。
定义 为了准确地进行判断，对抽样有所要求：
中国矿业大学(北京)《概率论与数理统计》-课件 频率与概率 ,等可能概型(古典概型)
于是 P(B A) P(B) P( A).
又因 P(B A) 0, 故 P( A) P(B).
(4) 对于任一事件 A, P( A) 1. 证明 A S P( A) P(S) 1,
故 P( A) 1. (5) 设 A 是 A的对立事件, 则 P( A) 1 P( A). 证明 因为 A A S, A A , P(S) 1,
2. 概率的主要性质 (1) 0 P(A) 1, P(S) 1, P() 0; (2) P( A) 1 P( A); (3) P( A B) P( A) P(B) P( AB); (4) 设 A, B 为两个事件,且 A B,则 P( A) P(B), P( A B) P( A) P(B).
25
处波动较小
0.50
247 0.494
2 0.2
24 0.48 251 0.502
0.4
18 0.36 26波2 动0最.52小4
0.8
27 0.54 258 0.516
从上述数据可得
(1) 频率有随机波动性,即对于同样的 n, 所得的 f 不一定相同;
(2) 抛硬币次数 n 较小时, 频率 f 的随机波动幅 度较大, 但随 n 的增大 , 频率 f 呈现出稳定性.即 当 n 逐渐增大时频率 f 总是在 0.5 附近摆动, 且 逐渐稳定于 0.5.
P( A)
k n
A 包含的基本事件数 S中基本事件的总数
.
3.计算公式推导
设试验 E 的样本空间为S={e1,e2,...,en}，由于 在试验中每个基本事件发生的可能性相同, 即有
P({e1})=P({e2})=...=P({en}). 又由于基本事件是两两互不相容的, 于是
1 P(S)
新编中国矿业大学 概率论与数理统计第二章PPT课件
P { X x k } p k ,k 1 ,2 , RX{x1, xk}为X 的值域。
p k 满足： ⑴ p k0 ,k 1 ,2 ,
分布律的 判断条件
⑵ pk 1 k 1
称 p k 为离散型随机变量 X 的概率分布或分布律。
分布律也可用如下表格的形式表示
X
x1 x2
xk
Ⅱ.二项分布 1.伯努利概型（概率论中最早研究的模型之一，也是 研究最多的模型之一，在理论上一些重要的结果也由 它推导）
①n重独立试验 在相同的条件下对试验E重复做n次，若n次试验中各
结果是相互独立的，则称这n次试验是相互独立的。
②伯努利概型 设随机试验E只有 A和 A 两种可能结果，且 P(A)p
例3.某战士射击命中率为 p ,设首次击中目标所需射击
次数为 X ,则随机变量 X1 ,2,3 ,
二、随机变量函数和普通函数的区别
1. 定义域不同 随机变量定义在样本空间 S 上,定义域可以是数也可
以不是数；而普通函数是定义在实数域上的。 2. 随机变量函数的取值在试验之前无法确定,有一定
的概率；而普通函数却没有。
定义1.设随机试验的样本空间 S {e}, XX(e)是定义
在样本 S 上的实值单值函数，称 XX(e)为随机变量。
例1.对一均匀硬币抛一次，观察正反面情况。
样本空间 S{H,T},
设 XX(e)10,当 ,当eeH T.,为随机变ቤተ መጻሕፍቲ ባይዱ。
P{X 1} 1, 其中{X 1}表示事件A：结果
2 出现正面，即
例1 某人射击每次命中的概率为 0.7, 现独立射击 5 次，求正好命中 2 次的概率。
解 PX2C520.720.330.13
概率统计复习提纲(百度文库)讲解
《概率论与数理统计》总复习提纲第一块随机事件及其概率内容提要基本内容：随机事件与样本空间，事件的关系与运算，概率的概念和基本性质，古典概率，几何概率，条件概率，与条件概率有关的三个公式，事件的独立性，贝努里试验.1、随机试验、样本空间与随机事件（1）随机试验：具有以下三个特点的试验称为随机试验，记为:,.1）试验可在相同的条件下重复进行；2）每次试验的结果具有多种可能性，但试验之前可确知试验的所有可能结果;3）每次试验前不能确定哪一个结果会出现.（2）样本空间：随机试验F的所有可能结果组成的集合称为F的样本空间；记为Q;试验的每一个可能结果，即Q中的元素，称为样本点，记为「（3）随机事件：在一定条件下，可能出现也可能不出现的事件称为随机事件，简称事件；也可表述为事件就是样本空间的子集，必然事件（记为「）和不可能事件（记为-）.2、事件的关系与运算（1）包含关系与相等：“事件一发生必导致匸'发生”，记为二一「或丄-J ; A=B^AcB 且鸟匚乂.（2）互不相容性-互为对立事件1 ：、「-门且一 :.（3）独立性：（i）设丄:'为事件，若有匸二-匸二y 口‘,则称事件-与F相互独立.等价于:若* 1 2 3 4（2）多个事件的独立：设一……；是n个事件，如果对任意的乂山二口匚，任意的1■\ '，具有等式，称；个事件…人相互独立.3、事件的运算（1）和事件（并）：“事件一与匸'至少有一个发生”，记为」一丄.（2）积事件（交）：“ 事件」与匸'同时发生”，记为』丄「或丄.（3）差事件、对立事件（余事件）：“事件发生一而匸'不发生”，记为」「称为一与匚'的差事件；…二二称为T的对立事件；易知：二】匸.4、事件的运算法则1 交换律：亠二一二一 _」，二土；2结合律:』u0uO = （£u仍uC，（曲）0 =玫蜀;3分配律：（心―2此，的uC = （g（S；4 对偶（）律：丸匸二丄,，一二二一1，十十u A=n n©u血可推广* ■'5、概率的概念（1）概率的公理化定义:i厂存v「J的f事件域.恥F隹义在F上的一个集值函数P（備足；1）菲负性：旳1）20;2）规范性：卩⑼訂3）可列可加性；设力岀，…是可列个互不相容事件，则则称P"）为事件胡概率.（2）频率的定义：事件」在「次重复试验中出现11次，则比值」称为事件」在［次重复试验中出现的频率，记为 ，即— 」.即随旳的増大越来越韋近基个常数戸切丹斗审冲 n 称W 为事件一的（统计）概率在实际问题中，当「很大时，取f 一，“（4）古典概率：若试验的基本结果数为有限个， 且每个事件发生的可能性相等，则（试验对应古典概型）事件 」发生的概率为：—A 中所含样本点数」/（占） c 中样本点总数n（5）几何概率：若试验基本结果数无限，随机点落在某区域 g 的概率与区域g的测度（长度、面积、体积等）成正比，而与其位置及形状无关，则（试验对应几何概型），“在区域「中随机地取一点落在区域-中”这一事件二发生的概率为：1丿Q 的测度. （6）主观概率：人们根据经验对该事件发生的可能性所给出的个人信念6、概率的基本性质（3）统计概率: 频率具有稳定性, 9 QD（1）不可能事件概率零：= 0.(2)有限可加性：设\ \ -是n个两两互不相容的事件，即」•.=；,(；) 丄,12…j 则有= + 酗)+…+P⑷.(3)单调不减性：若事件口—上「」「—」，且冊卜附也).(4)互逆性：丿二】且H上-(5)加法公式：对任意两事件二:，有二二-匚—二二I-P匚.—厂扑；此性质可推广到任意个事件的情形.(6)可分性：对任意两事件二:，有门上二：，且AAu3)<PU) + ?(3)7、条件概率与乘法公式(1)条件概率:设丄E是两个事件，即」.，则P(AB)称为事件一发生的条件下事件匸'发生的条件概率.(2)乘法公式：设丄H 且「一•〕「"」则W = P(^P(B| X) = P^)P(A13)称为事件二-的概率乘法公式.8全概率公式与贝叶斯()公式(1)全概率公式：设-…二是异的一个划分，且S，•厂亠，…，则对任何事件”」，有p(s)=^mwi4)2-1称为全概率公式(2)贝叶斯()公式：设是打的一个划分，且■ 1 ' 1 _'\ ,则对任何事件丄「一，有P(AAP(B\JL)mi月)=丨宀心=1,…⑻i-L称为贝叶斯公式或逆概率公式9、贝努里()概型(1)只有两个可能结果的试验称为贝努里试验，常记为丄.丄也叫做“成功—失败”试验，“成功”的概率常用/ " L：/表示，其中」成功”.(2)把匚重复独立地进行•.次，所得的试验称为！重贝努里试验，记为匸.(3)把：:'重复独立地进行可列多次，所得的试验称为可列重贝努里试验，记为孑.以上三种贝努里试验统称为贝努里概型.(4)匸中成功卜次的概率是二」mi其中—1 1：--/--1.疑难分析1、必然事件与不可能事件必然事件是在一定条件下必然发生的事件，不可能事件指的是在一定条件下必然不发生的事件•它们都不具有随机性，是确定性的现象，但为研究的方便，把它们看作特殊的随机事件.2、互逆事件与互斥(不相容)事件如果两个事件」与厂必有一个事件发生，且至多有一个事件发生，则J、'为互逆事件；如果两个事件」与1不能同时发生，则J、'为互斥事件.因而，互逆必定互斥，互斥未必互逆.区别两者的关键是：当样本空间只有两个事件时，两事件才可能互逆，而互斥适用与多个事件的情形•作为互斥事件在一次试验中两者可以都不发生，而互逆事件必发生一个且只发生一个3、两事件独立与两事件互斥两事件」、T独立，则」与T中任一个事件的发生与另一个事件的发生无关，这时「'' ■:' 1；而两事件互斥，则其中任一个事件的发生必然导致另一个事件不发生，这两事件的发生是有影响的，这时二一二二二.可以用图形作一直观解释.在图1.1左边的正方形中，图1.1咖)二.P⑷丄F(B) 一、^ 亠、4 2 ，表示样本空间中两事件的独立关系，而在右边的正方形中，丄匸•，表示样本空间中两事件的互斥关系.4、条件概率''与积事件概率「卜是在样本空间「内，事件二的概率，而’'''是在试验丄增加了新条件发生后的缩减的样本空间中计算事件』的概率.虽然都发生，但两者是不同的，一般说来，当」、-同时发生时，常用「加，而在有包含关系或明确的主从关系时，用"八二.如袋中有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.5、全概率公式与贝叶斯（）公式当所求的事件概率为许多因素引发的某种结果，而该结果又不能简单地看作这诸多事件之和时，可考虑用全概率公式，在对样本空间进行划分时，一定要注意它必须满足的两个条件•贝叶斯公式用于试验结果已知，追查是何种原因（情况、条件）下引发的概率.第二块随机变量及其分布内容提要基本内容：随机变量，随机变量的分布的概念及其性质，离散型随机变量的概率分布，连续型随机变量的概率分布，常见随机变量的分布，随机变量函数的分布.1、随机变量设「是随机试验的样本空间，如果对于试验的每一个可能结果二一X，都有唯一的实数'与之对应，则称为定义在「上的随机变量，简记为.随机变量通常用大写字母二-■-等表示.设g,F*）是一t概率空间，若枷W R有珂紋是-个随腋氢离散型随机喪量（可能取值至多可列）随机变量连续型随机变量（可育諏值充满某个区间〉奇异型随机变量■-2、离散型随机变量及其分布列如果随机变量二只能取有限个或可列个可能值，贝淋二为离散型随机变量.如果」的一切可能值为〔1 ，并且負取：；的概率为X，则称儿"：一：一】“：为离散型随机变量的概率函数（概率分布或分布律）.也称分布列，常记为其中常见的离散型随机变量的分布有：（1）两点分布（0-1分布）：记为匸：日,分布列为丄工卜；■'■-■'!5 P或（2）二项分布：记为'-，，概率函数尸区胡乂”（1-卩严北二0「也0<^<1（3）泊松分布，记为'-'，概率函数iJtP&"｝二斗,"Oh, 4 0<1泊松定理设“::是一常数，J是任意正整数，设’人'，则对于任一固定的非负整数i,有八，■-.当〔很大且|很小时，二项分布可以用泊松分布近似代替，即切(1宀年，其中5(4) 超几何分布：记为概率函数(5) 几何分布：记为上•「心口，概率函数> ;< :匚 ‘ .;■..3、分布函数及其性质分布函数的定义：设"为随机变量，：为任意实数，函数阳=P{X <X)(-0O<X< +oo)称为随机变量負的分布函数.分布函数完整地描述了随机变量取值的统计规律性，具有以下 性质: (1) 有界性(-00 < X <松)；⑵ 单调性 如果:'< ，则旳g(xj ；(3) 右连续， 即戸；7C(4) 极限性 血 F(i) = 0> 陀)二127 W-Hfi ；(5)完美性 Pg fXSxj =P{X “卜P{X 二F(xj-F(xj .4、连续型随机变量及其分布分布如果对于随机变量二的分布函数门「，存在非负函数「九，使对于任一实数：， 有宀'"，则称；为连续型随机变量.函数—称为；的概率密度函数.P{X "}= pJtr k- 0丄…,min (丹,M) ,其中匚暑为正整数，且：二「- \n 当：「很大，且'1较小时，有马軒泌"(1十严概率密度函数具有以下 性质:(1)工沁〕；⑵二(3) - ' _、「 7 '■ ' ； ( 4)丄;二 11 ；(5) 如果在：处连续，则.常用连续型随机变量的分布:(1) 均匀分布：记为- ； ，概率密度为a①其它分布函数为Q,x <a-f a<x<bl, x(2) 指数分布：记为工- ，概率密度为分布函数为0, A<0(3) 正态分布：记为--，概率密度为p(x) = -=^ 2f2 ? -DO <z < +CO* ?相应的分布函数为di当"-"■■■-1时，即「时，称負服从标准正态分布.这时分别用」：和 _1表示二的密度函数和分布函数，即具有性质：①」：i .jPW = 加-X >Q0,其它②一般正态分布］」严丁的分布函数门与标准正态分布的分布函数■' 有关系：陀）二①¥5、随机变量函数的分布（1）离散型随机变量函数的分布设；为离散型随机变量，其分布列为（表2-2）:则亠— if任为离散型随机变量，其分布列为（表2-3）:表2-3h有相同值时，要合并为一项，对应的概率相加.（2）连续型随机变量函数的分布设；为离散型随机变量，概率密度为'-'1，贝L 「二的概率密度有两种方法可求.1）定理法：若f在丄的取值区间内有连续导数「，且：单调时，X⑷ 是连续型随机变量，其概率密度为11 / 27• ①其它其中二一匸「7二「代汕匚一二1二；I—]:门是]:的反函数.2）分布函数法：先求的分布函数F,(y) = P(Y<y^P(g(X)<y)=X［人何必 &止心)然后求疑难分析1、随机变量与普通函数随机变量是定义在随机试验的样本空间沐上，对试验的每一个可能结果：，都有唯一的实数•「与之对应.从定义可知：普通函数的取值是按一定法则给定的，而随机变量的取值是由统计规律性给出的，具有随机性；又普通函数的定义域是一个区间，而随机变量的定义域是样本空间2、分布函数的连续性定义左连续或右连续只是一种习惯.有的书籍定义分布函数门「左连续，但大多数书籍定义分布函数「二为右连续.左连续与右连续的区别在于计算「二时，二二点的概率是否计算在内.对于连续型随机变量，由于，故定义左连续或右连续没有什么区别；对于离散型随机变量，由于 '負-^ ，则定义左连续或右连续时门值就不相同，这时，就要注意对定义左连续还是右连续.第三块多维随机变量及其分布内容提要基本内容：多维随机变量及其分布函数二维离散型随机变量的联合分布列，二维连续型随机变量的联合分布函数和联合密度函数，边际分布，随机变量的独立性和不相关性，常用多维随机变量，随机向量函数的分布1、二维随机变量及其联合分布函数如果随机变量血（讥血（町…，血@）定义在同一概率空间（Q FQ上则称恥）心⑷兀（叭-北3）为n维（n元）随机变量或随机向量.当沪2时诽为二维随戕氢常记为工儿联合分布函数的定义设—-匸丄二一「赴随机变量,心"为随机向量1■的联合分布函数特别卄血称为二淼合分布函数即恥』）訂（淞汀幻）二维联合分布函数具有以下基本性质：（1）单调性是变量：或；的非减函数；（2）有界性一―]I：* ；（3）极限性” 7」，：'，一，厂「.一（?」丨一■.- -」.-工-1「-工,亠二(3)连续性l I；.关于：右连续，关于^也右连续；(4)非负性对任意点 =.「_.「，若「；二，贝V式表示随机点二门落在区域内的概率为：二…2、二维离散型随机变量及其联合分布列如果二维随机变量所有可能取值是有限对或可列对，则称■'为二维离散型随机变量.设「「为二维离散型随机变量，它的所有可能取值为匸- 将f 一—°厂一」或表3.1称为「「的联合分布列.表3.1(1)「「'；( 2)肴' 联合分布列具有下列性质:3、二维连续型随机变量及其概率密度函数如果存在一个非负函数和乩门,使得二维随机变量的分布函数‘八「对任意实数「有 'f，则称 — 是二维连续型随机变量，称u为的联合密度函数（或概率密度函数）联合密度函数具有下列性质：设…丄|为二维随机变量，则称F x （x ） = P （X<^<Y <+oo ） 的0）二 P 卜00 <X <4007<7） 分别为关于二和关于「的边缘（边际）分布函数当为离散型随机变量，则称(1) 非负性对一切实数"，有■" 1；(3) *-ho在任意平面域-上，「厂 取值的概率F ｛（工二［“（砂）如y Q ；3细（兀刃=Xj 为如果小」在；’处连续，则 「八一八 规范性（4）4、二维随机变量的边缘分布P 广乞珂（八12…）：-1分别为关于；和关于『的边缘分布列当为连续型随机变量，则称內A ）二ph 』）必分别为关于二和关于「的边缘密度函数5、二维随机变量的条件分布（了解）（1）离散型随机变量的条件分布设为二维离散型随机变量，其联合分布律和边缘分布列分别为P(X = ip/ = - p^,P(X= f P(Y -y^} = (ij = 12…)，则当 j 固定P{f = ”} = Pj>Ci 时，称---------------------------------- 二——为'「条件下随机变量匚的条件分布律.同理，有吃讪|XrJ 二丝八12…Pi（2）连续型随机变量的条件分布设■= 为二维连续型随机变量，其联合密度函数和边缘密度函数分别为：心.则当’•时，在和门,的连续点处，-在条件’下，】的条件概率密度函数为曲力）=畔 Px Wp^\y)=p (兀力p^y) 同理，6、随机变量的独立性设；」’及匚：'1分别是的联合分布函数及边缘分布函数.如果对任何实数「有『上=则称随机变量；与「相互独立.设：；'|为二维离散型随机变量，..与『相互独立的充要条件是廿妝血=12…）.设为二维连续型随机变量，二与［相互独立的充要条件是对几乎一切实数，有7、两个随机变量函数的分布设二维随机变量的联合概率密度函数为」；」，「—“ —「是；'的函数，则匚的分布函数为马⑵二\\p（x t yyixdy.（1）；'二的分布若.1；|为离散型随机变量，联合分布列为'，则】的概率函数为:易仇）=£临耳-吗）&仇）=5>%巩-为）；或>若丄八为连续型随机变量，概率密度函数为W，则匚的概率函数为:严r-Ko旳⑵二p^z-x)dx=\ p(z-y r y)dy的分布若I为连续型随机变量，概率密度函数为小乩门，则］的概率函数为:8.最大值与最小值的分布曲”冊勺）畝阿〔兀…兀）勺厂P©）畅）胡旳）*血吃…北）勺）4*（卜恥））9.数理统计中常用的分布（1）正态分布：设随机变劉諾厂也相互紐,肮广N仏口;），心谊…也则2也皿左的加巾其中用心…尼为常黏（2）宀 *:设随机变就“血…也相互從，且丫厂M（叮〉心12…”则（3）「• 卄：亡*……-厂\ L書让二I(4)「—--:亡「疑难分析1、事件=-丄二「表示事件梟•丄「与的积事件，为什么二计不一定等于'■■■'■ :■■■.■ ?如同仅当事件二f相互独立时，才有「二-1三匚二一样，这里依乘法原理只有事件一与1「■'/.相互独立时，才有P{X<x t Y<y) = P(X<^ P(Y<y\，因为P{Y<y\X<x} = P{Y <y).2、二维随机变量「厂的联合分布、边缘分布及条件分布之间存在什么样的关系？由边缘分布与条件分布的定义与公式知，联合分布唯一确定边缘分布，因而也唯一确定条件分布.反之，边缘分布与条件分布都不能唯一确定联合分布.但由「丄丫二心」宀「7 r知，一个条件分布和它对应的边缘分布，能唯一确定联合分布.但是，如果二『相互独立，贝V「仁―t —：，即卩宀二；丄J •：'.说明当二『独立时，边缘分布也唯一确定联合分布，从而条件分布也唯一确定联合分布.3、两个随机变量相互独立的概念与两个事件相互独立是否相同？为什么？两个随机变量二〕相互独立，是指组成二维随机变量•厂的两个分量二〕中一个分量的取值不受另一个分量取值的影响，满足儿」—匸-：匚-.而两个事件的独立性，是指一个事件的发生不受另一个事件发生的影响，故有「二—L匚.两者可以说不是一个问题.但是，组成二维随机变量I的两个分量二「是同一试验丄的样本空间上的两个一维随机变量，而丄f也是一个试验的样本空间的两个事件.因此，若把“匸土”、”看作两个事件，那么两者的意义近乎一致，从而独立性的定义几乎是相同的第四块随机变量的数字特征内容提要基本内容：随机变量的数学期望和方差、标准差及其性质，随机变量函数的数学期望，原点矩和中心矩，协方差和相关系数及其性质1、随机变量的数学期望设离散型随机变量負的分布列为「工二：！亠，如果级数台"'绝对收敛，则称级数的和为随机变量J丄的数学期望.设连续型随机变量x的密度函数为p⑴，如果广义积分L腴R处绝对收敛，则f-HD称此积分值」为随机变量匚的数学期望•数学期望有如下性质：（1）设「是常数，则"'■；（2）设］'是常数，则和（3）若-1：'是随机变量，则-［丄：_：丄-'；对任意〔个随机变量■ ' - ■ '，有(4)若-亠相互独立，贝U -七--'-.1 ;对任意「个相互独立的随机变量 u ：•,有2、随机变量函数的数学期望设离散型随机变量 負的分布律为■"丄|丄，则」的函数一1 一的设连续型随机变量 負的密度函数为；；|，则負的函数'■_ ■的数学期望为i +®购恥讥讷，式中积分绝对收敛 3、随机变量的方差设匚是一个随机变量，贝V 丄一匸「L - - 称为匚的方差-一“称为；的标准差或均方差.计算方差也常用公式 方差具有如下性质：(1)设一1是常数，则\ '-; (2)设「是常数，则--------;(3)若分1、*2相互独立，则0区+托)=D(X])+°(為)；对任意〔个相互独立的随机变量■' -■' ,有- ;（4） 的充要条件是：存在常数 「，使- - - -二八 4、几种常见分布的数学期望与方差 （1）匸；.「匸；二:.:；(2) 「——数学期望为亟(②卜另欽亦)久朮=12…jt-i 式中级数绝对收敛(3)（4）匸」已匸二2 1 ；（5）「一 -'■- :丫;（6）—「二 < 匚一，「I」门一：■汀匸⑺—:'二一;:.；；（8）八“血刊凤& = “23）=代5、矩设；是随机变量，贝y L 「2；* 4称为；的一阶原点矩.如果f存在，则■ ■ _ ' ' ■ '■■ - - - | "'-称为負的；阶中心矩.设「「是二维随机变量，贝y心亠;止【；；「工称为的I 阶混合原点矩；址=E （［X-E（Q*•［『-占（別）,灯=1,2,…称为（x,y）的七+］阶混合中心矩.6、协方差与相关系数随机变量（XQ的协方差为^f Y^E｛［X-E^Y-£（『）］）.它是i+i阶混合中心矩，有计算公式：沏（工『）二E（沼）・E（x）E（y）.随机变量■= 的相关系数为_ cov（xn呛二亦页相关系数具有如下性质:(1)卜冷」;(2)卜」存在常数•：'，使"；-汇+「=1,即二与1以概率1线性相关;(3)若；独立，则L •，即不相关.反之，不一定成立.(4)() 设()是二维随机变量，若X与Y的方差都存在，则[Cau(X r^<DX DY疑难分析1、随机变量的数字特征在概率论中有什么意义？知道一个随机变量的分布函数，就掌握了这个随机变量的统计规律性•但求得一个随机变量的分布函数是不容易的，而且往往也没有这个必要.随机变量的数字特征则比较简单易求，也能满足我们研究分析具体问题的需要，所以在概率论中很多的应用，同时也刻画了随机变量的某些特征，有重要的实际意义例如，数学期望反映了随机变量取值的平均值，表现为具体问题中的平均长度、平均时间、平均成绩、期望利润、期望成本等；方差反映了随机变量取值的波动程度；偏态系数、峰态系数则反映了随机变量取值的对称性和集中性.因此，在不同的问题上考察不同的数字特征，可以简单而切实地解决我们面临的实际问题.2、在数学期望定义中为什么要求级数和广义积分绝对收敛?首先，数学期望是一个有限值；其次，数学期望反映随机变量取值的平均值.因此，对级数和广义积分来说，绝对收敛保证了值的存在，且对级数来说，又与项的次序无关，从而更便于运算求值.而由于连续型随机变量可以离散化，从而广义积分与无穷级数有同样的意义.要求级数和广义积分绝对收敛是为了保证数学期望的存在与求出.3、相关系数1■二反映了随机变量二和「之间的什么关系？相关系数；I是用随机变量就和［的协方差和标准差来定义的，它反映了随机变量二和『之间的相关程度.当时，称二'与丁依概率1线性相关；当匚二I 时，称免与『不相关；当时，又分为强相关与弱相关.4、两个随机变量二与］相互独立和不相关是一种什么样的关系？（1）若、相互独立，则、不相关.因为、独立，则川；「厂小.，故心二-一，从而七j，所以J、r不相关.（2）若不相关，则门、「不一定独立.如：f —］"兀x2+y2 <}rPW= 1 o, 其它一因为TO = £（y）= 0，TO=1/4-1'1二•，知」、」不相关.但U ；1「’L，加y）二2尸加，瞼J）HP占）P0 ,知乂、『不独立.（3）若相关，则匚、［一定不独立.可由反证法说明.（4）若匚、）不相关，则二、不一定不相关.因为二、不独立，二—〕,但若汇-厂m时，可以有―，从而可以有」、不相关.但是，也有特殊情况，如服从二维正态分布时，不相关与；、J 独立是等价的第五块大数定律和中心极限定理内容提要基本内容：切比雪夫（）不等式，切比雪夫大数定律，伯努里（）大数定律，辛钦（）大数定律，棣莫弗-拉普拉斯（）定理，列维-林维德伯格（）定理.1、切贝雪夫不等式设随机变量二的数学期望m—工，方差匸，则对任意正数「，有不等刊■心沪召或刊，小"-召成立2、大数定律（1）切贝雪夫大数定律:设…是相互独立的随机变量序列，数学期望J. 1和方差’二都存在，且「二」〔|，则对任意给定的I「，有1丄如列-乞凶-欧扎）］|<沪1“讯i-i .（2）贝努利大数定律:设L是「次重复独立试验中事件d发生的次数，：是事limP（|^-^|<F）=l件丿在一次试验中发生的概率，则对于任意给定的:'.■丨，有…贝努利大数定理给出了当［很大时，」发生的频率一=依概率收敛于d的概率，证明了频率的稳定性.（3）辛钦大数定律：设相互独立，服从同一分布的随机变量序列且匸也〕卫（：=匚）,则对任意给定的:,I，有3、中心极限定律（1） 林德贝格-勒维中心极限定理:设〔芒〕,…丄 是独立同分布的随机变量 序列，有有限的数学期望和方差，「二-「，「..「一、：.则对任意实数刀（血-“）刀疋厂冲“Y _ ____:，随机变量■■,'■--■的分布函数二-满足 Em 氏⑵二曲尸也<i} = fJ2/T（2） 李雅普诺夫定理:设是不同分布且相互独立的随机变量，它护—y 2 们分别有数学期望和方差：小1 一畀,■'■■'■■<;「厂-八-■-;亠文欧因-丛角TO正数$，，使得当心谕时，有盯口,则随机变量»X屋据F7 _ i-1 H _ J-1 X的分布函数对于任意的x ，满足当〔很大时，爲』㈣总拓』（也昭.（3）德莫佛一拉普拉斯定理:设随机变量'■. 1 " 1 1服从参数为匚时卩J 匸；的二项分布，则对于任意的：，恒有疑难分析D 乞逊!-1lim 坨（打=lira <>=r 加 J 十矩rlimP\%-® J 誓（D<x1、依概率收敛的意义是什么?依概率收敛即依概率1收敛.随机变量序列J依概率收敛于，,说明对于任给的£>0,当"很大时，事件“”的概率接近于1•但正因为是概率，所以不排除小概率事件“ 1八_2卜6”发生.依概率收敛是不确定现象中关于收敛的一种说法.2、大数定律在概率论中有何意义？大数定律给出了在试验次数很大时频率和平均值的稳定性.从理论上肯定了用算术平均值代替均值，用频率代替概率的合理性，它既验证了概率论中一些假设的合理性，又为数理统计中用样本推断总体提供了理论依据.所以说，大数定律是概率论中最重要的基本定律.3、中心极限定理有何实际意义？许多随机变量本身并不属于正态分布，但它们的极限分布是正态分布.中心极限定理阐明了在什么条件下，原来不属于正态分布的一些随机变量其总和分布渐进地服从正态分布.为我们利用正态分布来解决这类随机变量的问题提供了理论依据.4、大数定律与中心极限定理有何异同？相同点：都是通过极限理论来研究概率问题，研究对象都是随机变量序列，解决的都是概率论中的基本问题，因而在概率论中有重要意义.不同点：大数定律研究当时，概率或平均值的极限，而中心极限定理则研究随机变量总和的分布的极限.。