概率论复习
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。
大学 概率复习题
第一章 概率论的基本概念 1. 若事件B A ,满足21)|(,31)|(,41)(===B A P A B P A P ，则)(B A P = .2. 若事件B A ,满足7.0)(,4.0)(==B A P A P ，且5.0)|(=B A P ，则)|(A B P = .3. 设有两个相互独立事件A 与B 发生的概率分别为1p 和2p ，则两个事件恰好有一个发生的概率为4．()0.3P A =，()0.5P B =，若A 与B 相互独立，则()P AB = _.5．设B A ,为两个互不相容的事件，且()()0,0>>B P A P ，则 正确． A . ()1=AB P ； B . ()0=B A P ； C . B A =； D . Φ=-B A ．6. 设有10件产品，其中有3件次品，从中任取3件，则3件中有次品的概率为( ) A.1201 B.247 C.2417 D.40217、盒中放有红、白两种球各若干个，从中任取3个球，设事件A=“3个中至少有1个白球”，事件B=“3个中恰好有一个白球”，则事件B -A =A ．“至少2个白球”B ．“恰好2个白球”C ．“至少3个白球”D ．“无白球”8. A ，B 为两个事件，若B A ⊂，则下列关系式正确的是 ． A . )()(B P A P >； B . ()()P A P B ≤； C . 1)()(=+B P A P ； D . ()()P B P A >.9. 设甲袋中装有n只白球，m只红球，乙袋中装有N只白球，M只红球，今从甲袋中任取一个球放入乙袋中，再从乙袋中任意取出一只球．求：（1）从乙袋中取到白球的概率是多少？（2）若从乙袋中取到的是白球，则先前从甲袋中取到白球的概率是多少？10. 发报台分别以概率0.6和0.4发出信号“0”和“1”．由于通讯系统受到干扰，当发出信号“0”时，收报台未必收到信号“0”，而是以概率0.8和0.2收到信号“0”和“1”；同样，当发出信号“1”时，收报台分别以概率0.9和0.1收到信号“1”和“0”．求：（1）收报台收到“0”的概率；（2）当收报台收到信号“0”的时候，发报台确是发出信号“0”的概率．11. 某射击小组有20名射手，其中一级射手4人，二级射手8人，三级射手7人，四级射手1人。
概率论复习知识点总结
? P( Ai B) ?
P(Ai )P( B Ai ) ?
n
P(Ai )P( B Ai )
P(Ai )P( B Ai ) ? P(B)
,i
? 1,2,?
,n
i?1
?例1.16，1.17，作业：三、14，15
第1章要点
七、事件的相互独立性
P(AB)= P(A)P(B)
?注意几对概念的区别： ?互不相容与互逆 ?互不相容与相互独立 ?相互独立与两两相互独立 ?作业：一、8；二、8，9； 三、17，19
P(A∪B) = P(A) + P(B)–P(AB)．
例1.4；作业: 一、4，11 ； 二、3，5，6
第1章要点
四、古典概型与几何概型 ?古典概型概率计算公式：
P( A) ? 事件A中所包含样本点的个数 ? k
? 中所有样本点的个数 n
作业：三、6，8
第1章要点
五、条件概率与乘法公式 ?若P(A)>0
p
p(1? p)
np
np(1 ? p)
?
?
( a ? b) 2 (b ? a )2 12
θ
θ2
μ
σ2
第4章要点
四、协方差及相关系数 ?定义式：Cov( X,Y) ? E[(X ? EX)(Y ? EY)]
? XY ?
Cov( X ,Y) ( D( X ) ? 0, D(Y ) ? 0) D( X ) D(Y)
第1章要点
二、事件运算满足的定律 ?事件的运算性质和集合的运算性质相同，设 A，B，C为 事件，则有 ?交换律：A? B ? B ? A, AB ? BA ?结合律：( A ? B ) ? C ? A ? (B ? C ), ( AB)C ? A(BC ) ?分配律：( A ? B)C ? ( AC) ? (BC ),
概率论复习题
第1章 随机事件及其概率一、填空题1、已知,5.0)(=A P ,6.0)(=B P ,2.0)(=B A P 则=)(AB P _______________.2、已知,25.0)()()(===C P B P A P ,15.0)()(==BC P AB P ,0)(=AC P 则A 、B 、C 至少有一个发生的概率为_______________.3、把9本书随意放在书架上，指定的3本放在一起的概率为_____________.4、包括甲、乙在内的n 个人排队，他们之间恰有r 个人的概率为____________.5、设A 、B 、C 为三个事件，则“至少有一个事件不发生”可表示为______________.6、设A 、B 、C 为三个事件，则“至多只有一个事件发生”可表示为______________.7、设31)(=A P ，41)(=B P ，61)(=AB P ,则=)(B A P ______________. 8、假设3.0)(=A P ， 2.0)(=B P ，∅=AB ，则)(B A P ⋃=_________________. 9、设31)(=A P ，41)(=B P ，21)(=⋃B A P ,则=⋃)(B A P ______________. 10、假设5.0)(=A P ， 4.0)(=B P ，3.0)(=B A P ，则)(B A P ⋃=_________________. 11、两封信随机的投入到四个邮筒中，则前两个邮筒内没有信的概率为________________.12、两封信随机的投入到四个邮筒中，则前两个邮筒内都有信的概率为________________. 13、袋中有5个白球，3个黑球，从中一次任取两球，则取到的两球中有黑球的概率为______________.14、袋中有5个白球，3个黑球，从中一次任取两球，则取到的两球都是黑球的概率为______________.15、袋中有4黑6白大小相同的10个小球，现在从中不放回地任取两球，两个全是黑球的概率________________.16、甲、乙两人独立的射击同一目标，他们击中目标的概率分别为0.9和0.8，则在一次射击中目标被击中的概率为______________.17、某城市发行A,B 两种报纸，在这两种报纸的订户中，订阅A 报的有45%，订阅B 报的有30%，同时订阅两种报纸的有15%，则只订一种报纸的概率为___________________. 18、从一批产品中抽取3件，以i A 表示第i 次抽到废品，则事件“第一次和第二次至少抽到一件废品”可表示为_______________.19、设n 个人围成圆圈，甲、乙是其中两人。
高中数学概率论复习(全)PPT
F() lim F(x) 0 x
F() lim F(x) 1 x
（3）右连续性：F(x) 是右连续的函数，即对任
意实数 x ，有 F(x 0) F(x) ． （4）对任意实数 x1, x2 (x1 x2 ) ，有 P{x1 X x2} P{X x2} P{X x1}
F (x2 ) F (x1)
【注】满足单调性、有界性和右连续性这三个性质的 函数，一定可以作为某个随机变量的分布函数.
离散型随机变量
离散型随机变量 X 的概率分布满足以下两个基本性质：
（1）非负性： pi 0 ， i 1, 2, ；
（2）规范性： pi 1 ． i 1
【注】满足非负性和规范性的数组 pi (i 1, 2, ) ，一 定是某个离散型随机变量的概率分布．
pij
( xi , y j )G
(4)
P{X xi} pij , i 1, 2, j 1
P{Y y j} pij , j 1, 2, i 1
二维连续型随机变量
（1）非负性 p(x, y) 0 ；
（2）规范性 p(x, y)dxdy F (, ) 1.
【注】若二元函数 p(x, y) 具有非负性和规范性，则 p(x, y) 一定是某个二维连续型随机变量的联合概率 密度函数．
定理 设随机变量 X 具有数学期望
E( X ) μ,方差 D( X ) σ 2,则对于任
（3）右连续性 F( x, y ) 分别对 x ， y 右连续，即
F(x 0, y) lim F(x , y) F(x, y) 0
F(x, y 0) lim F(x, y ) F(x, y) 0
（4）非负性 对于任意的实数 x1 x2 ， y1 y2 ，有
概率论复习题
第一章1. 假设有两箱同种零件：第一箱内装50件，其中10件为一等品；第二箱内装30件，其中18件一等品，现从两箱中随意挑出一箱，然后从该箱中先后随机取出两个零件（取出的零件均不放回），求：（1）先取出的零件是一等品的概率；（2）在先取出的零件是一等品的条件下，第二次取出的零件仍然是一等品的概率。
解：设Ai={取到第i 个箱子}，i=1,2，Bj={第j 次取到一等品}，j=1,2 （1）由全概率公式52301821501021)()()()()(2121111=⨯+⨯=+=A B P A P A B P A P B P （2）所求概率为)()()(12112B P B B P B B P =，其中1942.02930171821495091021)()()()()(2212121121=⨯⨯⨯+⨯⨯⨯=+=A B B P A P A B B P A P B B P 故：4856.0521942.0)()()(12112≈==B P B B P B B P2. 某段时间[t 0,t 0+t]内，t>0，证券交易所来了k 个股民的概率为tek k t λλ-!)(，k=0,1,2……，λ >0，每个来到交易所的股民购买长虹股票的概率为p ，且各股民是否购买这种股票相互独立。
（1）求此段时间内，交易所共有r 个股民购买长虹股票的概率；（2）若已知这段时间内有r 个股民购买了长虹股票，求交易所内来了m 个股民的概率。
解：设A k ={交易所来了k 个股民}，k=0,1,2,……，B={有r 个股民购买长虹股票}。
（1）由于......2,1,0,!)()(==-k e k t A P tk k λλ，,1.....2,1,0,0)(-==r k A B P k......1,,)1()(+=-=-r r k p p C A B P r k r r k k故由全概率公式可得tpr rk rrk r kk k k e r tp t e k k t p p C A B P A P B P λλλλ--∞=∞==--==∑∑!)(!)()1()()()(0（2）由Bayes 公式得所求概率为,......1,,)!()]1([)()()()()1(+=--==---r r m e r m p t B P A B P A P B A P p t r m m m m λλ显然，1,......1,0,0)(-==r m B A P m3. 设一射手每次命中目标的概率为p ，现对同一目标进行若干次独立射击，直到命中目标5次为止，则射手共射击了10次的概率为（A ）55510)1(p p C - （B ）5549)1(p p C - （C ）54410)1(p p C -（D ）5449)1(p p C -解：B4. 设有三个事件A,B,C ，其中P(B)>0,P(C)>0，且事件B 与事件C 相互独立，证明：)()|()()|()|(C P C B A P C P BC A P B A P +=分析：利用关系式)()(C AB ABC AB ⋃=证明：由于事件B 和事件C 相互独立，故事件B 和事件C 相互独立，又因为 )()()(C AB ABC C C AB AB AB ⋃=⋃=Ω= 所以)()()(C AB P ABC P AB P += )()()|()()()|()()|()()|(C P B P C B A P C P B P BC A P C B P C B A P BC P BC A P +=+=从而有)()()|(B P AB P B A P =)()|()()|(C P C B A P C P BC A P +=第二章1. 假设一厂家生产的每台仪器，以概率可以直接出厂；以概率需进一步调试，经调试后以概率可以出厂；以概率定为不合格品不能出厂。
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)
大学概率论期末复习题七套
试题（一）一、填空题1．设 A 、B 、C 是三个随机事件。
试用 A 、B 、C 分别表示事件 1）A 、B 、C 至少有一个发生 2）A 、B 、C 中恰有一个发生3）A 、B 、C 不多于一个发生2．设 A 、B 为随机事件， P (A)=0.5，P(B)=0.6，P(B A)=0.8。
则P(B )A ＝3．若事件A 和事件B 相互独立, P()=,A αP(B)=0.3，P(AB)=0.7,则α=4. 将C,C,E,E,I,N,S 等7个字母随机的排成一行，那末恰好排成英文单词SCIENCE 的概率为5. 甲、乙两人独立的对同一目标射击一次，其命中率分别为0.6和0.5，现已知目标被命中，则它是甲射中的概率为二、选择题1. 设A,B 为两随机事件，且B A ⊂，则下列式子正确的是 （A ）P (A+B) = P (A); （B ）()P(A);P AB =（C ）(|A)P(B);P B = （D ）(A)P B -=()P(A)P B -2. 以A 表示事件“甲种产品畅销，乙种产品滞销”，则其对立事件A 为 （A ）“甲种产品滞销，乙种产品畅销”； （B ）“甲、乙两种产品均畅销” （C ）“甲种产品滞销”； （D ）“甲种产品滞销或乙种产品畅销”。
3. 袋中有50个乒乓球，其中20个黄的，30个白的，现在两个人不放回地依次从袋中随机各取一球。
则第二人取到黄球的概率是（A ）1/5 （B ）2/5 （C ）3/5 （D ）4/5 4. 对于事件A ，B ，下列命题正确的是 （A ）若A ，B 互不相容，则A 与B 也互不相容。
（B ）若A ，B 相容，那么A 与B 也相容。
（C ）若A ，B 互不相容，且概率都大于零，则A ，B 也相互独立。
（D ）若A ，B 相互独立，那么A 与B 也相互独立。
5. 若()1P B A =，那么下列命题中正确的是（A ）A B ⊂ （B ）B A ⊂ （C ）A B -=∅ （D ）()0P A B -=三、计算题1． 10把钥匙中有3把能打开门，今任意取两把，求能打开门的概率。
- 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)。
概率论与数理统计总结一．基本概念1.试验：（1）可重复性（相同条件）（2）试验前所有可能结果已知（3）试验前不知结果2. 事件：用大写字母表示，如A。
3. 样本空间：S = {outcomes(s)} s ∈A S（1）有限样本空间ⅰS={s1,s2,…, s n }ⅱPr(s i occurs) = p i(古典概型：p i = 1/n 简单样本空间)ⅲPr(A) = ∑P iⅳ抓阄问题（2）无限样本空间ⅰs无限个ⅱ几何概型：向区域S上随机投掷一点，这里“随机投掷一点”的含义是该点落在S内任何区域的可能性与该区域的面积成正比。
Pr(A) = u(A)/u(S)ⅲ约会问题，投针试验4. 概率定义：（1）对于任意A，Pr(A) ≥0（2）Pr(S) = 1（3）A1, A2, …(两两不相交)，Pr(∪∞i=1 A i) = ∑∞i=1Pr(A i) 5. 概率性质：（1）Pr(ф) = 0（2）A1,A2,…,A n两两不相交，Pr(∪∞i=1 A i) = ∑∞i=1Pr(A i) （3）ⅰPr(A C) = 1 – Pr(A)ⅱA B, Pr(A) ≤Pr(B)ⅲ任意A, Pr(A) ∈[0,1]ⅳPr(A∪B) = Pr(A)+Pr(B)-Pr(AB)6. 几个事件并集的概率（1）三个事件：对任意三个事件A1,A2,A3,Pr(A1∪A2∪A3)=Pr(A1)+Pr(A2)+Pr(A3)-[Pr(A1A2)+Pr(A1A3)+Pr(A2A3)] (2) 有限多个事件：对任意n 个事件A1,…,A n,Pr(∪A i)=∑Pr(A i)-∑i<j Pr(A i A j)+∑i<j<k Pr(A i A j A k)-∑i<j<k<l Pr(A i A j A k A l)+…+(-1)n+1Pr(A1A2…A n) (3) 配对问题二．条件概率1. 定义：（1）Pr(A|B) 是概率，因此满足概率的三个基本条件。
（2）Pr(B)>0 i. B≠фii. B=S, Pr(A|B)=Pr(A)（3）Pr(A)与Pr(A|B)无必然大小关系（4）本质：使样本空间更简单（5）Pr(AB) = Pr(B)Pr(A|B) = Pr(A)Pr(B|A)（6）假设事件A1,A2,…,A n满足Pr(A1A2…A n-1)>0，那么：Pr(A1A2…A n-1) = Pr(A1) Pr(A2|A1)Pr(A3|A2A1)Pr(A n|A1A2…A n-1) （7）假设事件A1,A2,…,A n,B，满足Pr(A1A2…A n-1|B)>0，那么：Pr(A1A2…A n-1|B)=Pr(A1|B)Pr(A2|A1B)Pr(A3|A2A1B)Pr(A n|A1A2…A n-1B)2.独立事件（1）定义：①如果Pr(AB)=Pr(A)Pr(B)，那么事件A,B独立。
②Pr(A)>0,Pr(B)>0，那么当且仅当Pr(A|B)=Pr(A)并且Pr(B|A)=Pr(B)是事件A,B独立。
（Pr(A)或者Pr(B)为零时无定义）（2）AB=ф, Pr(A)>0, Pr(B)>0不能得出A,B 独立的结论。
（3）Ф或者样本空间与任意事件独立。
（4）假设A,B事件独立，①Pr(A∪B)=Pr(A)+Pr(B)-Pr(AB)=Pr(A)+Pr(B)-Pr(A)Pr(B)②Pr(A∪B)=1-Pr((A∪B)C)=1-Pr(A C B C)=1-Pr(A C)Pr(B C)=>Pr(∪A i)=1-Pr(A1C) Pr(A2C)…Pr(A i C)（5）本质：B事件发生与否与A无关（6）如果A,B两事件独立，那么事件A与B C，A C与B C均独立（7）对于事件A1,…,A k，如果这些事件的任意包含j（j=2,3,…,k）个事件的子集满足Pr(A i1…A ij)=Pr(A i1)…Pr(A ij)，则这k个事件独立。
以3个事件为例：Pr(AB)=Pr(A)Pr(B)Pr(AC)=Pr(A)Pr(C) pairwise independencePr(BC)=Pr(B)Pr(C)Pr(ABC)=Pr(A)Pr(B)Pr(C)因此pairwise independence 不能推出独立（8）如果事件A1,…,A k满足Pr(A1…A k)>0，那么当且仅当任意两个{1,…,k}中的不相交的子集{i1,…,i m}和{j1,…,j l}满足Pr(A i1…A im|A j1…A jl)=Pr(A i1…A im)时，A1…,A k独立。
3. 全概率定律（已知原因，推结果）（1）考虑样本空间中的k 个不相交的事件B1, …,B k，并且∪i=1k B i=S, 则这k 个事件叫做样本空间S的一个划分。
（2）假设事件B1, …,B k是样本空间S的一个划分并且Pr(B j)>0(j=1, …,k)，那么对于S中的任意事件A，Pr(A)=∑j=1k Pr(B j)Pr(A|B j)（3）Pr(A|C)= ∑j=1k Pr(B j|C)Pr(A|B j C)（4）全概率公式为条件概率的推广（条件不只一个）。
4. Bayes 定律（已知结果，推原因）（1）假设事件B1, …,B k是样本空间S的一个划分并且Pr(B j)>0(j=1, …,k)，事件A满足Pr(A)>0，那么对于i=1, …,k,Pr(B i|A)=Pr(B i)Pr(A|B i)/ ∑j=1k Pr(B j)Pr(A|B j)（2）Pr(B i)称为先验概率，Pr(B i|A)称为后验概率。
三．随机变量及分布1. 随机变量（r.v.）（1）考虑样本空间为S的一个试验，则在空间S上定义的实值函数叫做一个随机变量。
（2）随机变量是函数（3）随机变量的分布：Pr(x∈A)=Pr{s:X(s) ∈A}（4）离散型分布①如果随机变量X仅取有限个不同值x1,x2,…,x k，或者无限个不同但连续的值x1,x2,…，则称X具有离散型分布或者X是离散型随机变量。
②X的概率函数（p.f.）：函数f满足对任一实数x，f(x)=Pr(X=x)③充要条件：f i(x)≥0∑f i(x)=1④类型模型p.f均匀分布假设随机随机变量X取整数1,2,…,k的可能性相等f(x)= 1/k x=1,2,…,k 0 x为其它0-1分布Bernoulli 模型：只有两个可能结果的试验X(s)= 1 s∈A0 s∈非A f(x)= p x=01-p x=1二项分布X～B(n,p) N重贝努利试验：X i= 1 A发生0A不发生X=X1+X2+…+X nf(X=k)=C n k p k(1-p)n-k(k=1,2,…,n)几何分布X～Geo(p) X：首次出现A时试验的次数f(X=k)=(1-p)k-1pPascal分布（负二项分布）X：直到A出现r次为止试验次数f(X=n)=C n-1r-1p r-1(1-p)n-r p(n=r,r+1,r+2,…)泊松分布X～Poisson(λ) X: 单位时间内事件发生的个数f(X=k)=λk/k!*e-λ(k=0,1,2,…)⑥分布函数（d.f.）F(x)=Pr(X≤x) 对于-∞<x<∞i F(x)在每个可能的x i处跳变f(x i)ii F(x)在任意两个连续的跳变之间不变⑦p.f.<=>d.f. f(x)=F(x)-F(x-)⑧不同的随机变量可以有相同的分布（5）连续型分布①如果存在定义在一条实线上的非负函数f，满足对于任一子集A，X取A内一值的概率为f 在A上的积分。
②X的概率密度函数（p.d.f.）: Pr(a<X≤b)=∫a b f(x)dx③充要条件：f(x)≥0∫-∞∞f(x)dx=1④d.f. : F(x)=Pr(X≤x)=∫-∞x f(u)du⑤Pr(X=x)=0=>概率为0 的事件不一定是不可能事件Pr(X∈R-{x})=1=>概率为1的事件不一定是样本空间⑥f(x)表示X在x附近取值的可能性大小⑦Pr(X∈[x,x+dx])≈f(x)dx⑧F’=f(连续) 在间断点处取任一值均可=>f不唯一⑨类型i 在区间上均匀分布：f(x)= 1/(b-a) a≤x≤b0 x为其它ii X～Exp(λ) 指数分布：f(x)= λe-λx>00 x≤0F(x)= 1-e-λx x>00 x≤0iii X～N(μ，σ2)正态分布：f(μ+c)=f(μ-c)≤f(μ)F(μ)=1/2标准正态分布：μ=0; σ=1非标准=>标准：X～N(μ，σ2) => Y=(X-μ)/ σ～N(0,1)(6) 分布函数①对于任一实数x满足：F(x)=Pr(X≤x) ，（-∞<x<∞）则称F为随机变量X的分布函数。
②性质：i x1<x2, 则F(x1)≤F(x2)ii x->-∞时，F(x)=0x->∞时，F(x)=1iii 分布函数总是右连续的③定理：i 对于任意x, Pr(X>x)=1-F(x)ii 对于所有x1和x2满足x1<x2, 则Pr(x1≤x≤x2)=F(x2)-F(x1)iii 对于任意x, Pr(X<x)=F(x-)iv 对于任意x, Pr(X=x)=F(x)-F(x-)④反函数（6）二变量分布①两个随机变量的联合概率密度叫做二变量分布②离散的联合分布函数i 函数f满足平面x-y上任一点（x,y），f(x,y)=Pr(X=x,Y=y)，则f 称为随机变量X,Y的联合概率函数。
ii f(x,y)≥0iii ∑f(x,y)=1iv 对于平面x-y的任一子集A, Pr[(X,Y) ∈A]=∑(x,y)∈A f(x,y)③连续的联合概率分布函数i 如果存在一个非负函数f定义在整个x-y平面上，并满足Pr[(X,Y) ∈A]=∫∫A f(x,y)dxdy则称f 为随机变量X，Y的联合概率密度函数ii f(x,y)≥0iii ∫-∞∞∫-∞∞f(x,y)dxdy=1iv 如果（X,Y）在一条直线或曲线上，则它的概率为0v f(x,y)= 1/D, (x,y) ∈S0, (x,y)为其它D为区域S的面积④二变量分布函数i 函数F满足对于所有的x和y（-∞<x<∞，-∞<y<∞），F(x,y）= Pr(X≤x, Y≤y)则称F为随机变量X,Y的联合分布函数ii (X,Y)分布在平面x-y上一个特定矩形内的概率为Pr(a<X≤b, c<y≤d)=F(b,d)-F(a,d)-F(b,c)+F(a,c)iii F(x,y)= ∫-∞y∫-∞x f(r,s)drds=∫-∞x∫-∞y f(r,s)dsdriv 二变量分布中的一个变量的分布：F1(x)=lim y-∞F(x,y) -∞<x<∞F2(y)=lim x-∞F(x,y) -∞<y<∞（7）边缘分布①从联合分布中得到的其中一个随机变量X的分布，叫做X的边缘分布。