概率论与数理统计 重要公式

一、随机事件与概率二、随机变量及其分布1、分布函数()()(),()()()()k k x xx P X x F x P X x P a X b F b F a f t dt≤-∞⎧=⎪=≤=<≤=-⎨⎪⎩∑⎰ 概率密度函数计算概率：2、离散型随机变量及其分布3、续型型随机变量及其分布分布函数0,⎧x 1)(=⎰+∞∞-dx x f ⎰=≤≤badxx f b X a P )()(一般正态分布的概率计算公式分布函数对离散型随机变量对连续型随机变量分布函数与密度函数的重要关系：4、随机变量函数Y=g(X)的分布离散型：()(),1,2,j ii j g x y P Y y p i ====∑，连续型： ①分布函数法，②公式法()(())()(())Y X f y f h y h y x h y '=⋅=单调 h(y)是g(x)的反函数三、多维随机变量及其分布1、离散型二维随机变量及其分布分布律：(,),,1,2,i j ij P X x Y y p i j ==== 联合分布函数(,)i i ijx x y yF X Y p≤≤=∑∑边缘分布律：()i i ij jp P X x p ⋅===∑ ()j j ij ip P Y y p ⋅===∑条件分布律：(),1,2,ij i j jp P X x Y y i p ⋅====，(),1,2,ij j i i p P Y y X x j p ⋅====联合密度函数2、连续型二维随机变量及其分布 ①分布函数及性质 分布函数：⎰⎰∞-∞-=x ydudv v u f y x F ),(),(性质：2(,)(,)1,(,),F x y F f x y x y∂+∞+∞==∂∂((,))(,)GP x y G f x y dxdy ∈=⎰⎰②边缘分布函数与边缘密度函数 分布函数：⎰⎰∞-+∞∞-=x X dvdu v u f x F ),()( 密度函数：⎰+∞∞-=dv v x f x f X ),()(⎰⎰∞-+∞∞-=y Y dudv v u f y F ),()( ⎰+∞∞-=du y u f y f Y ),()(③条件概率密度+∞<<-∞=y x f y x f x y f X X Y ,)(),()(，+∞<<-∞=x y f y x f y x f Y Y X ,)(),()( ⎰∞-=≤=xdtt f x X P x F )()()(∑≤==≤=xk k X P x X P x F )()()()()('x f x F =⎰∞-=≤=xdtt f x X P x F )()()(1),(0≤≤y x F },{),(y Y x X P y x F ≤≤=),(y x f 0),(≥y x f 1),(=⎰⎰+∞∞-+∞∞-dxdy y x f )()()(σμ-Φ=<=≤a a X P a X P )(1)()(σμ-Φ-=>=≥a a X P a X P )()()(σμσμ-Φ--Φ=≤≤a b b X a P3、随机变量的独立性随机变量X 、Y 相互独立(,)()()X Y F x y F x F y ⇔=，连续型：(,)()()X Y f x y f x f y = 离散型：..ij i j p p p = ，4、二维随机变量和函数的分布(卷积公式)离散型：()(,)i j kk i j x y z P Z z P X x Y y +=====∑注意部分可加性连续型：()(,)(,)Z f z f x z x dx f z y y dy +∞+∞-∞-∞=-=-⎰⎰四、随机变量的数字特征1、数学期望①定义：离散型∑+∞==1)(k k k p x X E ，连续型⎰+∞∞-=dxx xf X E )()(②性质：(),E C C = )()]([X E X E E =，)()(X CE CX E =，)()()(Y E X E Y X E ±=±b X aE b aX E ±=±)()( ，当X 、Y 相互独立时：)()()(Y E X E XY E =(正对逆错)随机变量g(X)的数学期望2、方差 ①定义：②性质：0)(=C D ，)()(2X D a b aX D =±，),(2)()()(Y X Cov Y D X D Y X D ±+=± 当X 、Y 相互独立时：)()()(Y D X D Y X D +=±3、协方差与相关系数①协方差：(,)()()()Cov X Y E XY E X E Y =-，当X 、Y 相互独立时：0),(=Y X Cov②相关系数： (,)()()XY Cov X Y D X D Y ρ=，当X 、Y 相互独立时：0=XY ρ(X,Y 不相关)③协方差和相关系数的性质：)(),(X D X X Cov =，),(),(X Y Cov Y X Cov =),(),(),(2121Y X Cov Y X Cov Y X X Cov +=+，),(),(Y X abCov d bY c aX Cov =++Cov(x,a)=0(a 为常数)，),(2)()()(22Y X abCov Y D b X D a bY aX D ±+=±4、常见随机变量分布的数学期望和方差分布 数学期望E （X ） 方差D （X ）0-1分布 ),1(p b p p(1-p) 二项分布 ),(p n b npnp(1-p)泊松分布 )(λP λλ均匀分布 ),(b a U2ba + 12)(2a b - 正态分布 ),(2σμNμ2σ指数分布)(λeλ121λ}{}{},{j Y P i X P j Y i X P =====∑=kkk p x g X g E )())((五、大数定律与中心极限定理1、切比雪夫不等式若,)(,)(2σμ==X D X E 对于任意0>ε有2)(})({εεX D X E X P ≤≥-2、大数定律：①切比雪夫大数定律：若n X X 1相互独立，2)(,)(i i i i X D X E σμ==且C i≤2σ，则：∑∑==∞→−→−ni iPni i n X E nX n11)(),(11②伯努利大数定律：设n A 是n 次独立试验中事件A 发生的次数，p 是事件A 在每次试验中发生的概率，则0ε∀>，有：lim 1A n n P p n ε→∞⎛⎫-<=⎪⎝⎭③辛钦大数定律：若1,,n X X 独立同分布，且μ=)(i X E ，则μ∞→=−→−∑n Pni i X n113、★中心极限定理①列维—林德伯格中心极限定理：独立同分布的随机变量(1,2,)i X i =，均值为μ，方差为02>σ，当n充分大时有：1((0,1)~nn k k Y X n N μ==-−−→∑ ②棣莫弗—拉普拉斯中心极限定理：随机变量),(~p n B X ，则对任意x 有：22lim }()t x n P x dt x -→∞≤==Φ⎰③近似计算：1()nk k P a X b =≤≤≈Φ-Φ∑ 六、数理统计的基本概念1、总体和样本的分布函数设总体X ～F(x)，则样本的联合分布函数)(),(121k nk n x F x x x F =∏=2、统计量样本均值：∑==ni i X nX 11，样本方差：∑∑==--=--=ni i ni i X n X n X X n S 122122)(11)(11 样本标准差：∑=--=ni iX X n S 12)(11 ，样本k 阶原点距： 2,1,11==∑=kXn A ni ki k样本k 阶中心距：11(),1,2,3nk k i i B X X k n ==-=∑3、三大抽样分布(1)2χ分布（卡方分布）：设随机变量X ～B(0,1)(1,2,,)i n =且相互独立，则称统计量222212n X X X ++=χ服从自由度为n 的2χ分布，记为)(~22n χχ 性质：①n n D n n E 2)]([,)]([22==χχ②设)(~),(~22n Y m X χχ且相互独立，则)(~2n m Y X ++χ(2)t 分布：设随机变量)(~),1,0(~2n Y N X χ，且X 与Y 独立，则称统计量：nY X T =服从自由度为n 的t 分布，记为)(~n t T。

性质：①()0(1),()(2)2n E T n D T n n =>=>-②22lim ()()x n n f x x ϕ-→∞== (3)F 分布：设随机变量22~(),~()X m Y n χχ，且X 与Y 独立，则称统计量(,)X mF m n Y n=服从第一自由度为m ，第二自由度为n 的F 分布，记为~(,)F F m n ，性质：设~(,)F F m n ，则1~(,)F n m F 。

七、参数估计1.参数估计①定义：用12(,,,)n X X X θ∧估计总体参数θ，称12(,,,)n X X X θ∧为θ的估计量，相应的12(,,,)n x x x θ∧为总体θ的估计值。

2.点估计中的极大似然估计 设12,,n X X X 取自X 的样本，设~(,)X f x θ或~(,)X P x θ， 求法步骤：①似然函数：11()(,)()()(,)()nni i i i i L f x L P x θθθθ====∏∏连续型或离散型②取对数：1ln ()ln (,)ni i L f x θθ==∑ 或1ln ()ln (,)ni i i L p x θθ==∑③解方程：1ln ln 0,,0kLL θθ∂∂==∂∂，解得：111212(,,,)(,,,)n k k n x x x x x x θθθθ∧∧∧∧⎧=⎪⎪⎨⎪=⎪⎩,)n x 为未知参数2,,)n x x 和,)n x θ是未知参数2)θ∧，则称θ∧有效。

的一串估计量，有lim (|n P θ∧→∞计量（或相合估计量）。

正态总体中，样本均值X 是μ的无偏估计量 修正样本方差2S 是2σ的无偏估计量 5. 区间估计 单正态总体参数的置信区间八、假设检验,)n X ；③对于α查表找分位数λ，,)n X W ∈，从而定出拒绝域W ； ④由样本观测值计算统计量实测值,)n x ；并作出判断：当实测值落入，否则认为接受第一类错误：当H 0为真时，而样本值却落入了拒绝域，应当否定H 0。

“弃真错误”P {拒绝H 0|H 0为真}=α第二类错误：当H 1为真时，而样本值却落入了接受域，应接受H 0。