概率论与数理统计学习知识资料要点

知识要点一 概念：1 随机事件：用,,A B C 等表示 互不相容： AB =Φ互逆： AB =Φ且A B ⋃=Ω ，此时，B A = 互逆 ⇒互不相容 ，反之不行相互独立： ()()P A B P A =或()()()P AB P A P B =2 随机事件的运算律：(1) 交换律 ：,A B B A AB BA ⋃=⋃= (2) 结合律 ：()(),()()A B C A B C AB C A BC ⋃⋃=⋃⋃=(3) 分配律 ：(),()()()A B C AB AC A BC A B A C ⋃=⋃⋃=⋃⋃(4 ) De Morgen 律（对偶律）B A B A =⋃ B A AB ⋃= 推广：11n ni i i i A A ===U I11nni i i i A A ===IU3 随机事件的概率：()P A 有界性 0()1P A ≤≤ 若A B ⊂ 则()()P A P B ≤ 条件概率 ()()()P AB P A B P B =4 随机变量： 用大写,,X Y Z 表示 .若X 与Y 相互独立的充分必要条件是)()(),(y F x F y x F Y X =若X 与Y 是连续随机变量且相互独立的充分必要条件是(,)()()X Y f x y f x f y = 若X 与Y 是离散随机变量且相互独立的充分必要条件是(,)()()X Y p x y p x p y =若X 与Y 不相关，则cov(,)0X Y = 或 (,)0R X Y = 独立⇒不相关 反之不成立但当X 与Y 服从正态分布时 ，则相互独立 ⇔不相关相关系数：1),(≤Y X R 且当且仅当bX a Y +=时1),(=Y X R ，并且⎩⎨⎧<->=0,10,1),(b b Y X R二 两种概率模型古典概型 ：()MP A N=:M A 所包含的基本事件的个数 ；:N 总的基本事件的个数 伯努利概型 ： n 次独立试验序列中事件A 恰好发生m 次的概率 ()m m n mn n P m C p q -=n 次独立试验序列中事件A 发生的次数为1m 到2m 之间的概率2112()()m n m m P m m m P m =≤≤=∑n 次独立试验序列中事件A 至少发生r 次的概率1()()1()nr n n m rm P m r P m P m -==≥==-∑∑特别的 ，至少发生一次的概率 (1)1(1)nP m p ≥=--三 概率的计算公式：加法公式：()()()()P A B P A P B P AB ⋃=+- 若B A ,互不相容 ,则)()()(B P A P B A P +=+ 推论：)()(A P A P -=1 推广：)()()()()()()()(ABC P AC P BC P AB P C P B P A P C B A P +---++=⋃⋃若B A ,，C 互不相容，则()()()()P A B C P A P B P C ++=++乘法公式：)()()(A B P A P AB P =或()()P B P A B = 若,A B 相互独立 ，()()()P AB P A P B =推广：)()()()()(12121312121-=n n n A A A A P A A A P A A P A P A A A P ΛΛΛΛΛΛ 若它们相互独立，则1212()()()()n n P A A A P A P A P A =L L L L全概率公式：若 A 为随机事件，n B B B ΛΛ21,互不相容的完备事件组，且 0)(>i B P 则 )()()()()()()(2211n n B A P B P B A P B P B A P B P A P +++=ΛΛ 注： 常用,B B 作为互不相容的完备事件组有诸多原因可以引发某种结果 ，而该结果有不能简单地看成这诸多事件的和 ，这样的概率问题属于全概问题. 用全概率公式解题的程序：（1） 判断所求解的问题 是否为全概率问题（2） 若是全概率类型，正确的假设事件A 及i B ，{}i B 要求是互斥的完备事件组 （3） 计算出(),()i i P B P A B（4） 代入公式计算结果四 一维随机变量：1 分布函数：)()(x X P x F ≤= 性质：（1） 1)(0≤≤x F（2） 若21x x < ，则)()(21x F x F ≤（3） 若X 是离散随机变量，则)(x F 是右连续的若X 是连续随机变量，则)(x F 是连续的 （有时，此性质也可用来确定分布函数中的常数）（4）1)(lim =+∞→x F x 即 1)(=+∞F0)(lim =-∞→x F x 即 0)(=-∞F （ 此性质常用来确定分布函数中的常数）利用分布函数计算概率：()()()P a X b F b F a <≤=- 一维离散随机变量：概率函数：()()1,2i i p x P X x i ===L （分布律）性质：()0i p x ≥()1iip x =∑ （此性质常用来确定概率函数中的常数）已知概率函数求分布函数 ()()()i i iix xx xF x P X x p x ≤≤===∑∑一维连续随机变量： 概率密度()f x性质：（1） 非负性()0f x ≥ （2）归一性：()1f x dx +∞-∞=⎰（常用此性质来确定概率密度中的常数）分布函数和概率密度的关系： ()()f x F x '= ()()xF x f x dx -∞=⎰（注意：当被导函数或被积函数是分段函数时，要分区间讨论，其结果也是分段函数） 利用概率密度求概率 ()()b aP a X b f x dx <≤=⎰五 一维随机变量函数的分布：离散情形 ： 列表 、整理、合并连续情形()Y g X =： 分布函数法. 先求Y 的分布函数 ，再求导 六 二维随机变量： 联合分布函数 ：(,)(,)F xy P X x Y y =≤≤性质： （1） (,)0F -∞-∞= （2） (,)0F x -∞= （3） (,)0F y -∞= （4） (,)1F +∞+∞=（此极限性质常用来确定分布函数中的常数）边缘分布函数： ()(,)X F x F x =+∞ ),()(y F y F Y +∞= 二维离散随机变量：联合概率函数 (,)(,)i j i j p x y P X x Y y === 列表 边缘概率函数： ()(,)X i ijjp x p x y =∑ ()(,)Yi i j ipy p x y =∑二维连续随机变量： 联合概率密度 (,)f x y性质 （1）(,)0f x y ≥（2）(,)1f x y dxdy +∞+∞-∞-∞=⎰⎰（常用此性质来确定概率密度中的常数）联合分布函数与联合概率密度的关系),(),(y x F y x y x f ∂∂∂=2⎰⎰∞-∞-=x y dxdy y x f y x F ),(),(（注意：当被导函数或被积函数是分段函数时，要分区间讨论，其结果也是分段函数）利用联合概率密度求概率((,))(,)RP x y R f x y dxdy ∈=⎰⎰已知联合概率密度求边缘概率密度()(,)X f x f x y dy +∞-∞=⎰()(,)Y f y f x y dx +∞-∞=⎰（注意：当被积函数是分段函数时，要分区间讨论，其结果也是分段函数） 二维随机变量函数的分布 1 离散情形 2 连续情形：七 随机变量的数字特征： 若X 为离散随机变量：1()()niii E X x p x ==∑若X 为连续随机变量： ()()E X xf x dx +∞-∞=⎰二维情形 若(,)~(,)X Y f x y 为二维连续随机变量，则 ()()(,)X E X xf x dx xf x y dxdy +∞+∞+∞-∞-∞-∞==⎰⎰⎰()(,)E Y yf x y dxdy +∞+∞-∞-∞=⎰⎰若(,)~(,)i j X Y p x y 为二维离散随机变量，则()()(,)i X i i i j iijE X x p x x p x y ==∑∑∑()()(,)j Y j j i j jjiE Y y p y y p x y ==∑∑∑随机变量的函数的数学期望：若X 为离散随机变量：[]()()()iiiE g X g x p x =∑若X 为连续随机变量 []()()()E g X g x f x dx +∞-∞=⎰方差：定义 []{}2()()D X EX E X =-方差的计算公式：22()()()D X E X E X =- 注意这个公式的转化：22()()()E X D X E X =+协方差：)()()(),cov(Y E X E XY E Y X -=，相关系数)()(),cov(),(Y D X D Y X Y X R =关于期望的定理： 关于方差的定理 （1） ()E C C = （1） ()0D C =（2）()()E CX CE X = （2） 2()()D CX C D X =（3） ()()()E X Y E X E Y +=+ 相互独立： ()()()D X Y D X D Y +=+ ()()()E X Y E X E Y -=- ()()()D X Y D X D Y -=+ ()()()E X Y E X E Y λμλμ+=+ （注意：反之不成立） 相互独立()()()E XY E X E Y =（注意：反之不成立）一般地：),cov(2)()()(Y X Y D X D Y X D ++=+ 八 要熟记的常用分布及其数字特征：01-分布 (1,)B p 1()0,1x xp x p q x -== ()()E X p D X pq == 二项分布(,)B n p ()0,1x x n x i n p x C p qx n -==L ()()E X np D X npq ==泊松分布()p λ ()0,1!xp x e x x λλ-==L ()()E X D X λλ==均匀分布：(,)U a b 1()0a x b f x b a ⎧<≤⎪=-⎨⎪⎩其他 ()01x aa xb b a F X x ax b -⎧≤<⎪-⎪=<⎨⎪≥⎪⎩2()()()212a bb a E X D X +-==指数分布：()e λ 0()00xe xf x x λλ-⎧>=⎨≤⎩ 10()00x e x F x x λ-⎧->=⎨≤⎩ 211()()E X D X λλ==正态分布：2~(,)X N μσ22()2()x f x μσ--=22()2()x xF x edx μσ---∞=2()()E X D X μσ==特别地(0,1)N22()x x ϕ-=22()x xx edx --∞Φ=（)(1)(x x Φ-=-Φ）()0()1E X D X ==若2~(,)X N μσ ，则1212()()x x X P x X x P μμμσσσ---<<=<<21()()x x μμσσ--=Φ-Φ九 正态随机变量线性函数的分布；十 统计部分：统计量 ，三大分布的定义，无偏性 有效性 矩估计 最大似然估计 区间估计 假设检验矩估计的步骤：（思路：用样本的k 阶原点矩去估计总体的k 阶原点矩） 若总体中只含一个未知参数； （1） 计算总体的一阶原点矩)(X E（2） 令∑===ni i X n V X E 111)(，从中解得未知参数的矩估计量。